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

龍圖騰網(wǎng)恭喜山東實(shí)強(qiáng)智能科技有限公司申請(qǐng)的專(zhuān)利一種基于工業(yè)互聯(lián)網(wǎng)的控制分析方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)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：CN118011890B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-15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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202410012263.8，技術(shù)領(lǐng)域涉及：G05B19/042；該發(fā)明授權(quán)一種基于工業(yè)互聯(lián)網(wǎng)的控制分析方法是由劉曉宇設(shè)計(jì)研發(fā)完成，并于2024-01-04向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于工業(yè)互聯(lián)網(wǎng)的控制分析方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于工業(yè)互聯(lián)網(wǎng)的控制分析系統(tǒng)，該系統(tǒng)的運(yùn)行方法包括：進(jìn)行工業(yè)互聯(lián)網(wǎng)旋轉(zhuǎn)機(jī)械模型的構(gòu)建管理；對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行工業(yè)互聯(lián)網(wǎng)的檢測(cè)預(yù)警及聚類(lèi)控制；進(jìn)一步對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行工業(yè)互聯(lián)網(wǎng)的分析控制管理；進(jìn)行旋轉(zhuǎn)機(jī)械的日志管理及預(yù)警統(tǒng)計(jì)。所述進(jìn)行工業(yè)互聯(lián)網(wǎng)旋轉(zhuǎn)機(jī)械模型的構(gòu)建管理包括：將工業(yè)互聯(lián)網(wǎng)旋轉(zhuǎn)機(jī)械的原始振動(dòng)信號(hào)從時(shí)域轉(zhuǎn)換到頻域，使用傅里葉變換將其表示為頻域信號(hào)，并將其作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)使用編碼器進(jìn)行逐層提取特征，從而降低數(shù)據(jù)特征的維度，并通過(guò)深度自編碼器把高維的數(shù)據(jù)映射到低維的特征空間，從而構(gòu)建深度自編碼的預(yù)測(cè)模型。本發(fā)明，具有準(zhǔn)確性高及智能分析處理的特點(diǎn)。

本發(fā)明授權(quán)一種基于工業(yè)互聯(lián)網(wǎng)的控制分析方法在權(quán)利要求書(shū)中公布了：1.一種基于工業(yè)互聯(lián)網(wǎng)的控制分析方法，其特征在于：包括：進(jìn)行工業(yè)互聯(lián)網(wǎng)旋轉(zhuǎn)機(jī)械模型的構(gòu)建管理；對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行工業(yè)互聯(lián)網(wǎng)的檢測(cè)預(yù)警及聚類(lèi)控制；進(jìn)一步對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行工業(yè)互聯(lián)網(wǎng)的分析控制管理；進(jìn)行旋轉(zhuǎn)機(jī)械的日志管理及預(yù)警統(tǒng)計(jì)；所述進(jìn)行工業(yè)互聯(lián)網(wǎng)旋轉(zhuǎn)機(jī)械模型的構(gòu)建管理包括：將工業(yè)互聯(lián)網(wǎng)旋轉(zhuǎn)機(jī)械的原始振動(dòng)信號(hào)從時(shí)域轉(zhuǎn)換到頻域，使用傅里葉變換將其表示為頻域信號(hào)，并將其作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)使用編碼器進(jìn)行逐層提取特征，從而降低數(shù)據(jù)特征的維度，并通過(guò)深度自編碼器把高維的數(shù)據(jù)映射到低維的特征空間，從而構(gòu)建深度自編碼的預(yù)測(cè)模型；該步驟中，獲取機(jī)械信號(hào)的頻域表示即頻譜，并將其作為訓(xùn)練樣本，然后，采用歸一化將樣本數(shù)據(jù)轉(zhuǎn)換為[0，1]范圍內(nèi)的值，按照特定比例對(duì)數(shù)據(jù)集進(jìn)行劃分，獲得模型的訓(xùn)練集和測(cè)試集，并采用無(wú)監(jiān)督的學(xué)習(xí)方法逐層訓(xùn)深度自編碼器，從而獲取深度神經(jīng)網(wǎng)絡(luò)隱藏層的層數(shù)，對(duì)于每一個(gè)深度自編碼器，將其隱藏層的輸出作為下一層深度自編碼器的輸入，完成對(duì)應(yīng)的深度自編碼預(yù)測(cè)模型的構(gòu)建，有效提升后續(xù)的分析管理準(zhǔn)確度與處理效率，避免誤差的產(chǎn)生；所述對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行工業(yè)互聯(lián)網(wǎng)的檢測(cè)預(yù)警及聚類(lèi)控制包括：完成深度自編碼預(yù)測(cè)模型的構(gòu)建后，對(duì)旋轉(zhuǎn)機(jī)械設(shè)備部件在正常工作狀態(tài)下的振動(dòng)信號(hào)，進(jìn)行標(biāo)準(zhǔn)化處理得到采樣數(shù)據(jù)后，將其代入深度自編碼預(yù)測(cè)模型進(jìn)行檢測(cè)預(yù)警處理；該步驟中，將樣本輸入至深度自編碼預(yù)測(cè)模型，得到樣本的重構(gòu)誤差向量，通過(guò)自適應(yīng)閾值算法確定自適應(yīng)閾值，在獲取旋轉(zhuǎn)機(jī)械設(shè)備振動(dòng)信號(hào)后，對(duì)其進(jìn)行快速傅里葉變換處理，并對(duì)結(jié)果進(jìn)行歸一化處理，以獲得對(duì)應(yīng)數(shù)據(jù)后，將其輸入至深度自編碼預(yù)測(cè)模型，得到相應(yīng)的重構(gòu)誤差，并將其設(shè)定的閾值范圍進(jìn)行對(duì)比，如果不符合設(shè)定的閾值范圍，則立即進(jìn)行預(yù)警通知，有效提升旋轉(zhuǎn)機(jī)械設(shè)備的運(yùn)行準(zhǔn)確度與分析處理效率；通過(guò)層次聚類(lèi)方法對(duì)旋轉(zhuǎn)機(jī)械數(shù)據(jù)信息進(jìn)行處理，使其能夠直觀地呈現(xiàn)數(shù)據(jù)對(duì)象之間的相似性和距離關(guān)系；該步驟中，按照層級(jí)結(jié)構(gòu)對(duì)旋轉(zhuǎn)機(jī)械數(shù)據(jù)對(duì)象進(jìn)行聚類(lèi)處理，根據(jù)數(shù)據(jù)對(duì)象之間的相似度或距離來(lái)構(gòu)建一顆樹(shù)形結(jié)構(gòu)，其中頂端為單一的聚類(lèi)，底部為單獨(dú)的數(shù)據(jù)點(diǎn)，以每個(gè)數(shù)據(jù)點(diǎn)作為單獨(dú)類(lèi)別，然后逐漸合并這些類(lèi)別，直到達(dá)到預(yù)設(shè)的聚類(lèi)個(gè)數(shù)或者達(dá)到合并闕值，有效減少需要分析處理的數(shù)據(jù)量，極大程度的節(jié)約分析處理資源；所述進(jìn)一步對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行工業(yè)互聯(lián)網(wǎng)的分析控制管理包括：采用多尺度方法對(duì)旋轉(zhuǎn)機(jī)械數(shù)據(jù)信息進(jìn)行處理，將其分為設(shè)定數(shù)量的子集，并對(duì)每個(gè)子集進(jìn)行獨(dú)立的分析；該步驟中，通過(guò)多尺度處理，可以幫助識(shí)別出不同旋轉(zhuǎn)機(jī)械設(shè)備的特征，并利用多個(gè)尺度下得到的特征信息，可以更好地定位和識(shí)別目標(biāo)旋轉(zhuǎn)機(jī)械設(shè)備，同時(shí)通過(guò)對(duì)不同時(shí)間和空間尺度下的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)進(jìn)行分析和處理來(lái)提高分析處理性能，在故障診斷中，小波變換可以將旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分解為不同頻率范圍內(nèi)的子帶，并且每個(gè)子帶都具有相應(yīng)的時(shí)間和空間尺度，可有效地捕獲信號(hào)中存在的局部特征，提升旋轉(zhuǎn)機(jī)械設(shè)備檢測(cè)分析的高效性與準(zhǔn)確性；進(jìn)一步對(duì)旋轉(zhuǎn)機(jī)械數(shù)據(jù)信息進(jìn)行重構(gòu)數(shù)據(jù)格式控制，按照設(shè)定的規(guī)則和結(jié)構(gòu)重新組織和存儲(chǔ)，使其更加規(guī)范化、易于處理和分析，更加便于旋轉(zhuǎn)機(jī)械數(shù)據(jù)的可視化展示和呈現(xiàn)，從而更加直觀和易于理解；該步驟中，通過(guò)重構(gòu)數(shù)據(jù)格式可以將旋轉(zhuǎn)機(jī)械數(shù)據(jù)按照設(shè)定的結(jié)構(gòu)和規(guī)則組織和存儲(chǔ)，使其更加規(guī)范化和易于理解和使用，從而提高數(shù)據(jù)的可擴(kuò)展性和可重用性，可以減少數(shù)據(jù)冗余，提高數(shù)據(jù)的質(zhì)量，以增強(qiáng)數(shù)據(jù)的準(zhǔn)確性和一致性；從旋轉(zhuǎn)機(jī)械數(shù)據(jù)中識(shí)別選擇出符合隱私設(shè)定的敏感特征后，使用自適應(yīng)層次聚類(lèi)方法對(duì)其進(jìn)行聚類(lèi)，并通過(guò)計(jì)算類(lèi)內(nèi)和類(lèi)間距離來(lái)確定最佳特征數(shù)后，進(jìn)行脫敏控制處理；該步驟中，對(duì)選定的敏感特征進(jìn)行規(guī)范化處理，生成規(guī)范化特征集合，并使用自適應(yīng)層次聚類(lèi)方法對(duì)其進(jìn)行聚類(lèi)，可使旋轉(zhuǎn)機(jī)械數(shù)據(jù)的脫敏處理更加高效、準(zhǔn)確，避免誤差的產(chǎn)生。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人山東實(shí)強(qiáng)智能科技有限公司，其通訊地址為：271000 山東省泰安市岱岳區(qū)天平街道泰山大街與晶華路交叉口西168米路南；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)”。