买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国计量大学申请的专利融合时序知识图谱的机电设备预测性维护方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119005321B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411480206.9，技术领域涉及：G06N5/022；该发明授权融合时序知识图谱的机电设备预测性维护方法是由陆佳炜;陈晗远;王琪冰;肖刚;陈坚伟;李琛;张远辉设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本融合时序知识图谱的机电设备预测性维护方法在说明书摘要公布了：一种融合时序知识图谱的机电设备预测性维护方法，属于机电设备预测性维护领域，模型专门针对机电设备运维时序知识图谱进行推理，实现预测性维护；首先获取机电设备的并行结构信息学习用于节点分类的信息节点表示，并为每个相关的节点生成特征向量；然后从向量序列中捕获机电设备运行的时间演化信息，最后输出隐藏状态向量参与条件强度函数的构建，并基于强度函数实现时序知识图谱的预测，以完成对机电设备预测性维护任务。本发明有效实现机电设备预测性维护。

本发明授权融合时序知识图谱的机电设备预测性维护方法在权利要求书中公布了：1.一种融合时序知识图谱的机电设备预测性维护方法，其特征在于，所述方法包括以下步骤：第一步、构建机电设备时序知识图谱，过程如下：步骤1.1本体结构构建，定义机电设备时序知识图谱本体；步骤1.2数据采集；步骤1.3数据预处理；步骤1.4实体与关系抽取；第二步、使用动态图卷积嵌入模型实现机电设备时序知识图谱的动态嵌入，过程如下：步骤2.1使用动态图卷积模型获取在任意时间的知识图谱的尾实体嵌入向量；步骤2.2使用步骤2.1中的动态图卷积模型获得在查询时间的知识图谱的头实体嵌入向量；第三步、使用动态霍克斯Transformer模型实现维护实体的预测，过程如下：步骤3.1使用动态位置编码模块对第二步中获得的实体嵌入向量编码；步骤3.2神经霍克斯解码器模块实现维护实体预测和时间预测；第四步、将实体预测任务视为多类分类任务，将时间预测任务视为回归任务进行模型训练，过程如下：步骤4.1采用交叉熵损失和均方误差损失作为实体预测任务和时间预测任务的损失；步骤4.2对于使用了神经常微分方程的部分采用伴随灵敏度法进行反向传播；所述步骤3.2的过程为：步骤3.2.1通过多头注意力机制来增强自适应识别机电设备运维领域知识图谱中实体与关系的时间信息的能力；步骤3.2.2通过构造强度函数实现实体预测与时间预测；所述步骤3.2.1的过程如下：步骤3.2.1.1将动态位置编码P＝{p0,p1,…,pi}通过自适应线性映射，转换为i个长度为dK的向量，并用于生成查询向量Q、键向量K和值向量V，Q、K、V的生成公式如下， 其中，WQ、WK、WV为可学习权矩阵，增加模型的表达性，从而使计算出的权值矩阵具有更高的泛化能力；步骤3.2.1.2单个注意力头所产生的隐藏状态hi的计算公式如下， 其中，TPqTPk为注意力机制中的时间信息偏差项，′代表转置,是查询关系的嵌入矩阵，Softmax函数是一种在多类分类问题中常用的归一化指数函数；步骤3.2.1.3将每个注意力头输出的hi做拼接操作，再经过残差连接和隐藏层正则化得到查询时间输出的隐状态 其中，隐藏层正则化AddNorm·是将网络中的隐藏层归一化为标准正态分布；所述步骤3.2.2的过程如下：步骤3.2.2.1为所有候选实体构建的时间条件强度函数为， 其中，Wλ是一个投影矩阵，是在查询时间tq的隐状态，gx＝β·是带有参数β的softplus函数，目的是确保强度函数的正值性；步骤3.2.2.2通过最大化条件强度函数来预测查询时间发生的尾实体eo， 其中，argmax函数表示找到使最大的eo，eotq为最终预测的维护实体；步骤3.2.2.3通过条件时间密度函数来预测维护实体发生的时间t*， 其中，eq为查询实体，τ为时间参数用于积分运算。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。