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！

龙图腾网获悉深圳市拓普瑞电子有限公司申请的专利一种基于时段压降与压力波动分析的IoT消防喷淋管网智能微漏报警方法及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：CN120969753B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511116736.X，技术领域涉及：F17D5/06；该发明授权一种基于时段压降与压力波动分析的IoT消防喷淋管网智能微漏报警方法及系统是由张岩;申勇设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本一种基于时段压降与压力波动分析的IoT消防喷淋管网智能微漏报警方法及系统在说明书摘要公布了：本发明公开了一种基于时段压降与压力波动分析的IoT消防喷淋管网智能微漏报警方法及系统。该方法通过部署多节点IoT压力传感器实时采集管网压力数据，采用动态时段划分和压降率计算结合小波变换的频域分析，构建压降‑波动联合检测模型。利用Transformer‑LSTM‑GNN混合模型实现多模态特征融合，通过动态阈值触发分级报警，并基于管网拓扑和压力梯度定位泄漏点。系统包含数据采集、特征分析、AI模型训练、报警决策和维修方案生成等模块，形成"监测‑分析‑报警‑维修‑优化"闭环。通过DTW‑BIRCH算法实现时段动态划分，通过多任务损失函数联合优化模型；通过图注意力网络增强拓扑特征融合；通过增量学习机制持续提升检测精度，可实现微小泄漏的早期精准识别。

本发明授权一种基于时段压降与压力波动分析的IoT消防喷淋管网智能微漏报警方法及系统在权利要求书中公布了：1.一种基于时段压降与压力波动分析的IoT消防喷淋管网智能微漏报警方法，其特征在于，所述方法包括： S1、通过部署在消防喷淋管网关键节点的IoT压力传感器，实时采集管网压力数据，并传输至云端或边缘计算平台； S2、将采集的压力数据按预设时段划分，计算每个时段内的平均压力值，并与历史基准压力对比，计算时段压降率； S3、利用小波变换对压力数据进行频域分析，提取高频波动特征，结合时域标准差计算压力波动强度； S4、采用大模型对历史正常与泄漏状态下的压力数据进行训练，构建压降-波动联合检测模型； S5、将实时压降率和波动强度输入AI模型，若输出概率超过预设阈值，则触发智能报警，并通过可视化平台定位潜在泄漏点； S6、基于AI模型的输出结果，结合历史漏损数据和管网拓扑结构，智能分析漏损位置及原因，生成维修方案； S7、根据反馈数据持续优化AI模型参数，并联动管网阀门控制系统，实现自动隔离漏损区域及远程调度维修资源； 所述S1中的采集包括： 在管网主干道、支管交汇处及末端设置三级压力监测节点，各节点配置具有自校准功能的IoT压力传感器； 传感器采用LoRaWAN与5G双模通信协议，以1Hz采样频率实时采集压力数据； 通过边缘计算节点对原始数据进行预处理，包括：采用滑动窗口滤波消除瞬时干扰；通过时间戳对齐实现多节点数据同步；对异常值进行马氏距离检测与插值修复； 将预处理后的数据压缩打包，通过MQTT协议上传至云端数据湖； 在云端建立时空数据库，对压力数据附加管网拓扑标签，形成结构化时空序列数据集； 所述S2、将采集的压力数据按预设时段划分，计算每个时段内的平均压力值，并与历史基准压力对比，计算时段压降率，包括： S2.1、采用DTW-BIRCH混合聚类算法对历史压力数据进行时段动态划分，包括：通过动态时间规整度量数据相似性，构建时段特征树，并结合用水模式生成最优时段划分方案； S2.2、在每个划分时段内进行多层级特征提取，包括：计算基础层的算术平均压力值和标准差，拓扑层的加权平均压力值，以及趋势层的压力变化梯度； S2.3、基于Transformer-TSA模型生成动态基准压力曲线，该模型通过时间注意力机制处理历史压力数据、环境参数和维护记录，输出考虑多重因素的动态基准； S2.4、采用自适应压降率计算模型，综合基础压降率、稳定性修正因子和拓扑修正因子，通过在线学习机制动态调整各因子权重； S2.5、建立闭环反馈优化系统，对数据质量、计算可信度和异常情况进行评估，并将评估结果实时反馈至时段划分和基准生成模块； 所述S4、采用大模型对历史正常与泄漏状态下的压力数据进行训练，构建压降-波动联合检测模型，包括： S4.1、构建多模态特征融合与混合模型架构：将时段压降特征、压力波动特征与管网拓扑特征进行时空对齐后，通过特征交叉网络生成联合特征表示； 采用注意力机制动态加权各特征维度重要性，输入至Transformer-LSTM-GNN混合模型；其中Transformer层处理对齐后的长期压力变化模式，LSTM层提取联合特征的局部时序特性，GNN层解析管网拓扑关系； S4.2、建立具有解释性的增量学习系统：在混合模型输出端集成SHAP值解释模块，实时生成特征贡献度热力图；基于热力图分析建立规则提取引擎，输出可解释判断逻辑；设计包含样本重要性加权的在线更新管道，通过弹性权重固化技术实现模型持续优化而不遗忘； S4.3、形成端到端的联合优化闭环：设计融合压降检测和波动分析的多任务损失函数，驱动混合模型协同训练；将模型输出的性能指标反馈至前端采集系统，动态调整传感器采样策略；通过模型性能监测模块触发自动回滚机制，确保系统稳定性。

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市拓普瑞电子有限公司，其通讯地址为：518126 广东省深圳市宝安区航城街道三围社区奋达高新科技园C栋104-110；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。