買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華高數(shù)字科技有限公司申請(qǐng)的專利一種基于前端感知數(shù)據(jù)的預(yù)警方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120216968B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510712364.0，技術(shù)領(lǐng)域涉及：G06F18/213；該發(fā)明授權(quán)一種基于前端感知數(shù)據(jù)的預(yù)警方法及系統(tǒng)是由潘東曉;汪根杰;胡亞輝;趙先進(jìn);井維澤;武玉存;李彥偉;王勇設(shè)計(jì)研發(fā)完成，并于2025-05-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于前端感知數(shù)據(jù)的預(yù)警方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及工業(yè)設(shè)備故障檢測(cè)與預(yù)警技術(shù)領(lǐng)域，公開(kāi)了一種基于前端感知數(shù)據(jù)的預(yù)警方法及系統(tǒng)，其中，一種基于前端感知數(shù)據(jù)的預(yù)警方法包括：聲學(xué)信號(hào)增強(qiáng)與特征提取，構(gòu)建聲學(xué)特征詞典；故障階段劃分與特征分析，利用集成變點(diǎn)檢測(cè)算法識(shí)別故障演化的關(guān)鍵階段，構(gòu)建階段性故障特征庫(kù)；時(shí)序演化模型構(gòu)建，基于循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建聲學(xué)特征時(shí)序演化模型，識(shí)別故障演化規(guī)律；鏈?zhǔn)竭f進(jìn)預(yù)測(cè)，采用階段特異性預(yù)測(cè)方法預(yù)測(cè)未來(lái)故障狀態(tài)；多維度預(yù)警決策，生成預(yù)警信息，輔助維護(hù)決策；提高了故障檢測(cè)敏感度，增加了預(yù)警提前時(shí)間；實(shí)現(xiàn)了對(duì)故障發(fā)展趨勢(shì)的預(yù)測(cè)，提高了預(yù)測(cè)準(zhǔn)確率，可提前預(yù)測(cè)故障發(fā)展趨勢(shì)。

本發(fā)明授權(quán)一種基于前端感知數(shù)據(jù)的預(yù)警方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于前端感知數(shù)據(jù)的預(yù)警方法，其特征在于，包括： 聲學(xué)信號(hào)增強(qiáng)與特征提取，對(duì)采集的聲學(xué)信號(hào)進(jìn)行模態(tài)分離與增強(qiáng)處理，應(yīng)用改進(jìn)的瓦維萊變換提取微弱故障特征，構(gòu)建聲學(xué)特征詞典，采用改進(jìn)的瓦維萊變換增強(qiáng)對(duì)微弱特征的提取能力： ； 其中表示瓦維萊系數(shù)，為尺度參數(shù)，控制分析的頻率分辨率，表示重構(gòu)后的增強(qiáng)聲學(xué)信號(hào)，為平移參數(shù)，控制時(shí)間定位，為小波基函數(shù)，為窗函數(shù)，用于增強(qiáng)局部特征的提取能力，表示復(fù)共軛運(yùn)算符，表示從負(fù)無(wú)窮到正無(wú)窮的積分運(yùn)算，表示關(guān)于變量的微分； 針對(duì)不同類型的機(jī)械故障特征，構(gòu)建自適應(yīng)小波基函數(shù)： ； 其中表示針對(duì)第類故障特征的自適應(yīng)小波基函數(shù)，為與第類故障特征匹配的調(diào)制函數(shù)； 故障階段劃分與特征分析，基于微弱故障特征，利用集成變點(diǎn)檢測(cè)算法識(shí)別故障演化的關(guān)鍵階段，構(gòu)建階段性故障特征庫(kù)，所述集成變點(diǎn)檢測(cè)算法包括： 結(jié)合基于熵的度量、基于密度的度量和基于統(tǒng)計(jì)檢驗(yàn)的度量多種變點(diǎn)檢測(cè)方法； 根據(jù)不同檢測(cè)方法在歷史數(shù)據(jù)上的表現(xiàn)，自適應(yīng)調(diào)整各方法的權(quán)重系數(shù)； 動(dòng)態(tài)調(diào)整閾值參數(shù)，平衡檢測(cè)靈敏度和誤報(bào)率； 時(shí)序演化模型構(gòu)建，針對(duì)階段性故障特征庫(kù)，基于循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建聲學(xué)特征時(shí)序演化模型，識(shí)別故障演化規(guī)律，所述基于循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建聲學(xué)特征時(shí)序演化模型的過(guò)程包括： 將長(zhǎng)短期記憶網(wǎng)絡(luò)作為基礎(chǔ)架構(gòu)，增強(qiáng)對(duì)長(zhǎng)期依賴關(guān)系的建模能力； 引入門(mén)控循環(huán)單元和注意力機(jī)制，構(gòu)建混合時(shí)序模型； 采用多尺度融合策略，結(jié)合不同時(shí)間尺度的預(yù)測(cè)結(jié)果，提高模型的魯棒性和泛化能力； 鏈?zhǔn)竭f進(jìn)預(yù)測(cè)，根據(jù)聲學(xué)特征時(shí)序演化模型和階段性故障特征庫(kù)，采用階段特異性預(yù)測(cè)方法預(yù)測(cè)未來(lái)故障狀態(tài)，所述鏈?zhǔn)竭f進(jìn)預(yù)測(cè)法包括： 根據(jù)當(dāng)前狀態(tài)識(shí)別故障階段； 使用對(duì)應(yīng)階段的特異性預(yù)測(cè)模型進(jìn)行下一狀態(tài)預(yù)測(cè)； 迭代更新當(dāng)前狀態(tài)，逐步預(yù)測(cè)遠(yuǎn)期狀態(tài)； 所述階段特異性預(yù)測(cè)方法包括： 早期故障階段采用帶隨機(jī)噪聲項(xiàng)的線性模型； 發(fā)展期故障階段采用速度函數(shù)模型； 加速發(fā)展階段采用帶加速度函數(shù)的非線性模型； 穩(wěn)定期或衰退期采用漸近線模型； 多維度預(yù)警決策，基于預(yù)測(cè)的未來(lái)故障狀態(tài)，生成預(yù)警信息，輔助維護(hù)決策。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人華高數(shù)字科技有限公司，其通訊地址為：266000 山東省青島市高新區(qū)錦業(yè)路1號(hào)藍(lán)貝智造工廠D1樓427；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。