- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
(19)国家知识产权局
(12)发明专利
(10)授权公告号CN118748642B(45)授权公告日2025.07.04
(21)申请号202411027023.1
(22)申请日2024.07.29
(65)同一申请的已公布的文献号申请公布号CN118748642A
(43)申请公布日2024.10.08
(73)专利权人上海凌泽信息科技有限公司
地址201702上海市青浦区徐泾镇诸光路
1588弄绿地控股全球商品贸易港C座7楼704
(72)发明人刘豫湘石兴
(74)专利代理机构南京权盟知识产权代理事务所(普通合伙)32722
专利代理师赵洪烨
(51)Int.CI.
H04L41/147(2022.01)
H04L41/0677(2022.01)
H04L41/0659(2022.01)
H04L67/12(2022.01)
GO6N3/092(2023.01)
(56)对比文件
CN116823227A,2023.09.29
CN117639265A,2024.03.01
审查员高阳
权利要求书3页说明书9页附图2页
(54)发明名称
基于容错设计的物联网通信系统自动故障恢复方法
(57)摘要
CN118748642B本发明公开了基于容错设计的物联网通信系统自动故障恢复方法,属于物联网技术领域,其具体包括:通过部署多类型建筑风险监测器构建多源数据监测网络,实时收集建筑状态数据,并利用物联网技术和加权平均方法进行数据融合;结合预设的阈值和异常检测算法,系统能够自动检测建筑中的异常和风险情况;基于从数据中提取的故障特征,使用强化学习算法构建故障预测模型;在故障隔离后,系统进行自适应自动修复,并生成修复建议;记录故障事件及其处理
CN118748642B
通过部署多类型建筑风险监测器构建多源数据监测网络,采集建筑状态数据,并进行数据融合,得到融合建筑状态数据
从融合建筑状态数据中提取震动、倾斜、沉降的故障特征,基于历史数据、实时
建筑状态数据和故障特征,使用强化学习算法构建和优化故障预测模型,并通过
实时分析融合建筑状态数据,结合预设的闽值和异常检测算法,自动检测建筑中
的异常和风险情况,当CPU检测到异常或故障时,结合故障预测模型,定位故障
点,并将故障点进行隔离
在故障隔离后,系统进行自适应的自动修复,并根据故障类型和修复情况,系统自动生成修复建议,若自动修复失败,则进行人工干预
记录故障事件及其处理过程,定期生成故障报告和改进建议
SI
S2
S3
S4
CN118748642B权利要求书1/3页
2
1.基于容错设计的物联网通信系统自动故障恢复方法,其特征在于,包括:
步骤S1:通过部署多类型建筑风险监测器构建多源数据监测网络,采集建筑状态数据,并进行数据融合,得到融合建筑状态数据;
步骤S2:从融合建筑状态数据中提取震动、倾斜、沉降的故障特征,基于历史数据、实时建筑状态数据和故障特征,使用强化学习算法构建和优化故障预测模型,并通过实时分析融合建筑状态数据,结合预设的阈值和异常检测算法,自动检测建筑状态数据中的异常和风险情况,当CPU检测到异常或故障时,结合故障预测模型,定位故障点,并将故障点进行隔
离;
步骤S3:在故障隔离后,系统进行自适应的自动修复,并根据故障类型和修复情况,系统自动生成修复建议,若自动修复失败,则进行人工干预;
步骤S4:记录故障事件及其处理过程,定期生成故障报告和改进建议;
所述步骤S2的具体步骤包括:
S2.1:获取融合建筑状态数据,使用TPCA算法对融合建筑状态数据进行特征提取,得到
建筑状态特征数据X={x…,x1,x2…,x2,x3,…,x32,其中,,表示震动故障特征数据, 表示倾斜故障特征数据,x3表示沉降故障特征数据,n、m、r分别表示震动、倾斜、沉降故障特征数据的数量;
S2.2:获取历史建筑状态数据,并从历史建筑状态数据中提取故障模式、频率和趋势;
S2.3:基于X={x…,xh,x2,xm,x3,.,x33和历史建筑状态数据,使用强化学习算法构建故障预测模型;
所述步骤S2的具体步骤还包括:
S2.4:根据实时建筑状态数据和故障预测模型的预测结果,使用改进的在线梯度下降算法实时调整故障预测模型参
您可能关注的文档
- CN115056617B 一种坡道停车时空气悬架自动调节车辆高度的方法及系统 (岚图汽车科技有限公司).docx
- CN115132958B 一种具有界面修饰层的锂金属负极及其制备方法 (上海国轩新能源有限公司).docx
- CN115153566B 一种微电极结构及其制作方法 (武汉衷华脑机融合科技发展有限公司).docx
- CN115195755B 车辆控制装置、存储介质以及车辆控制方法 (丰田自动车株式会社).docx
- CN115222780B 基于语义掩膜的跨模态大形变图像配准方法 (西安电子科技大学).docx
- CN115314889B 电力调控终端多级安全认证方法、系统、存储器及设备 (南京南瑞信息通信科技有限公司).docx
- CN115361195B 一种基于时空代价成本的大规模物联网流量多分类方法 (南京邮电大学).docx
- CN115362689B 基于人工神经网络的方法及其用途、听觉设备及计算机程序产品 (根特大学).docx
- CN115402584B 一种给袋包装机及给袋包装方法 (杭州永创智能设备股份有限公司).docx
- CN115421226B 一种硫系玻璃光学元件及其制备方法 (有研国晶辉新材料有限公司).docx
原创力文档


文档评论(0)