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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江聯(lián)云智鼎信息科技有限公司申請的專利基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)采集方法、系統(tǒng)及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119135764B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25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?zhí)?專利號為：202411627187.8，技術(shù)領(lǐng)域涉及：H04L67/565；該發(fā)明授權(quán)基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)采集方法、系統(tǒng)及存儲介質(zhì)是由金恩曼;張海濤;安仁托;林受皿;朱金翠;范如彬;周和夢設(shè)計研發(fā)完成，并于2024-11-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)采集方法、系統(tǒng)及存儲介質(zhì)在說明書摘要公布了：本申請涉及數(shù)據(jù)采集領(lǐng)域，其具體地公開了一種基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)采集方法、系統(tǒng)及存儲介質(zhì)，其包括工業(yè)設(shè)備、設(shè)備接入模塊、協(xié)議轉(zhuǎn)換模塊、邊緣數(shù)據(jù)處理模塊和工業(yè)互聯(lián)網(wǎng)平臺，在對數(shù)據(jù)進(jìn)行預(yù)處理時，通過獲取當(dāng)前COV數(shù)據(jù)和COV數(shù)據(jù)的歷史數(shù)據(jù)集，并采用基于深度學(xué)習(xí)的數(shù)據(jù)分析技術(shù)對當(dāng)前COV數(shù)據(jù)進(jìn)行時序關(guān)聯(lián)分析，對COV數(shù)據(jù)的歷史數(shù)據(jù)集的進(jìn)行時序關(guān)聯(lián)提取和特征力場聚合，以此根據(jù)歷史COV時序關(guān)聯(lián)聚合特征和當(dāng)前COV數(shù)據(jù)時序關(guān)聯(lián)特征之間的語義差異度量值來自動地確定是否刪除所述當(dāng)前COV數(shù)據(jù)，能夠有效地識別當(dāng)前和歷史數(shù)據(jù)之間的模式和趨勢，從而提高了工業(yè)物聯(lián)網(wǎng)系統(tǒng)的整體性能和可靠性。

本發(fā)明授權(quán)基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)采集方法、系統(tǒng)及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種基于工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)采集系統(tǒng)，包括：工業(yè)設(shè)備、設(shè)備接入模塊、協(xié)議轉(zhuǎn)換模塊、邊緣數(shù)據(jù)處理模塊和工業(yè)互聯(lián)網(wǎng)平臺，其特征在于，所述設(shè)備接入模塊用于接入所述工業(yè)設(shè)備；所述協(xié)議轉(zhuǎn)換模塊用于將所述工業(yè)設(shè)備采集到的數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)化格式的COV數(shù)據(jù)；所述邊緣數(shù)據(jù)處理模塊用于對所述COV數(shù)據(jù)進(jìn)行預(yù)處理和存儲分析，并將分析后的所述COV數(shù)據(jù)傳輸至所述工業(yè)互聯(lián)網(wǎng)平臺；其中，所述邊緣數(shù)據(jù)處理模塊，包括：COV數(shù)據(jù)預(yù)處理單元，用于對所述COV數(shù)據(jù)進(jìn)行預(yù)處理以得到預(yù)處理后的COV數(shù)據(jù)；COV數(shù)據(jù)存儲分析單元，用于對所述預(yù)處理后的COV數(shù)據(jù)進(jìn)行存儲和分析以得到分析后的COV數(shù)據(jù)；COV數(shù)據(jù)傳輸單元，用于將所述分析后的COV數(shù)據(jù)通過無線通訊模塊傳輸至所述工業(yè)互聯(lián)網(wǎng)平臺；所述工業(yè)互聯(lián)網(wǎng)平臺用于對所述邊緣數(shù)據(jù)處理模塊上傳的數(shù)據(jù)進(jìn)行編號和分類；其中，所述COV數(shù)據(jù)預(yù)處理單元，包括：數(shù)據(jù)獲取子單元，用于獲取當(dāng)前COV數(shù)據(jù)，并獲取COV數(shù)據(jù)的歷史數(shù)據(jù)集；數(shù)據(jù)特征提取子單元，用于對所述當(dāng)前COV數(shù)據(jù)和所述COV數(shù)據(jù)的歷史數(shù)據(jù)集進(jìn)行時序特征提取以得到當(dāng)前COV時序關(guān)聯(lián)隱含特征和歷史COV時序關(guān)聯(lián)隱含特征的集合；歷史數(shù)據(jù)關(guān)聯(lián)聚合子單元，用于對所述歷史COV時序關(guān)聯(lián)隱含特征的集合進(jìn)行動態(tài)特征力場聚合以得到歷史COV時序關(guān)聯(lián)顯著聚合表示；數(shù)據(jù)刪除子單元，用于基于所述歷史COV時序關(guān)聯(lián)顯著聚合表示和所述當(dāng)前COV時序關(guān)聯(lián)隱含特征之間的語義差異度量值，確定是否刪除所述當(dāng)前COV數(shù)據(jù)；所述數(shù)據(jù)特征提取子單元，包括：當(dāng)前COV數(shù)據(jù)獲時序關(guān)聯(lián)二級子單元，用于從所述當(dāng)前COV數(shù)據(jù)提取當(dāng)前COV時序關(guān)聯(lián)隱含特征向量；歷史COV數(shù)據(jù)獲時序關(guān)聯(lián)二級子單元，用于對所述COV數(shù)據(jù)的歷史數(shù)據(jù)集中的各個COV數(shù)據(jù)進(jìn)行時序特征提取以得到歷史COV時序關(guān)聯(lián)隱含特征向量的集合；其中，所述當(dāng)前COV數(shù)據(jù)獲時序關(guān)聯(lián)二級子單元，用于使用基于RNN模型的時序提取器對所述當(dāng)前COV數(shù)據(jù)進(jìn)行處理以得到所述當(dāng)前COV時序關(guān)聯(lián)隱含特征向量；其中，所述歷史COV數(shù)據(jù)獲時序關(guān)聯(lián)二級子單元，用于使用所述基于RNN模型的時序提取器對所述COV數(shù)據(jù)的歷史數(shù)據(jù)集中的各個COV數(shù)據(jù)進(jìn)行處理以得到所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合；所述歷史數(shù)據(jù)關(guān)聯(lián)聚合子單元，包括：歷史COV數(shù)據(jù)靜態(tài)因子計算聚類二級子單元，用于計算所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合中的各個歷史COV時序關(guān)聯(lián)隱含特征向量的靜態(tài)能量因子以得到歷史COV靜態(tài)能量因子的集合，并基于所述歷史COV靜態(tài)能量因子的集合，得到歷史COV聚類初始中心向量；歷史COV數(shù)據(jù)能量力場聚合二級子單元，用于基于所述歷史COV靜態(tài)能量因子的集合和所述歷史COV聚類初始中心向量，對所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合進(jìn)行基于能量力場的特征聚合以得到所述歷史COV時序關(guān)聯(lián)顯著聚合表示；所述歷史COV數(shù)據(jù)靜態(tài)因子計算聚類二級子單元，包括：歷史COV數(shù)據(jù)靜態(tài)能量因子計算三級子單元，用于計算所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合中的各個歷史COV時序關(guān)聯(lián)隱含特征向量的靜態(tài)能量因子以得到所述歷史COV靜態(tài)能量因子的集合；歷史COV數(shù)據(jù)聚類三級子單元，用于挑選所述歷史COV靜態(tài)能量因子的集合中最大的歷史COV靜態(tài)能量因子對應(yīng)的歷史COV時序關(guān)聯(lián)隱含特征向量作為所述歷史COV聚類初始中心向量；所述歷史COV數(shù)據(jù)靜態(tài)能量因子計算三級子單元，用于：計算所述歷史COV時序關(guān)聯(lián)隱含特征向量的均值和方差以得到歷史COV時序均值和歷史COV時序方差；將所述歷史COV時序關(guān)聯(lián)隱含特征向量與所述歷史COV時序均值進(jìn)行按位置相減，并計算相減后特征向量的各個位置的四次方以得到歷史COV時序差分調(diào)制向量；計算所述歷史COV時序差分調(diào)制向量的期望值以得到歷史COV時序期望值；將所述歷史COV時序期望值與所述歷史COV時序方差的平方進(jìn)行相除，將相除得到的值輸入sigmoid函數(shù)以得到所述歷史COV靜態(tài)能量因子；所述歷史COV數(shù)據(jù)能量力場聚合二級子單元，包括：歷史COV數(shù)據(jù)時序動態(tài)聚合能量因子計算三級子單元，用于基于所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合中的各個歷史COV時序關(guān)聯(lián)隱含特征向量與所述歷史COV聚類初始中心向量之間的空間跨度以及所述各個歷史COV時序關(guān)聯(lián)隱含特征向量的靜態(tài)能量因子和所述歷史COV聚類初始中心向量的靜態(tài)能量因子，計算所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合中的各個歷史COV時序關(guān)聯(lián)隱含特征向量的動態(tài)聚合能量因子以得到歷史COV時序動態(tài)聚合能量因子的集合；歷史COV時序動態(tài)聚合能量因子門控掩碼三級子單元，用于將所述歷史COV時序動態(tài)聚合能量因子的集合輸入門控掩碼單元以得到歷史COV時序動態(tài)聚合權(quán)重因子的集合；歷史COV數(shù)據(jù)聚合三級子單元，用于以所述歷史COV時序動態(tài)聚合權(quán)重因子的集合來計算所述歷史COV時序關(guān)聯(lián)隱含特征向量的集合的加權(quán)和以得到歷史COV時序關(guān)聯(lián)顯著聚合表示向量作為所述歷史COV時序關(guān)聯(lián)顯著聚合表示；所述歷史COV數(shù)據(jù)時序動態(tài)聚合能量因子計算三級子單元，用于：將所述歷史COV時序關(guān)聯(lián)隱含特征向量的靜態(tài)能量因子和所述歷史COV聚類初始中心向量的靜態(tài)能量因子與第一加權(quán)參數(shù)進(jìn)行相乘以得到第一歷史COV時序動態(tài)聚合能量因子；將所述歷史COV時序關(guān)聯(lián)隱含特征向量與所述歷史COV聚類初始中心向量之間的空間跨度的平方與第二加權(quán)參數(shù)進(jìn)行相乘以得到第二歷史COV時序動態(tài)聚合能量因子；將所述第一歷史COV時序動態(tài)聚合能量因子除以所述第二歷史COV時序動態(tài)聚合能量因子以得到所述歷史COV時序動態(tài)聚合能量因子。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江聯(lián)云智鼎信息科技有限公司，其通訊地址為：325000 浙江省溫州市鹿城區(qū)南郊街道洛河路12號中關(guān)村信息谷·溫州創(chuàng)新中心2號樓5層504、505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)”。