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！

龙图腾网获悉中国计量大学申请的专利基于动态图结构嵌入模型的机电设备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：CN119003706B 。

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：202411480204.X，技术领域涉及：G06F16/3331；该发明授权基于动态图结构嵌入模型的机电设备故障预测方法是由陆佳炜;陈晗远;王琪冰;肖刚;陈坚伟;张远辉;李琛设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本基于动态图结构嵌入模型的机电设备故障预测方法在说明书摘要公布了：一种基于动态图结构嵌入模型的机电设备故障预测方法，属于机电设备故障预测、知识图谱故障预测领域，首先通过本体构建方法实现机电设备的并行结构信息建模并从结构化数据与非结构化数据中抽取四元组构建机电设备时序知识图谱；其次，学习用于节点分类的信息表示，并为每个相关的节点生成特征向量；然后从向量序列中捕获机电设备运行的时间演化信息；最后输出所需时间段的隐藏状态向量实现机电设备时序知识图谱的预测。本发明的方法专门针对机电设备的异构数据构建时序知识图谱进行推理，实现故障预测。

本发明授权基于动态图结构嵌入模型的机电设备故障预测方法在权利要求书中公布了：1.一种基于动态图结构嵌入模型的机电设备故障预测方法，其特征在于，所述方法包括以下步骤： 第一步、构建机电设备时序知识图谱，即通过本体构建方法实现机电设备的并行结构信息建模，并从结构化数据与非结构化数据中抽取四元组构建机电设备时序知识图谱，机电设备数据的实体、关系与时间形成四元组； 第二步、使用动态图卷积嵌入模型实现机电设备运维时序知识图谱的动态嵌入，过程如下： 步骤（2.1）使用动态图卷积模型获取在查询时间的知识图谱的尾实体嵌入向量； 步骤（2.2）使用步骤（2.1）中的动态图卷积模型获得在查询时间的知识图谱的头实体嵌入向量； 第三步、通过分数函数获取故障预测最优结果，过程如下： 步骤（3.1）使用分数函数计算候选实体伴随的所有四元组的分数； 步骤（3.2）计算预测结果的排名作为模型效果对比的判断依据； 步骤（3.3）选择得分最高的对象作为模型的故障预测结果； 所述步骤（2.1）中，使用动态图卷积模型获取在查询时间的知识图谱的尾实体嵌入向量，过程为： 步骤（2.1.1）尾实体基于传统图卷积模型的嵌入， ； 其中，为邻接矩阵，为t时刻尾实体在k+1层的隐状态向量，是t时刻子图中与尾实体通过关系r相连的头实体的集合，即，为归一化常数，表示在k层的头实体的隐状态向量，为k层时的对角关系权重矩阵，代表初始状态嵌入的隐状态向量，激活函数采用ReLU,为可训练的参数矩阵； 步骤（2.1.2）基于神经常微分方程对传统图卷积模型进行改进； 所述步骤（2.2）中，使用步骤（2.1）中的动态图卷积模型获得在查询时间的知识图谱的头实体嵌入向量； 所述步骤（2.1.2）的过程如下： 步骤（2.1.2.1）将传统图卷积的传播深度k分解为积分时间和步长的组合，即，通过增加可变的积分步长dt实现图卷积的神经常微分方程表示， ； 其中，为尾实体在t时刻的隐状态向量为尾实体的初始状态嵌入的隐状态向量，为头实体在0到时刻的隐状态向量，为对角关系权重矩阵； 步骤（2.1.2.2）使用泰勒展开将常微分方程表示改为微分方程形式， ； 其中，为头实体在t时刻的隐状态向量，泰勒展开将函数在某点附近用多项式逼近，用于近似复杂函数在微分方程中的解，为单位矩阵； 步骤（2.1.2.3）令，用一组参数Θ来表征整个连续时间聚合过程，并通过求和获得完整的尾实体嵌入向量， ； 其中，为黑盒ODE求解器，用于求解神经常微分方程； 所述步骤（3.1）中，使用分数函数计算候选实体伴随的所有四元组的分数， ； 其中，为查询时间，代表转置，为候选实体集合，并且； 所述步骤（3.2）中，计算预测结果的排名作为模型效果对比的判断依据， ； 所述步骤（3.3）中，选择得分最高的对象作为模型的故障预测结果， ； 其中，argmax表示找到使最大的，为最终预测的故障实体。

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中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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”。