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！

龙图腾网获悉山东海润数聚科技有限公司申请的专利一种基于物联网技术的建筑施工安全监控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：CN120931107B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511473982.0，技术领域涉及：G06Q10/0635；该发明授权一种基于物联网技术的建筑施工安全监控系统是由周丰;路高伟;任文涛;刘智鹏;张继娜;张译镭;张有磊;庞梦姣设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种基于物联网技术的建筑施工安全监控系统在说明书摘要公布了：本发明公开了一种基于物联网技术的建筑施工安全监控系统，包括如下步骤：通过采集施工人员、设备与环境的多类数据，构建统一的数据序列，并利用增量主成分分析方法提取特征信息，系统进一步采用椭圆包络线算法，在多个局部特征空间中建立异常判别模型，实现对异常行为的识别，系统集成噪声抑制处理与动态参数更新机制，提升监控准确性与自适应能力，结合施工现场人员、设备与环境的状态，系统生成对应的风险等级及预警控制指令，实现实时风险识别与响应联动，提高施工现场安全保障水平。本发明具备多源数据融合、边界自适应更新与风险响应联动等关键特征，实现对施工现场风险的智能监控与动态干预。

本发明授权一种基于物联网技术的建筑施工安全监控系统在权利要求书中公布了：1.一种基于物联网技术的建筑施工安全监控系统，其特征在于，包括如下模块： 数据采集模块，用于采集施工人员行为数据、施工设备运行数据与环境监测数据，并进行预处理，生成多维原始数据序列； 特征提取模块，用于接收多维原始数据序列，通过增量主成分分析方法提取主成分特征，并动态输出当前周期的低维特征向量及特征空间状态； 提取多维原始数据序列中与施工人员行为数据、施工设备运行数据及环境监测数据对应的关键特征字段，并构建结构统一的数据样本集合； 对数据样本集合执行时间序列划分操作，依据设定的时间窗口大小与滑动步长将其分段，生成当前时间窗口的多维原始数据子序列； 对当前时间窗口的多维原始数据子序列，初始化特征提取模块中的累计样本数量参数、特征字段均值向量与主成分方向向量集合，构建初始特征空间状态； 在接收到当前时间窗口的多维原始数据子序列后，更新累计样本数量参数，并基于多维原始数据子序列与当前特征字段均值向量之间的差异，计算偏移量并修正特征字段均值向量； 利用偏移量与当前主成分方向向量集合之间的关系，应用增量主成分分析方法对主成分方向向量集合进行递推更新，并执行正交性与单位性保持操作，形成当前周期的主成分空间； 将当前时间窗口的多维原始数据子序列在主成分方向向量集合构成的主成分空间中进行降维映射，生成当前周期的低维特征向量； 将当前周期的低维特征向量与包含主成分方向向量集合、特征字段均值向量及累计样本数量参数的特征空间状态输出； 边界建模模块，用于接收低维特征向量与特征空间状态，基于椭圆包络线算法构建异常判别边界模型，并输出边界参数集； 采集当前周期的低维特征向量集合，构成特征样本集合，并接收前一周期已判定为异常的数据点，形成历史异常样本集合； 基于特征样本集合与历史异常样本集合，通过空间聚类方法对低维特征空间进行划分，得到多个局部特征子空间，每一局部特征子空间包含结构分布接近的样本集合； 针对每一个局部特征子空间，分别计算局部特征子空间的样本均值向量、协方差矩阵及异常判别阈值，构建局部异常判别边界模型； 在接收到新的待判断的低维特征向量x后，基于其在各局部子空间中计算得到的马氏距离函数值，选择使马氏距离函数值最小的子空间作为归属子空间，并在归属子空间内调用对应的局部异常判别边界模型进行判别，当时，生成初步异常判别结果； 当某一局部特征子空间在多个连续周期内出现异常样本分布密集或判别结果频繁越界的情况时，触发异常反馈扩展机制，自动划分新的局部特征子空间，并基于局部特征子空间构建新的异常判别边界模型； 输出包含全部局部异常判别边界模型的边界参数集，边界参数集包括每个子空间对应的样本均值向量、协方差矩阵和异常判别阈值； 双阶段判别模块，用于接收边界参数集与低维特征向量，对输入特征向量进行噪声抑制处理，并基于异常判别边界模型进行异常状态判别，输出初步风险标识结果； 采集当前周期的低维特征向量，并将其与前一固定数量周期内的历史低维特征向量构建为特征时序缓冲区，按时间顺序排列形成特征滑动窗口序列； 在特征滑动窗口序列中，对每个待判断的低维特征向量执行滑动平均滤波处理，采用前后对称取值方式对待判断的低维特征向量进行平滑计算，抑制短周期波动及异常尖峰干扰，输出经噪声抑制处理后的平滑特征向量； 调用边界参数集，包括多个局部异常判别边界模型，每个局部异常判别边界模型包含局部样本均值向量、协方差矩阵及异常判别阈值； 针对当前平滑特征向量，分别在全部局部异常判别边界模型中计算在每个局部特征子空间中的统计偏离程度，并将偏离程度最小的局部特征子空间确定为归属子空间； 在归属子空间内，基于对应的局部异常判别边界模型，对当前平滑特征向量与异常判别阈值之间的关系进行比较，若偏离程度大于对应异常判别阈值，则将平滑特征向量标记为异常，否则标记为正常； 将全部待判断的低维特征向量的标记状态与对应时间戳进行关联，按周期输出异常状态集合，形成当前周期的初步风险标识结果； 模型自适应模块，用于接收初步风险标识结果与特征空间状态，根据判别偏离情况动态更新特征提取模块与边界建模模块的核心参数； 接收当前周期的初步风险标识结果与对应的低维特征向量，从中提取被判定为异常的低维特征向量，并结合前一周期数据形成异常样本序列； 判断异常样本序列中是否存在连续多个周期归属同一局部特征子空间且偏离程度超过当前异常判别阈值的样本，若满足条件，则记录触发局部特征子空间的参数更新标识； 对于触发更新标识的局部特征子空间，收集其内所有被标记为正常的低维特征向量样本，并基于低维特征向量样本集计算更新后的样本均值向量与协方差矩阵，同时构造新的样本方差统计结果； 根据正常样本集与累计样本数量参数，更新特征提取模块中的特征字段均值向量与主成分方向向量集合，并对更新后的主成分方向向量集合执行正交归一化处理，生成修正后的特征空间状态; 基于修正后的样本均值向量与协方差矩阵，更新对应局部异常判别边界模型的边界函数，并保持原有异常判别阈值不变，完成边界参数集的同步更新； 边缘部署模块，用于在部署于施工现场的边缘计算节点中执行特征提取、边界建模、判别计算与参数更新过程，并生成当前周期的边缘判别输出； 结果输出模块，采集当前周期内施工人员行为数据、施工设备运行数据与环境监测数据，提取对应的人员活动强度指标、设备运行稳定性指标与环境异常变化指标，构建多源状态信息集合； 将当前周期输出的初步风险标识结果与所述多源状态信息集合进行关联匹配，基于异常事件对应的低维特征向量、归属局部特征子空间与当前人员、设备、环境状态的联合情况，计算风险影响因子； 依据风险影响因子，结合风险等级划分规则，将每一异常事件分配至对应的施工风险等级标签； 据施工风险等级标签与异常事件对应的归属子空间标识，从预设的预警响应规则集合中匹配满足风险等级、事件类型与子空间约束条件的预警控制模板，提取包含响应动作、响应范围与触发条件参数的控制模板信息； 结合当前施工调度计划与施工设备可用性状态，在提取的控制模板信息基础上生成结构化预警控制指令，结构化预警控制指令包括响应动作定义、执行目标设备标识与触发条件参数； 输出当前周期内每一异常事件对应的施工风险等级标签与结构化预警控制指令。

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海润数聚科技有限公司，其通讯地址为：264003 山东省烟台市莱山区山海路117号内1号1701；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。