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！

龙图腾网获悉上海凌泽信息科技有限公司申请的专利基于容错设计的物联网通信系统自动故障恢复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：CN118748642B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411027023.1，技术领域涉及：H04L41/147；该发明授权基于容错设计的物联网通信系统自动故障恢复方法是由刘豫湘;石兴设计研发完成，并于2024-07-29向国家知识产权局提交的专利申请。

本基于容错设计的物联网通信系统自动故障恢复方法在说明书摘要公布了：本发明公开了基于容错设计的物联网通信系统自动故障恢复方法，属于物联网技术领域，其具体包括：通过部署多类型建筑风险监测器构建多源数据监测网络，实时收集建筑状态数据，并利用物联网技术和加权平均方法进行数据融合；结合预设的阈值和异常检测算法，系统能够自动检测建筑中的异常和风险情况；基于从数据中提取的故障特征，使用强化学习算法构建故障预测模型；在故障隔离后，系统进行自适应自动修复，并生成修复建议；记录故障事件及其处理过程，通过大数据分析生成故障报告和改进建议，提高了故障检测的准确性和及时性。

本发明授权基于容错设计的物联网通信系统自动故障恢复方法在权利要求书中公布了：1.基于容错设计的物联网通信系统自动故障恢复方法，其特征在于，包括： 步骤S1：通过部署多类型建筑风险监测器构建多源数据监测网络，采集建筑状态数据，并进行数据融合，得到融合建筑状态数据； 步骤S2：从融合建筑状态数据中提取震动、倾斜、沉降的故障特征，基于历史数据、实时建筑状态数据和故障特征，使用强化学习算法构建和优化故障预测模型，并通过实时分析融合建筑状态数据，结合预设的阈值和异常检测算法，自动检测建筑状态数据中的异常和风险情况，当CPU检测到异常或故障时，结合故障预测模型，定位故障点，并将故障点进行隔离； 步骤S3：在故障隔离后，系统进行自适应的自动修复，并根据故障类型和修复情况，系统自动生成修复建议，若自动修复失败，则进行人工干预； 步骤S4：记录故障事件及其处理过程，定期生成故障报告和改进建议； 所述步骤S2的具体步骤包括： S2.1：获取融合建筑状态数据，使用TPCA算法对融合建筑状态数据进行特征提取，得到建筑状态特征数据其中，表示震动故障特征数据，表示倾斜故障特征数据，表示沉降故障特征数据，n、m、r分别表示震动、倾斜、沉降故障特征数据的数量； S2.2：获取历史建筑状态数据，并从历史建筑状态数据中提取故障模式、频率和趋势； S2.3：基于和历史建筑状态数据，使用强化学习算法构建故障预测模型； 所述步骤S2的具体步骤还包括： S2.4：根据实时建筑状态数据和故障预测模型的预测结果，使用改进的在线梯度下降算法实时调整故障预测模型参数； S2.5：使用改进的g-σ原则异常值检测算法对融合建筑状态数据进行分析，g-σ原则异常值检测算法的公式为： 其中，表示融合建筑状态数据，wj表示数据的权重，dmax表示异常值上限阈值，dmin表示异常值下限阈值，b表示融合建筑状态数据的数量，j表示融合建筑状态数据的位置索引，g表示正数； 所述步骤S2的具体步骤还包括： S2.6：若或则判定为建筑状态数据异常，并触发异常警报，当CPU检测到异常时，触发异常处理流程； S2.7：结合故障预测模型，分析CPU异常的建筑状态参数，通过数据分析和模型推理，定位故障点或风险区域，一旦故障点被定位，系统立即采取隔离措施将故障点进行隔离； 所述S2.3的具体步骤包括： S2.31：根据定义建筑系统的状态空间和建筑系统的动作空间，根据系统的状态变化和采取的动作设定奖励函数，并将进行训练集、测试集划分； S2.32：将故障预防成功作为奖励，故障发生作为惩罚，并初始化DQN的Q值网络和目标Q值网络，使用深度神经网络作为模型结构； S2.33：对于训练集中的每个状态，根据ε-greedy策略以ε的概率随机选择动作，以1-ε的概率选择具有最高Q值的动作，执行所选动作，并记录得到的奖励和下一个状态； 所述S2.3的具体步骤还包括： S2.34：将经验数据存入经验回放缓冲区，并从经验回放缓冲区中随机抽取一批经验数据，用于训练DQN模型；所述经验数据为状态、动作、奖励、下一个状态的四元组数据； S2.35：计算执行动作后的奖励加上下一个状态的最高Q值，并使用梯度下降算法更新Q值网络的权重，公式为： 其中，yk表示目标Q值，pk表示执行动作后在状态sk时获得的即时奖励，η表示折扣因子，μ表示环境的权重参数，Ucersk+1表示状态sk+1的不确定性函数，Qsk+1,ldz；θ表示在下一个状态sk+1下，根据目标Q值网络θ得到的Q值，ψ表示控制动作选择的熵的权重参数，Etroldz表示动作ldz的熵函数，sk+1表示执行动作后到达的下一个状态； 所述S2.3的具体步骤还包括： S2.36：每隔固定步数，使用Q值网络的权重更新目标Q值网络的权重，并评估DQN模型的性能； S2.37：使用训练好的DQN模型进行故障预测，根据预测结果采取对应的预防措施，根据实施预防措施后的实际运行效果，使用奖励函数反馈的信息调整故障预测策略； S2.38：对调整好的故障预测模型进行评估和优化。

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上海凌泽信息科技有限公司，其通讯地址为：201702 上海市青浦区徐泾镇诸光路1588弄绿地控股全球商品贸易港C座7楼704；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”。