CN119295060A 工业机器人预测性维护管理方法及系统 （天津赛威工业技术有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119295060A(43)申请公布日2025.01.10

(21)申请号202411833414.2

(22)申请日2024.12.13

(71)申请人天津赛威工业技术有限公司

地址300457天津市滨海新区经济技术开

发区南海路156号28-A

(72)发明人孙洲

(74)专利代理机构北京市恒有知识产权代理事务所(普通合伙)11576

专利代理师赵薇刘伟冲

(51)Int.CI.

GO6Q10/20(2023.01)

GO6N3/042(2023.01)

GO6N3/045(2023.01)

GO6N3/0455(2023.01)

GO6N3/0475(2023.01)

GO6N

GO6F

GO6F

GO6F

GO6F

B25J

B25J

G01D

GO6F

3/0499(2023.01)18/21(2023.01)

18/2136(2023.01)

18/2323(2023.01)

18/2415(2023.01)

9/16(2006.01)

19/00(2006.01)

21/02(2006.01)

123/02(2023.01)

权利要求书4页说明书14页附图2页

(54)发明名称

工业机器人预测性维护管理方法及系统

(57)摘要

CN119295060A本发明提供一种工业机器人预测性维护管理方法及系统，涉及设备维护管理技术领域，包括：获取工业机器人的多模态异构数据，进行智能预处理，得到第一预处理数据，对第一预处理数据进行跨模态关联融合，生成融合数据，提取互补冗余信息并构建语义特征图谱；构建健康状态预测模型，将语义特征图谱添加至健康状态预测模型中，通过线性变换映射至嵌入空间并提取时序信息，进行特征交互得到交互特征，通过前馈神经网络层进行变换和特征增强，得到健康状态概率分布；通过贝叶斯推理融合生成综合健康状态分布，结合检测模型，识别异常模式和关键

CN119295060A

状态。

通过预先设置的传感网络实时获取工业机器人的多模态

通过预先设置的传感网络实时获取工业机器人的多模态异构数据，对所述多模态异构数据进行智能预处理，结合区块链确权同步以及生成对抗网络增强均衡操作，得到第一预处理数据，通过多模态图卷积神经网络对所述第一预处理数据进行跨模态关联融合，生成融合数据，提取所述融合数据间的互补冗余信息并构建所述工业机器人对应的语义特征图谱

基于转换器模型构建包含多个子系统的工业机器人对应的健康状态预测模型，将所述语义特征图谱作为输入添加至所述健康状态预测模型中，输入嵌入层通过线性变换将所述语义特征图谱映射至嵌入空间并提取时序信息，结合自注意力层进行特征交互得到交互特征，将所述交互特征通过前馈神经网络层进行变换和特征增强，得到每个子系统的健康状态概率分布

基于所述健康状态概率分布，通过贝叶斯推理融合生成综合健康状

态分布，结合基于主动学习的异常检测模型，结合主动探索和不确定性

采样识别所述综合健康状态分布中的异常模式和关键转折点，基于健康

对所述工业机器人进行协同维护，将维护结果实时上传至服务器并保存

所述工业机器人的当前状态

S2

S3

CN119295060A权利要求书1/4页

2

1.工业机器人预测性维护管理方法，其特征在于，包括：

通过预先设置的传感网络实时获取工业机器人的多模态异构数据，对所述多模态异构数据进行智能预处理，结合区块链确权同步以及生成对抗网络增强均衡操作，得到第一预处理数据，通过多模态图卷积神经网络对所述第一预处理数据进行跨模态关联融合，生成融合数据，提取所述融合数据间的互补冗余信息并构建所述工业机器人对应的语义特征图

谱；

基于转换器模型构建包含多个子系统的工业机器人对应的健康状态预测模型，将所述语义特征图谱作为输入添加至所述健康状态预测模型中，输入嵌入层通过线性变换将所述语义特征图谱映射至嵌入空间并提取时序信息，结合自注意力层进行特征交互得到交互特征，将所述交互特征通过前馈神经网络层进行变换和特征增强，得到每个子系统的健康状态概率分布；

基于所述健康状态概率分布，通过贝叶斯推理融合生成综合健康状态分布，结合基于主动学习的异常检测模型，结合主动探索和不确定性采样识