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！

龙图腾网获悉纬创软件(武汉)有限公司申请的专利一种基于大数据的智能制造监测方法及系统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：CN118859800B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202410913729.1，技术领域涉及：G05B19/042；该发明授权一种基于大数据的智能制造监测方法及系统是由周烈华;李贝;周雯;周继中设计研发完成，并于2024-07-09向国家知识产权局提交的专利申请。

本一种基于大数据的智能制造监测方法及系统在说明书摘要公布了：本发明涉及智能制造技术领域，提出了一种基于大数据的智能制造监测方法及系统，包括：通过传感器网络实时采集智能制造产线的原始多维监测数据集；对原始多维监测数据集进行实时清洗、去噪和标准化处理，得到第一多维监测数据集；对第一多维监测数据集进行多模态数据融合，得到第二多维监测数据集；对第二多维监测数据集使用滑动窗口技术和快速傅里叶变换，提取第二多维监测数据集的监测时域特征和监测频域特征；构建实时异常监测模型和极端异常检测模型，基于实时异常监测模型对监测时域特征和监测频域特征进行识别，得到第二多维监测数据集的异常程度评级和极端异常评级；实时输出异常程度评级和极端异常评级，根据异常程度评级和极端异常评级进行预警。通过分层次的异常检测，综合异常程度评级和极端异常评级对智能制造产线数据实时进行预警评级。

本发明授权一种基于大数据的智能制造监测方法及系统在权利要求书中公布了：1.一种基于大数据的智能制造监测方法，其特征在于，包括以下步骤： S1，通过传感器网络实时采集智能制造产线的原始多维监测数据集； S2，对所述原始多维监测数据集进行实时清洗、去噪和标准化处理，得到第一多维监测数据集； S3，对第一多维监测数据集进行多模态数据融合，得到第二多维监测数据集； S4，对所述第二多维监测数据集使用滑动窗口技术和快速傅里叶变换，提取所述第二多维监测数据集的监测时域特征和监测频域特征； S5，构建实时异常监测模型和极端异常检测模型，基于实时异常监测模型对所述监测时域特征和监测频域特征进行识别，得到所述第二多维监测数据集的异常程度评级，当所述异常程度评级超过异常检测阈值时，通过极端异常检测模型对所述监测时域特征和监测频域特征进行识别，得到所述第二多维监测数据集的极端异常评级； 步骤S5包括： S51，获取历史监测数据，将所述历史监测数据按7：3划分为训练集和测试集； S52，基于随机森林模型构建初始实时异常监测模型，通过训练集对所述初始实时异常监测模型进行迭代训练，得到训练后的初始实时异常监测模型，通过测试集对训练后的初始实时异常监测模型进行评估，评估通过时，得到实时异常监测模型，评估未通过时，对模型再次进行迭代训练直至评估通过； S53，基于决策树算法构建初始极端异常检测模型，对训练集中的极端异常样本附加类别权重得到极端样本训练集，通过极端样本训练集对所述初始极端异常检测模型进行迭代训练，得到训练后的初始极端异常检测模型，通过测试集对训练后的初始极端异常检测模型进行评估，评估通过时，得到极端异常检测模型，评估未通过时，对模型再次进行迭代训练直至评估通过； S54，基于实时异常监测模型对所述监测时域特征和监测频域特征进行识别，得到所述第二多维监测数据集的异常程度评级，当所述异常程度评级超过异常检测阈值时，通过极端异常检测模型对所述监测时域特征和监测频域特征进行识别，得到所述第二多维监测数据集的极端异常评级； 步骤S54包括： 基于实时异常监测模型对所述监测时域特征和监测频域特征进行识别，得到所述第二多维监测数据集的异常程度评级Q，当Q超过异常检测阈值Q y 时，通过极端异常检测模型对所述监测时域特征和监测频域特征进行识别，得到所述第二多维监测数据集的极端异常评级V： ； ； 其中，为第二多维监测数据集的监测时域特征和监测频域特征，为X 1的第d个样本不为极端异常值的概率，D为X 1的样本数； 基于所述极端异常评级V实时更新异常检测阈值Q y ； S6，实时输出所述异常程度评级和所述极端异常评级，根据所述异常程度评级和所述极端异常评级进行预警。

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纬创软件(武汉)有限公司，其通讯地址为：430000 湖北省武汉市东湖新技术开发区花城大道8号武汉软件新城三期一组团C21幢；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”。