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！

龙图腾网获悉天津大学申请的专利一种边云协同设备多工况异常模式识别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：CN119830176B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411894650.5，技术领域涉及：G06F18/2433；该发明授权一种边云协同设备多工况异常模式识别方法是由王磊;田珈汉;李全富;马剑;张元戎设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种边云协同设备多工况异常模式识别方法在说明书摘要公布了：本发明提供一种边云协同设备多工况异常模式识别方法，包括以下步骤：复杂制造系统设备传感器部署与多模态加工数据采集：设备时序数据的预处理：在边缘侧对从各传感器收集到的多模态加工数据进行清洗、标准化以及特征工程；边缘侧模型的搭建和更新：在边缘侧，采用改进的OPTICS算法，对预处理后的设备时序数据进行聚类，利用标签数据识别聚类得到的整个簇中的其他数据，更新边缘侧数据库；将步骤二经过边缘侧预处理后的设备时序数据上传到云端，在云端部署迁移学习模型；利用边云协同实现对复杂制造系统异常模式的精准识别。

本发明授权一种边云协同设备多工况异常模式识别方法在权利要求书中公布了：1.一种边云协同设备多工况异常模式识别方法，包括以下步骤： 步骤一，复杂制造系统设备传感器部署与多模态加工数据采集： 步骤二，设备时序数据的预处理：在边缘侧对从各传感器收集到的多模态加工数据进行清洗、标准化以及特征工程，所述特征工程为：采用特征构造和多维度特征融合的方法，通过自动编码器将多个包含设备状态特征的时序信号进行融合，提取故障信号特征； 步骤三，边缘侧模型的搭建和更新：在边缘侧，采用改进的OPTICS算法，对预处理后的设备时序数据进行聚类，利用标签数据识别聚类得到的整个簇中的其他数据，更新边缘侧数据库；其中，改进的OPTICS算法为：改进局部密度计算方式，基于数据点的k近邻平均距离的倒数计算局部密度；密度阈值自适应调整，根据数据点局部密度的均值和标准差确定密度阈值；基于密度峰值的簇中心确定，将局部密度大于密度阈值的数据点作为簇中心；簇的合并操作，计算簇中心之间的距离矩阵，当满足簇中心距离小于预设距离阈值且局部密度差异在一定范围内时进行簇合并操作； 步骤四，将步骤二经过边缘侧预处理后的设备时序数据上传到云端，在云端部署迁移学习模型，利用预训练网络RestNeXt对预处理后的设备时序数据进行特征提取； 步骤五，利用边云协同实现对复杂制造系统异常模式的识别，方法如下： 1利用云端存储的历史工况数据进行联合训练，识别运行状态数据的状态； 2利用基于DANN的迁移识别架构对运行状态数据的模式进行识别：利用ResNeXt预训练网络对历史工况数据和运行状态数据进一步进行特征提取；初始化DANN网络，利用进一步提取的特征数据，采用对比损失联合训练的方式对DANN网络进行训练，同时利用反向传播的方法进行参数更新； 4利用训练好的DANN网络对运行状态数据进行模式识别，并对识别的结果进行评价； 5在识别有足够的标签数据后，将标签下发到边缘侧数据库，用于边缘侧数据库的更新。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。

以上内容由龙图腾AI智能生成。