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！

龙图腾网获悉中煤科工集团上海有限公司申请的专利煤机装备多模态数据智能预防性维护系统及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：CN120563117B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511079511.1，技术领域涉及：G06Q10/20；该发明授权煤机装备多模态数据智能预防性维护系统及方法是由韩飞;张逸群;李剑宏;王加志;马晨斌;孙正孟设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本煤机装备多模态数据智能预防性维护系统及方法在说明书摘要公布了：本发明涉及煤机装备多模态数据智能预防性维护系统及方法。所述系统包括多源数据采集层、大语言模型核心处理层和智能决策输出层，能够同时处理结构化和非结构化数据。本发明的维护系统数据处理能力强并且故障预测精度高。

本发明授权煤机装备多模态数据智能预防性维护系统及方法在权利要求书中公布了：1.一种煤机装备多模态数据智能预防性维护系统，其特征在于，所述系统包括： 多源数据采集层，所述多源数据采集层具有数据清洗模块和分布式数据库，所述数据清洗模块对接设备传感器和煤矿运维管理系统，所述设备传感器用于向所述数据清洗模块提供所述煤机装备的实时运行结构化数据，所述煤矿运维管理系统用于向所述数据清洗模块提供与所述煤机装备相关的非结构化数据，所述数据清洗模块将清洗脱敏的结构化数据和非结构化数据作为多模态数据集存储至所述分布式数据库； 大语言模型核心处理层，所述大语言模型核心处理层包括煤机故障动态预测模型和煤机知识推理模块，所述煤机故障动态预测模型对接多模态数据融合模块和强化学习引擎，所述多模态数据融合模块建立所述结构化数据和所述非结构化数据的关联映射并且构建煤机装备状态特征矩阵，所述强化学习引擎用于对所述煤机故障动态预测模型进行模型参数优化，所述煤机故障动态预测模型用于基于所述煤机装备状态特征矩阵和优化的所述煤机故障动态预测模型的模型参数生成故障预测结果，所述煤机知识推理模块基于所述非结构化数据和所述故障预测结果生成维护任务的技术要点； 智能决策输出层，所述智能决策输出层包括煤机故障维护策略生成器和煤机运维工单系统，所述煤机故障维护策略生成器用于基于所述维护任务的技术要点生成维护策略，所述煤机运维工单系统用于基于所述维护策略生成运维工单，并且所述智能决策输出层对接运维人员移动端，向其推送所述运维工单； 其中，所述大语言模型核心处理层用于进行跨模态特征融合、故障概率序列生成和维护规范知识匹配，其中，所述跨模态特征融合的过程包括：通过大语言模型的Encoder将所述非结构化数据转换为语义向量，与所述结构化数据的数值向量拼接，输入Transformer网络进行跨模态特征提取，其中，采用预训练的大语言模型作为Encoder，对所述非结构化数据进行编码，输出文本嵌入向量，其中为模型隐藏层维度，利用传感器数值编码对结构化数据进行标准化处理为历史均值和标准差，通过全连接层映射为数值向量，其中为可学习参数，将与拼接为，输入Transformer网络进行特征交互，实现跨模态特征提取，Transformer网络的多头注意力机制计算如下：，其中每个头，注意力函数为,Q为查询，K为键、V为值，由生成，为头相关参数，为输出投影矩阵，并输出跨模态特征； 所述故障概率序列生成的过程包括：利用大语言模型的Decoder生成未来时段的故障概率序列，采用滑动窗口技术实现实时滚动预测，其中输入窗口构造采用W=24小时的滑动窗口，窗口步长S=1小时，对时间点t，输入窗口为，故障概率序列生成是将窗口特征输入大语言模型的Decoder，输出未来小时的故障概率序列，其中表示时刻的故障概率，Decoder的生成过程满足，其中为Decoder在时刻的隐藏状态，为分类层参数，模型训练损失采用二元交叉熵损失函数，监督标签为历史故障标记其中，0表示正常，1表示故障，损失函数为； 所述维护规范知识匹配的过程包括：基于煤机维护规范知识库，通过大语言模型的检索增强机制匹配当前煤机装备状态对应的维护规则，其中构建煤机维护规范知识库，其中为知识条目关键词，为对应的维护规则，将当前煤机状态的跨模态特征作为查询向量，计算其与知识库中各条目关键词的嵌入向量的余弦相似度，选择相似度最高的前个条目作为检索结果， 维护规则生成则是将与当前状态描述拼接为提示词，输入大语言模型生成最终维护规则。

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煤科工集团上海有限公司，其通讯地址为：200030 上海市徐汇区天钥桥路1号19幢18层A座；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。