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！

龙图腾网获悉江苏云鹏信息科技有限公司申请的专利基于物联网的加油站设备监控系统及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：CN120123951B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510594892.0，技术领域涉及：G06F18/2433；该发明授权基于物联网的加油站设备监控系统及方法是由朱建萍设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本基于物联网的加油站设备监控系统及方法在说明书摘要公布了：本发明涉及加油站设备监控技术领域，具体为基于物联网的加油站设备监控系统及方法；具体为：实时采集设备的多维运行参数及业务流程节点动态，构建设备与业务的双向耦合图模型，利用图卷积网络提取设备间物理关联与业务逻辑交互的高阶特征；采用动态健康评分机制预测设备故障风险，结合注意力机制回溯风险传播链条，并通过异常语义生成网络将多维数据映射为可解释的故障诊断信息；引入双层强化学习博弈机制，内层协调设备维护与风险抑制策略，外层统筹业务效率与安全目标，生成资源调度、油品调配等优化动作，形成感知‑诊断‑决策闭环。本发明实现了设备状态全时感知、故障主动预警及跨域协同优化，显著提升加油站运维效率与安全性。

本发明授权基于物联网的加油站设备监控系统及方法在权利要求书中公布了：1.一种基于物联网的加油站设备监控方法，其特征在于，包括以下具体实施步骤： S1、采集加油站内关键设备的多维运行参数和业务流程节点动态数据； S2、通过构建设备与业务流程节点集合并关联状态向量描述运行特征，采用注意力机制动态调整耦合权重，结合图卷积网络提取高阶交互特征，建立设备-业务耦合模型； 设备-业务耦合模型的构建过程为： S21、定义设备集合，并定义业务流程节点集合，构建全部节点集合； 其中，ei表示加油站内的第i个关键设备节点；bj表示业务流程的第j个业务节点；m表示加油站内关键设备总数；n表示业务流程步骤总数； S22、定义每个设备节点ei和业务节点bj关联的状态向量、： ；； 其中，表示第i个设备节点的第k个状态特征；表示第j个业务节点的第l个过程特征；M表示第i个设备节点中的状态特征总数；L表示第j个业务节点的过程特征总数； S23、定义设备-业务初始耦合关联矩阵A： ； 其中，Auv表示节点u与v的初步连接权重； S24、引入动态耦合权重张量Wt，对初始关联矩阵进行自适应加权修正： ；； 其中，Wt表示时间t时刻的动态耦合权重张量；、分别表示设备和业务的状态向量集合；表示元素级乘积；表示动态加权后的设备-业务耦合图；表示权重学习函数； S25、应用图卷积网络GCN对设备与业务节点进行联合表示学习，提取节点间高阶交互特征： ； ； 其中，、分别表示第l+1层节点表示和第l层节点表示；表示第l层可训练权重；表示ReLU激活函数；D表示度矩阵；表示节点i和节点j在时刻t的动态加权连接权重；表示节点i的总连接权重； S26、输出设备-业务耦合模型Gt：； 其中，N表示节点集；表示动态加权后的节点间连接关系；表示每个节点的联合嵌入表示； S3、通过注意力机制融合设备状态、邻居节点影响及耦合权重构建综合健康表征向量，采用轻量评估函数量化设备健康评分，结合图时序模型预测未来故障风险，并回溯累积影响权重识别风险链条路径； 风险链条路径识别过程如下： S31、针对每一设备节点，构建其综合健康表征向量： ； 其中，表示当前设备状态向量；表示与当前设备节点ei耦合的邻居节点；表示由注意力机制学习的依赖强度；W1表示权重矩阵；表示非线性激活函数ReLU；表示设备ei的综合健康表征向量； S32、使用设备ei的综合健康表征向量，对设备ei当前健康状态进行量化评分：； 其中，表示健康评分，即设备ei在时刻t的健康评分，越接近0表示越异常，；w2和b分别表示模型训练得到的权重与偏置项；此处的表示向量转置操作； 设定健康风险门限值θ，当θ时认为存在健康风险，进入预测流程； S33、选取过去个时刻的健康表示序列，输入至图时序预测模型GGRU：； 进一步预测未来故障风险评分：； 其中，表示预测设备ei在未来τ时间步的健康评分，即未来时刻t+τ的健康评分；表示预测的设备ei在未来时刻t+τ的健康表示；表示图门控循环单元模型，兼顾结构感知与时间序列记忆能力； S34、通过健康评分阈值识别高风险设备，提取累积影响权重逆向回溯关键上游节点直至终止条件，输出风险链条路径； S4、通过提取设备传播特征构建多维异常特征向量，利用语义生成网络映射异常语义类别，结合设备-业务耦合模型与风险链推导异常因果路径，最终生成异常语义识别结果； 异常语义识别结果生成过程如下： S41、提取设备ei的传播特征向量； S42、针对每个预测到潜在高风险的设备ei，综合当前状态、预测趋势、业务指标变化和链路传播特性，构建一组多维异常特征向量：； 其中，表示设备ei在时刻t的健康评分；表示预测设备ei在未来τ时间步的健康评分；表示健康变化幅度，；表示当前关键业务指标集合；表示设备ei的传播特征向量； S43、引入异常语义生成网络SGN，目标是通过特征向量映射到具体的异常语义类别集合C； 定义分类概率分布：； S44、根据识别出的异常类别，结合设备-业务耦合图Gt与风险链条Chainei，推导异常形成的逻辑路径； S45、输出异常语义识别结果； S5、通过构建包含设备健康、业务指标及安全风险的运营状态向量，定义多目标优化函数与双层强化博弈优化策略生成机制，结合异常语义解释动态调整策略优先级，生成最优运营决策； S6、集成最优运营决策与异常分析结果，联动执行自动化资源调度，结合人工干预并持续监测反馈动态调整策略。

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江苏云鹏信息科技有限公司，其通讯地址为：210000 江苏省南京市江北新区研创园丽景路2号研发大厦A座13层；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”。