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！

龙图腾网获悉西安瑞安消防工程有限公司申请的专利一种基于深度学习的消防设备故障预测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：CN121480897B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610032996.7，技术领域涉及：G06Q10/04；该发明授权一种基于深度学习的消防设备故障预测方法是由蒋睿超;刘述铭;蒋宜辉设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本一种基于深度学习的消防设备故障预测方法在说明书摘要公布了：本发明涉及消防安全监测技术领域,公开了一种基于深度学习的消防设备故障预测方法。该方法采集消防系统及报警联动系统的多源运行数据，构建设备拓扑图并建立融合时序卷积与图卷积的双通道神经网络模型。通过谱间隙优化与贪心式拓扑重连机制增强拓扑结构的自适应性与信息传播效率，并引入多模态混合对比一致性融合机制，实现时序特征与结构特征的柔性对齐与稳定融合。该方法可在复杂工况下提前识别消防设备潜在故障，实现精准预测与分级告警，提升系统的可靠性、鲁棒性与智能化运维能力，适用于建筑消防系统及工业消防设备的运行安全监测领域。

本发明授权一种基于深度学习的消防设备故障预测方法在权利要求书中公布了：1.一种基于深度学习的消防设备故障预测方法，该方法应用于消防设备故障预测系统，消防设备故障预测系统具体包括中央监测服务器、报警控制器以及设置在泵房内的消防设备和边缘服务器，其特征在于：该方法包括： 步骤S1：采集消防设备的多源运行数据并按时间戳对齐，获取对齐后多源数据； 步骤S2：在边缘服务器中将对齐后多源数据执行预处理，获取窗口化时序数据； 步骤S3：通过中央监测服务器内置拓扑建模引擎构建设备拓扑图； 步骤S4：中央监测服务器中部署时序卷积-图卷积融合预测模型；将窗口化时序数据和设备拓扑图输入到时序卷积-图卷积融合模型中；预测得到目标设备故障概率； 步骤S5：基于目标设备故障概率，通过报警控制器向对应消防设备输出分级告警信号，并根据告警等级自动触发设备检修、复位和备用设备联动操作，同时生成处置建议并上传至消防监控中心，实现对消防设备的预测性维护与闭环管理； 时序卷积-图卷积融合模型的构建方式为：分别建立基于门控时序卷积网络的时序编码分支和基于谱间隙导向的图神经网络模型的图卷积分支，并将两分支的特征融合形成双通道神经网络结构，得到时序卷积-图卷积融合模型； 通过谱间隙导向的图神经网络模型处理设备拓扑图，形成结构上下文特征数据；谱间隙导向的图神经网络模型的构建过程：建立图神经网络模型，引入谱间隙优化与贪心式拓扑重连机制优化图神经网络模型的结构自适应性与谱特征表达能力，得到谱间隙导向的图神经网络模型； 通过谱间隙导向的图神经网络模型处理设备拓扑图的具体过程如下： 根据设备拓扑图的节点集合、边集合与节点特征矩阵，构建邻接矩阵与度矩阵，形成对称归一化拉普拉斯矩阵；对设备拓扑图中边进行分类标注，形成工程安全约束集； 通过对称归一化拉普拉斯矩阵进行特征分解，获得特征值与特征向量，以第一非零特征值作为谱间隙；依据特征值分布及特征向量梯度变化情况，获取谱间隙分析结果，并标记结构瓶颈区域标识； 在满足工程安全约束集的前提下，依据谱间隙分析结果与结构瓶颈区域标识，生成两类候选边集合：删除候选集与新增候选集； 对两类候选边集合中每个候选边，采用谱间隙代理近似公式逐一计算谱间隙近似变化量，并采用谱间隙增益最大化原则执行贪心式拓扑重连优化，所用公式如下： ； 其中，表示在修改边之前，对称归一化拉普拉斯矩阵的目标特征值，表示在翻转一条候选边之后，新的特征值近似；、表示特征向量在节点、节点上的分量；表示边操作标识； 引入Eldan判据作为停止条件，对谱优化过程进行动态约束与终止控制，防止贪心式拓扑重连优化导致局部过拟合，输出重连后拓扑结构及更新后谱特征结果； 具体为：当候选边的判别函数满足“删边可保增隙”的充分条件时，允许执行对应删边操作；当预测新增操作将导致谱间隙下降时，拒绝该新增操作，从而确保结构调整仅沿谱间隙增益方向进行，避免产生负向拓扑重连；同时，模型持续监测谱间隙代理增益的收敛趋势，当连续若干轮迭代的增益低于预设阈值，或谱间隙已达到预设上限时，自动触发停止条件，终止拓扑重连过程；在满足停止条件后，系统输出重连后拓扑结构及更新后谱特征结果，作为后续图卷积计算与设备状态推理的输入，为消防系统的状态评估与预测提供高连通性、稳定性的结构基础； 对重连后拓扑结构及更新后谱特征结果执行上下游控制逻辑一致性校核与拓扑连通性校核；当校核通过后，将校核合格的拓扑结构及谱特征输入至图神经网络模型的图卷积部分，得到结构上下文特征数据。

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西安瑞安消防工程有限公司，其通讯地址为：710000 陕西省西安市高新区锦业路38号粤汉国际D座12301室；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。