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！

龙图腾网获悉山东第一医科大学附属省立医院(山东省立医院)申请的专利基于人工智能的手术机器人质量控制与故障预测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：CN120183644B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510652858.4，技术领域涉及：G16H40/40；该发明授权基于人工智能的手术机器人质量控制与故障预测方法是由杨宪章;王丽芬;孙欣设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本基于人工智能的手术机器人质量控制与故障预测方法在说明书摘要公布了：本发明涉及人工智能与数据处理技术领域，具体涉及一种基于人工智能的手术机器人质量控制与故障预测方法，具体如下：通过传感器采集手术机器人的数据，对采集的数据进行人工标注，形成样本数据集；对样本数据集进行多尺度归一化处理；采用卷积神经网络构建手术机器人的故障预测模型，将归一化后的数据输入模型中进行训练，得到训练好的故障预测模型；将采集的新的数据经预处理后输入至训练好的故障预测模型中，故障预测模型输出输入数据对应的故障类别预测结果；构建三维质量控制矩阵，三维质量控制矩阵基于故障预测模型输出的类别预测结果触发对应的自动校准程序。本发明可以精准捕捉手术机器人故障特征，提高故障预测的准确性和模型的泛化能力。

本发明授权基于人工智能的手术机器人质量控制与故障预测方法在权利要求书中公布了：1.一种基于人工智能的手术机器人质量控制与故障预测方法，其特征是，包括以下步骤： S1、数据采集：通过安装在手术机器人上的传感器，采集手术机器人的振动信号数据和操作反馈数据，同时由边缘采集设备同步记录手术机器人的操作状态，并结合手术日志和专家建议对采集的数据进行人工标注，然后将采集的数据统一为固定长度的时间窗口样本数据，最终形成带有标签的样本数据集； S2、数据预处理：对样本数据集中的数据进行多尺度归一化处理，具体采用基于频段能量分布的归一化方法，同时结合小波分解对数据进行多尺度能量均衡，得到归一化处理后的样本数据； S2具体如下：对样本数据集中的数据进行归一化处理，样本数据集中的数据为具有高频噪声、非平稳性和时变幅值特性的振动信号，采用基于频段能量分布的归一化方法，同时结合小波分解对振动信号进行多尺度能量均衡，具体通过小波分解将输入的振动信号分解为不同频段的子带系数，计算各层小波系数的能量均值和标准差，对每层小波系数进行归一化后，再通过可学习的缩放参数和偏移参数动态调整归一化后的系数分布，最终得到归一化处理后的样本数据； S3、构建故障预测模型并进行训练：采用卷积神经网络构建手术机器人的故障预测模型，将归一化处理后的样本数据输入至故障预测模型中进行训练，预先设置迭代训练次数，最终得到训练好的故障预测模型； 故障预测模型的训练过程包括：构建卷积神经网络、通过时序特征增强模块进行特征提取、通过动态稀疏自注意力机制进行注意力增强、通过残差自适应频率调制模块进行特征提取、进行特征融合与对齐操作、进行多粒度时间池化操作、进行故障感知损失函数计算、进行神经网络的参数更新； 构建卷积神经网络具体如下：卷积神经网络结构具体采用层级化架构设计，输入层接收多尺度归一化后的振动信号，依次连接时序特征增强模块、动态稀疏自注意力层、残差自适应频率调制模块、特征融合层、全连接层； 时序特征增强模块通过双路径结构分离并增强稳态与瞬态特征；动态稀疏自注意力层采用门控机制聚焦故障活跃时段；残差自适应频率调制模块通过可调滤波器进行频带自适应聚焦；特征融合层整合输入的振动信号与滤波特征后，再经多粒度池化提取跨尺度统计特征，最终通过全连接层输出故障概率分布； 通过时序特征增强模块进行特征提取具体如下：采用时序特征增强模块，通过双路径结构分离信号稳态和瞬态成分，然后通过卷积操作从稳态成分中提取长期趋势，通过小波变换捕捉瞬态成分中的局部突变； 具体通过低通滤波卷积提取稳态成分，将输入的振动信号减去稳态成分得到瞬态残差，再对稳态成分进行高通滤波增强，同时利用离散小波变换提取瞬态成分的时频特征，最后将两路径特征沿通道维度拼接； 通过动态稀疏自注意力机制进行注意力增强具体如下：在动态稀疏自注意力机制模块引入结合动态稀疏门控，通过动态稀疏门控对注意力得分矩阵按行排序，仅保留Top-k显著关联，具体保留每行前n个最大值，其余置零，其中n初始为1并随训练轮次线性增长至预设上限k，由此逐步扩大感受野； 通过残差自适应频率调制模块进行特征提取具体如下：利用残差自适应频率调制模块在残差连接中嵌入可调频带滤波器，使网络自适应聚焦故障敏感频段，通过残差路径的卷积提取基础频段特征，利用多层感知机动态生成频带调制因子，自适应调整带通滤波器的中心频率，聚焦故障相关频段； S4、将采集的新的数据经过预处理后输入至训练好的手术机器人的故障预测模型中，故障预测模型输出输入数据对应的故障类别预测结果； S5、构建三维质量控制矩阵，包括实时决策监控维度、维护决策维度和过程优化维度，三维质量控制矩阵基于故障预测模型输出的类别预测结果触发对应的自动校准程序。

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山东第一医科大学附属省立医院(山东省立医院)，其通讯地址为：250000 山东省济南市槐荫区经五纬七路324号；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”。