CN119293664A 一种基于多源数据融合的设备运行评估方法 （厦门多多云技术创新研究院有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119293664A(43)申请公布日2025.01.10

(21)申请号202411392313.6

(22)申请日2024.10.08

(71)申请人厦门多多云技术创新研究院有限公

司

地址361000福建省厦门市火炬高新区软

件园一期曾厝按北路3号科汇楼402-

A151

(72)发明人郑家豪

(74)专利代理机构北京中知音诺知识产权代理事务所(普通合伙)13138

专利代理师李富强

(51)Int.CI.

GO6F18/2431(2023.01)

GO6F18/214(2023.01)

GO6F18/25(2023.01)

GO6N

GO6N

GO6N

GO6N

G06Q

GO6F

3/0464(2023.01)

3/0442(2023.01)

3/045(2023.01)

3/084(2023.01)10/20(2023.01)

123/02(2023.01)

权利要求书3页说明书7页附图1页

(54)发明名称

一种基于多源数据融合的设备运行评估方

法

(57)摘要

CN119293664A本发明公开了一种基于多源数据融合的设备运行评估方法，本发明涉及设备运行评估技术领域，包括以下步骤：S1,数据采集：采集设备实时运行状态下的多源数据，其中，多源数据包括设备的传感器数据、操作日志、环境数据及维护历史。该基于多源数据融合的设备运行评估方法，能够提供精确的设备状态监测和故障预测，还能够根据设备的实际设备运行数据和环境条件持续优化其性能和准确性，从而实现高效、智能的设备管理和维护策略；清晰地界定了基于多源数据融合的设备运行评估方法的具体步骤和特征，确保了方法的全面性和高效性，适用于各种复杂的工业环境中，以提高设备的可靠性和维护效

CN119293664A

S1,

S1,数据采集：采集设备实时运行状态下的多源数据，其中，多源数据包括设备的传感器数据、操作日志、环境数据及维护历

史；

S2,数据融合：对S1步骤中采集到的多源数据进行融合处理，且融合处理采用深度学习模型整合多源数据，生成设备运行状态的融合数据集；

S3,数据分析评估模型构建：基于融合后的融合数据集使用机器学习算法构建设备运行状态的评估模型；

S4,生成评估结果和报警：根据S3中的评估模型输出设备运行状态的评估状况，当设备运行状态低于预设阈值或预测到潜在故障时，自动生成报警信号和维护建议。

CN119293664A权利要求书1/3页

2

1.一种基于多源数据融合的设备运行评估方法，其特征在于，包括以下步骤：

S1,数据采集：采集设备实时运行状态下的多源数据，其中，多源数据包括设备的传感器数据、操作日志、环境数据及维护历史；

S2,数据融合：对S1步骤中采集到的多源数据进行融合处理，且融合处理采用深度学习模型整合多源数据，生成设备运行状态的融合数据集；

S3,数据分析评估模型构建：基于融合后的融合数据集使用机器学习算法构建设备运行状态的评估模型；

S4,生成评估结果和报警：根据S3中的评估模型输出设备运行状态的评估状况，当设备运行状态低于预设阈值或预测到潜在故障时，自动生成报警信号和维护建议。

2.根据权利要求1所述的一种基于多源数据融合的设备运行评估方法，其特征在于：所述数据采集步骤S1进一步包括：

传感器数据采集：将传感器安装在设备部件上，用于收集设备部件的运行参数，传感器包括温度传感器、压力传感器和振动传感器；

操作数据采集：记录设备操作者的操作数据，操作数据包括操作时间、操作性质和操作结果；

环境数据采集：记录设备运行环境的环境数据，环境数据包括环境温度、湿度、电磁干扰、振动和灰尘污染物；

维护数据采集：记录设备的维护历史，维护历史包括维护时间、维护类型及维护效果。

3.根据权利要求2所述的一种基于多源数据融合的设备运行评估方法，其特征在于：所述数据融合步骤S2进一步包括：

数据预处理：对收集的多源数据进行去噪、标准化和缺失值处理；其中，多源数据由来自不同数据源的信息构成，并且多源数据的数据类型包括设备的温度、压力、振动、功率使用率以及环境的温湿度；

数据融合：应用卷积神经网络结合来自不同数据源的信息，产生融合数据集，