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！

龙图腾网获悉深圳英博达智能科技有限公司申请的专利一种故障预测方法、装置、设备及可读存储介质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：CN116125936B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202211401513.4，技术领域涉及：G05B23/02；该发明授权一种故障预测方法、装置、设备及可读存储介质是由张文斌;许敬宇;张景辉;张璟博设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本一种故障预测方法、装置、设备及可读存储介质在说明书摘要公布了：本发明公开了一种故障预测方法、装置、设备及可读存储介质，属于智能制造领域。其中方法包括：获取制造设备在工作过程中的历史数据；构建特征池；提取历史数据的数据特征放入至相应的子特征池；构建深度故障预测神经网络；构建特征融合神经网络，深度故障预测神经网络的输出连接至特征融合神经网络；比对预测结果与历史数据中的故障信息，对预测结果进行评价；平衡将正常预测为故障类结果与将故障预测为正常类结果两类结果分别付出的代价，对温度特征、耗电特征和产能特征的权重进行修正；实时获取制造设备的运行数据；将制造设备的运行数据实时输入至神经网络，输出实时预测结果；在预测结果为存在故障时情况下，发出警报。

本发明授权一种故障预测方法、装置、设备及可读存储介质在权利要求书中公布了：1.一种基于智能制造过程数据的故障预测方法，其特征在于，包括： S101：获取制造设备在工作过程中的历史数据，其中，所述历史数据包括故障信息、温度数据、耗电数据和产能数据； S102：构建特征池，所述特征池包括温度子特征池、耗电子特征池和产能子特征池； S103：提取所述历史数据的数据特征放入至相应的子特征池，其中，所述数据特征包括温度特征、耗电特征和产能特征； S104：构建深度故障预测神经网络，其中，所述深度故障预测神经网络包括温度神经网络、耗电神经网络和产能神经网络，所述温度子特征池连接所述温度神经网络，所述耗电子特征池连接所述耗电神经网络，所述产能子特征池连接产能神经网络； S105：构建特征融合神经网络，所述深度故障预测神经网络的输出连接至所述特征融合神经网络，以在数据特征与预测结果之间建立映射关系，并通过所述特征融合神经网络输出所述预测结果，其中，所述温度特征、所述耗电特征和所述产能特征在特征融合过程中具有相应的权重，所述权重用于表征相应的特征对于所述预测结果的贡献率； S106：比对所述预测结果与所述历史数据中的故障信息，对所述预测结果进行评价，其中，对所述预测结果的评价结果包括：将正常预测为故障类结果、将故障预测为正常类结果、将正常预测为正常类结果、将故障预测为故障类结果； S107：平衡所述将正常预测为故障类结果与所述将故障预测为正常类结果两类结果分别付出的代价，对所述温度特征、所述耗电特征和所述产能特征的权重进行修正； S108：实时获取所述制造设备的运行数据； S109：将所述制造设备的运行数据实时输入至所述深度故障预测神经网络，并通过所述特征融合神经网络输出对于所述制造设备的实时预测结果； S110：在对于所述制造设备的实时预测结果为存在故障时情况下，发出警报； 所述S105具体包括： S1051：令所述温度特征的权重为α，所述耗电特征的权重为β，所述产能特征的权重为γ，温度特征的特征值为x1，耗电特征的特征值为x2，产能特征的特征值为x3，则故障预警值y为： y＝α·x1+β·x2+γ·x3公式1； S1052：在所述故障预警值大于预设值的情况下，判定所述制造设备存在故障； S1053：在所述故障预警值小于或者等于所述预设值的情况下，判定所述制造设备正常； 所述S107具体包括： S1071：令所述将正常预测为正常类结果的次数为TX，所述将正常预测为故障类结果的次数为FY，所述将故障预测为故障类结果的次数为TY，所述将故障预测为正常类结果的次数为FX，则正常样本被预测错误的比例FYrate和故障样本被预测正确的比例FXrate为： S1072：令所述将正常预测为故障类结果付出的代价为p，所述将故障预测为正常类结果两类结果付出的代价为q，对所述温度特征、所述耗电特征和所述产能特征的权重进行修正，以使： 其中，所述将正常预测为故障类结果付出的代价和所述将故障预测为正常类结果的代价通过损失金额或者停工时间进行量化。

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深圳英博达智能科技有限公司，其通讯地址为：518057 广东省深圳市龙华区民治街道上芬社区建设路大为商务时空C座201；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”。

以上内容由龙图腾AI智能生成。