買專利賣專利找龍圖騰，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)獲悉南京順?biāo)构鹊驴萍加邢薰?/a>申請(qǐng)的專利基于AI算法的智能消防設(shè)施自檢與故障預(yù)警系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120268014B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26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：202510765239.6，技術(shù)領(lǐng)域涉及：A62C37/00；該發(fā)明授權(quán)基于AI算法的智能消防設(shè)施自檢與故障預(yù)警系統(tǒng)是由陳義軍;朱英鎖設(shè)計(jì)研發(fā)完成，并于2025-06-10向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于AI算法的智能消防設(shè)施自檢與故障預(yù)警系統(tǒng)在說明書摘要公布了：本發(fā)明提供基于AI算法的智能消防設(shè)施自檢與故障預(yù)警系統(tǒng)，包括感知層用于集成多源異構(gòu)傳感單元；邊緣層用于部署智能預(yù)處理節(jié)點(diǎn)；傳輸層用于構(gòu)建安全可靠傳輸通道；平臺(tái)層用于建立智能分析中樞；應(yīng)用層用于提供智能決策服務(wù)；五層架構(gòu)協(xié)同工作。本發(fā)明過感知層的多物理場協(xié)同感知框架實(shí)現(xiàn)了對(duì)消防設(shè)施的全維度監(jiān)測，顯著提升了故障檢測能力。感知層集成的多源異構(gòu)傳感單元能夠同時(shí)捕獲聲學(xué)、振動(dòng)、熱場等多種物理量信息，并通過跨域特征互補(bǔ)增強(qiáng)機(jī)制將不同物理場的信息進(jìn)行互補(bǔ)增強(qiáng)，獲取更全面的設(shè)備狀態(tài)特征。特別是傳感器自適應(yīng)激勵(lì)技術(shù)根據(jù)環(huán)境干擾程度動(dòng)態(tài)調(diào)整傳感器激勵(lì)能量，確保在不同工況下都能獲取高質(zhì)量信號(hào)。

本發(fā)明授權(quán)基于AI算法的智能消防設(shè)施自檢與故障預(yù)警系統(tǒng)在權(quán)利要求書中公布了：1.基于AI算法的智能消防設(shè)施自檢與故障預(yù)警系統(tǒng)，其特征在于，包括感知層、邊緣層、傳輸層、平臺(tái)層和應(yīng)用層； 感知層用于集成多源異構(gòu)傳感單元，包括常規(guī)參數(shù)監(jiān)測單元、聲紋特征采集單元、三維振動(dòng)分析單元、動(dòng)態(tài)紅外熱成像陣列、氣相色譜分析單元及高頻電氣特性采集單元； 邊緣層用于部署智能預(yù)處理節(jié)點(diǎn)，包含自適應(yīng)噪聲抑制模塊、特征空間重構(gòu)模塊、設(shè)備級(jí)微型診斷模型集及應(yīng)急推理引擎； 傳輸層用于構(gòu)建安全可靠傳輸通道，集成協(xié)議自適應(yīng)轉(zhuǎn)換器、多徑冗余傳輸控制器、量子密鑰加密模塊及網(wǎng)絡(luò)拓?fù)渥詢?yōu)化單元； 平臺(tái)層用于建立智能分析中樞，包含時(shí)空數(shù)據(jù)湖、混合增強(qiáng)智能引擎、設(shè)備知識(shí)圖譜聯(lián)邦、分布式數(shù)字孿生體及跨域遷移學(xué)習(xí)框架； 應(yīng)用層用于提供智能決策服務(wù)，集成設(shè)備健康度預(yù)測模型、故障因果鏈分析系統(tǒng)、維護(hù)策略生成器、應(yīng)急預(yù)案推演平臺(tái)及法規(guī)動(dòng)態(tài)適配模塊； 五層架構(gòu)協(xié)同工作； 感知層包含： a聲紋特征采集單元采用麥克風(fēng)陣列與超聲傳感器融合架構(gòu)，實(shí)現(xiàn)10Hz-80kHz寬頻段聲學(xué)特征提取； 所述聲紋特征采集單元使用多尺度Hilbert-Huang變換算法提取非平穩(wěn)聲學(xué)特征，通過以下公式計(jì)算能量時(shí)頻分布： 其中，ait：第i個(gè)固有模態(tài)函數(shù)的瞬時(shí)幅值，表示第i個(gè)固有模態(tài)在t時(shí)刻的能量大小； fit：第i個(gè)固有模態(tài)函數(shù)的瞬時(shí)頻率，反映第i個(gè)固有模態(tài)在t時(shí)刻的主要頻率成分； Hilbert變換得到的解析信號(hào)的復(fù)指數(shù)形式，表示信號(hào)的相位信息； ψ·:小波基函數(shù)，負(fù)責(zé)頻率局部化，使得分解具有更好的時(shí)頻分辨率； Bit：自適應(yīng)帶寬參數(shù)，根據(jù)信號(hào)的局部特征動(dòng)態(tài)調(diào)整分析窗口的尺度； n：固有模態(tài)函數(shù)的總數(shù)，即經(jīng)驗(yàn)?zāi)B(tài)分解過程中分解出的信號(hào)分量數(shù)量； b三維振動(dòng)分析單元集成三軸MEMS加速度計(jì)與激光測振儀，構(gòu)建設(shè)備機(jī)械狀態(tài)的時(shí)頻空域特征矩陣，通過張量分解方法實(shí)現(xiàn)多源振動(dòng)信號(hào)的解耦： 其中，三階振動(dòng)張量，表示振動(dòng)信號(hào)的時(shí)頻-空域特征矩陣； NC：張量分解的秩，表示信號(hào)的主要成分?jǐn)?shù)量； ρr：第r個(gè)成分的權(quán)重，衡量第r個(gè)成分對(duì)整體振動(dòng)信號(hào)的貢獻(xiàn)程度； vr：空間模態(tài)向量，描述不同位置的振動(dòng)模式； br：頻率模態(tài)向量，表示振動(dòng)信號(hào)在不同頻率上的分布； cr：時(shí)間模態(tài)向量，反映振動(dòng)信號(hào)隨時(shí)間的變化趨勢； ο：表示外積，用于構(gòu)造張量； ε：殘差項(xiàng)，表示模型未能解釋的噪聲或誤差； c動(dòng)態(tài)紅外熱成像陣列采用可編程掃描策略，實(shí)現(xiàn)部件溫度場的亞像素級(jí)位移補(bǔ)償監(jiān)測，熱圖像序列的運(yùn)動(dòng)補(bǔ)償通過殘差注意力深度學(xué)習(xí)模型實(shí)現(xiàn)； 感知層還包含： d多物理場協(xié)同感知框架，根據(jù)環(huán)境干擾程度動(dòng)態(tài)調(diào)整傳感器激勵(lì)能量： 其中，Ebase：基礎(chǔ)激勵(lì)能量，在無干擾情況下的初始能量； α：調(diào)制深度，控制激勵(lì)能量的變化幅度，取值范圍0.1-0.6； fm：調(diào)制頻率，決定能量調(diào)制的周期； SNRt：當(dāng)前信噪比，表示環(huán)境噪聲對(duì)信號(hào)的影響程度； SNRtarget：目標(biāo)信噪比，用于引導(dǎo)能量調(diào)節(jié)，以維持較好的信號(hào)質(zhì)量； σ：調(diào)節(jié)參數(shù)，控制信噪比偏離目標(biāo)值時(shí)的衰減速率； e跨域特征互補(bǔ)增強(qiáng)機(jī)制，實(shí)現(xiàn)多物理場信息的互補(bǔ)增強(qiáng)： 其中， 第i個(gè)物理場的原始特征數(shù)據(jù)； Wij：物理場間的互補(bǔ)權(quán)重，衡量第i個(gè)物理場對(duì)第j個(gè)物理場的貢獻(xiàn)程度； Tij:特征變換函數(shù)，用于調(diào)整不同物理場的數(shù)據(jù)； f氣相特征自校正檢測技術(shù)，采用動(dòng)態(tài)基線校正與峰識(shí)別算法，實(shí)現(xiàn)ppb級(jí)氣體濃度變化檢測。

如需購買、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)人南京順?biāo)构鹊驴萍加邢薰?/a>，其通訊地址為：210000 江蘇省南京市雨花臺(tái)區(qū)軟件大道180號(hào)大數(shù)據(jù)7號(hào)樓202-1室；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)”。