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！

龙图腾网获悉北京北方科诚信息技术股份有限公司;北京中科数字巨人科技股份有限公司申请的专利一种设备资产智能化数字管理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：CN121436975B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511893368.X，技术领域涉及：G06Q10/20；该发明授权一种设备资产智能化数字管理方法及系统是由苏喜红;何雨濛设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本一种设备资产智能化数字管理方法及系统在说明书摘要公布了：本发明公开一种设备资产智能化数字管理方法及系统，涉及设备管理技术领域，所述方法包括：利用传感器集群采集物理设备发出的多模态时序数据流，并将其转化为高维特征向量；利用高维特征向量推演出当前时刻设备的内部状态变量，组合后生成设备健康状态向量；分析时序排列下的设备健康状态向量，生成健康度退化轨迹；输入健康度退化轨迹至决策器，为设备生成最优的维护动作序列；执行生成的维护动作序列，并根据执行后的设备状态对决策器进行持续优化。本发明打破了传统设备管理信息孤岛，能减少非计划停机，降低维护成本，提升设备利用率与管理效率，实现从被动维护到预测性管理的转变。

本发明授权一种设备资产智能化数字管理方法及系统在权利要求书中公布了：1.一种设备资产智能化数字管理方法，其特征在于，包括： Step1、利用传感器集群采集物理设备发出的多模态时序数据流，并将其转化为高维特征向量； 所述传感器集群至少包括：振动传感器，用于采集设备在X、Y、Z三个轴向的振动频谱；温度传感器，用于采集设备关键部件的表面温度分布序列；声学传感器，用于采集设备运行时的噪声信号以生成声纹图谱； Step2、利用高维特征向量推演出当前时刻设备的内部状态变量，组合后生成设备健康状态向量，具体分为以下子步骤： 基于健康设备的多模态时序数据构建基准健康吸引子：将设备健康状态下的多模态时序数据处理为高维特征向量集合，再利用自编码器将得到的高维特征向量降维至一个低维的状态空间，在这个空间中，健康状态数据点会聚集形成一个紧致的区域，被称为基准健康吸引子； 计算当前高维特征向量构成的短期状态轨迹与基准健康吸引子之间的偏差能级向量：将当前时刻的高维特征向量，投影到上述低维状态空间，得到投影点，通过引入滑窗机制，可得到最近时间段内的投影点序列，即设备的短期状态轨迹；所述偏差能级向量的计算公式表示为：，其中是当前时刻的高维特征向量投影点，是基准健康吸引子M中的任一点，是短期状态轨迹中的第i个、第i+1个、第i-1个轨迹点，i取值2~n-1，n为中的轨迹点数量，为恢复力因子，用于量化设备的自然恢复力，通过历史数据标定，为基准健康吸引子M中与距离最近的点； 根据计算出的偏差能级向量生成此刻的设备健康状态向量：首先对计算出的偏差能级向量中的每个分量分别进行归一化，然后引入自适应权重机制，根据各分量的相对重要程度赋予相应的权重系数，最后将加权后的偏差能级分量组合成此刻的设备健康状态向量； Step3、分析时序排列下的设备健康状态向量，生成健康度退化轨迹，具体分为以下子步骤： 基于设备所处工况环境的上下文数据对设备健康状态向量进行自适应增强：对于每个时间步t下的设备健康状态向量，取其前后个有效时间步构成局部邻域；再提取出设备在对应时间步下的工况环境的上下文数据，转化为向量后添加进局部邻域，即；然后带入局部邻域内的数据到公式：中，得到增强后的健康状态向量，其中是灵敏度调节参数，j是局部邻域内的时间步索引，m为局部邻域内的样本总数，分别是局部邻域内的第j个时间步下的设备健康状态向量、工况环境向量，是当前时间步t下的工况环境向量，是全局工况最大差异值，是余弦相似度函数； 计算增强后的设备健康状态向量各个维度的退化因子；所述退化因子计算公式表示为：，其中表示时间步t下设备健康状态向量第d维度的退化因子，、分别是时间步t、时间步t-1下设备健康状态向量的第d维分量，是时间步t和t-1的时间间隔，是设备健康状态向量第d维分量的时序序列，是工况环境向量时序序列，是协方差运算函数，是标准差运算函数，是求和过程中的维度索引，D是设备健康状态向量的总维度，维度的各项参数含义与d维度各项参数的含义一致； 根据各个维度的退化因子计算设备在每个时间步t下的健康度，整理为原始健康度序列；设备在时间步t下的健康度计算公式表示为：，其中分别是可调的尺度参数和非线性系数，是设备健康状态下的设备健康状态向量第d维度可允许的最大值； 输入原始健康度序列至GPR模型，输出完整的健康度退化轨迹； Step4、输入健康度退化轨迹至决策器，为设备生成最优的维护动作序列；所述决策器的训练过程具体分为以下子步骤： 收集历史设备运行数据，构建训练数据集；所述历史设备运行数据包括健康度序列、维护动作记录及维护后状态反馈，按维护周期将数据切割为多个片段，每段包含一段健康度退化轨迹、已执行的维护动作序列及其对应的健康度变化结果，形成训练数据集； 冻结决策器的策略网络，并基于训练数据集初始化其评价网络；所述决策器包括策略网络和评价网络，策略网络用于根据输入的健康退化轨迹生成维护动作序列，评价网络用于预测出执行该维护序列后的健康度走势； 解冻决策器的策略网络，结合评价网络实时计算决策器的目标损失，并基于最小损失原则对决策器进行微调，直至模型收敛； Step5、执行生成的维护动作序列，并根据执行后的设备状态对决策器进行持续优化。

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北京北方科诚信息技术股份有限公司;北京中科数字巨人科技股份有限公司，其通讯地址为：100070 北京市丰台区四合庄路6号院1号楼1至10层101内06层04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。