Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中亿丰数字科技集团股份有限公司沈盛男获国家专利权

中亿丰数字科技集团股份有限公司沈盛男获国家专利权

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!

龙图腾网获悉中亿丰数字科技集团股份有限公司申请的专利智能建造物联设备数据采集方法、系统、设备及存储介质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:CN119854363B

龙图腾网通过国家知识产权局官网在2025-07-22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:202510324519.3,技术领域涉及:H04L67/565;该发明授权智能建造物联设备数据采集方法、系统、设备及存储介质是由沈盛男;董朝晖;汪丛军;邹胜;于重生;吕政超;吴杏余;沈舟;欧荣亚;于民庆设计研发完成,并于2025-03-19向国家知识产权局提交的专利申请。

智能建造物联设备数据采集方法、系统、设备及存储介质在说明书摘要公布了:本发明公开了智能建造物联设备数据采集方法、系统、设备及存储介质,涉及数据采集传输技术领域,其中,智能建造物联设备数据采集方法包括利用动态生成连接器,匹配设备的通信协议,并与设备建立通信连接,利用智能数据交互策略,通过动态生成的连接器获取数据,利用异常检测算法检验获取的数据是否符合标准,将数据输入自适应数据格式转换器进行标准格式转换,并对转换后的数据进行动态封装,在设备边缘执行分布式前台解析,对封装的服务数据进行实时处理,在服务器端执行后台解析,对解析处理后的数据进一步处理,并转发至物联中台。本发明解决了现有技术中设备通信协议的灵活性和适应性低、采集数据不准确和数据处理不及时的问题。

本发明授权智能建造物联设备数据采集方法、系统、设备及存储介质在权利要求书中公布了:1.智能建造物联设备数据采集方法,其特征在于:包括, 利用动态生成连接器,匹配设备的通信协议,并与设备建立通信连接,利用智能数据交互策略,通过动态生成的连接器从设备获取数据; 利用异常检测算法检验获取的数据是否符合标准,不符合标准的数据进行剔除或纠正,将符合标准的数据输入自适应数据格式转换器进行标准格式转换,并对转换后的数据进行动态封装,并将处理后的数据在设备与数据采集服务之间进行双向通信; 在设备边缘执行分布式前台解析,对封装的服务数据进行实时处理,并进行数据的快速响应,在服务器端执行后台解析,对前台解析处理后的数据进一步处理,并转发至物联中台; 所述建立通信连接包括,利用动态生成连接器,匹配设备的通信协议,并与设备建立通信连接; 所述匹配设备的通信协议包括协议识别、连接器模板选择、连接器参数配置和连接器实例化; 所述协议识别包括接收设备发出的信号,查询设备配置文件,并利用协议识别算法进行协议识别,其中协议识别算法表示为: 设备信号分析公式为:P=FSignal,其中,P为协议类型,F为信号分析函数,Signal为设备信号; 配置文件解析公式为:P=ParseConfig,其中,P为协议类型,Parse为配置文件解析函数,Config为设备配置信息; 所述连接器模板选择包括根据识别的协议类型,从连接器模板库中选择连接器模板;所述连接器参数配置包括根据设备的具体参数和协议要求,配置连接器的端口号、传输速率和校验方式;所述连接器实例化包括利用选择的连接器模板和选择的配置参数,实例化连接器; 所述获取数据包括,利用智能数据交互策略,通过动态生成的连接器从设备获取数据; 智能数据交互策略包括自适应轮询与订阅机制、数据优先级与流量控制、数据压缩与加密、设备状态管理以及心跳机制与连接维护; 所述从设备获取数据包括初始化数据交互策略、确定数据交互模式、配置数据采集参数、执行数据采集、数据验证与清洗、数据缓存与预处理; 所述数据验证包括格式验证、完整性验证、一致性验证和准确性验证; 所述一致性验证是指检查数据在时间和空间上的逻辑一致性; 所述异常检测算法包括,利用异常检测算法检验获取的数据是否符合标准,不符合标准的数据进行剔除或纠正,将符合标准的数据输入自适应数据格式转换器进行标准格式转换; 所述异常检测算法公式表示为: ; 其中,Dx为数据异常检测值,μ为数据集的平均值,为数据集的方差,x为待检测的数据点,为数据集的样本均值,s为数据集的样本标准差,k为异常检测阈值,为阶跃函数,λ为自适应数据格式转换器的学习率,τ为自适应数据格式转换器的阈值,n为数据集的样本数量,为数据集的第i个样本; 其中,Dx的值域为[0,1],设定Dx阈值为0.7,当时,代表检测数据异常,要进行剔除和纠正;当时,代表检测数据正常,输入自适应数据格式转换器进行标准格式转换; 所述格式转换包括,将符合标准的数据输入自适应数据格式转换器进行标准格式转换,公式表示为: ; 其中,为转换后的数据,为输入数据,为输入数据的最小值,为输入数据的最大值; 所述格式转换包括,将符合标准的数据输入自适应数据格式转换器进行标准格式转换; 所述自适应数据格式转换器包括根据数据的分布特性选择转换方法,引入机器学习算法自动调整转换参数,进行数据格式转换;其中,优化的格式转换公式表示为: ; 其中,为经过格式转换后的数据,为输入数据,为数据的均值,为数据的标准差,为误差函数; 所述误差函数表示为: ; 其中,为误差函数的输入,t为时间; 所述动态封装包括,设计数据封装的数据类型、时间戳、数据来源标识和数据校验码,根据数据类型和特性,动态选择封装策略,利用封装公式对数据进行封装,设备和数据采集服务之间建立通信连接,使用TCPIP通信协议建立双向通信通道,将封装后的数据包发送到数据采集服务,并接收数据采集服务的反馈和指令,实施数据压缩算法减少传输数据量,并利用通信优化算法优化通信过程; 所述通信优化算法公式表示为: ; 其中,为在时间b的发送队列长度,为发送队列的最大长度,为在时间b的数据传输速率,为数据包大小,为平均传输时间; 所述分布式前台解析包括,设备边缘接收封装后的服务数据包,并对数据进行解封装和解压,对解压后的数据利用快速响应公式进行实时处理; 所述快速响应公式为: ; 其中,为实时处理后的结果,为边缘计算函数; 所述后台解析包括,服务器端接收设备边缘的前台解析处理后的数据,将不同设备边缘的数据进行整合,并利用服务器处理公式进行处理,应用机器学习算法对数据进行深入分析,处理后的数据转发至物联中台; 所述服务器处理公式为: ; 其中,为服务器端处理后的数据,为服务器端处理函数,为实时处理后的结果; 所述机器学习算法分析数据包括利用线性回归模型预测分析数据,并利用最小二乘法训练模型;所述线性回归模型公式为: ; 其中,为预测函数,为模型参数,为特征; 所述最小二乘法公式为: ; 其中,m为样本数量,为单个模型参数,为第j个特征的预测函数,为第j个样本的真实值,为训练后的函数。

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中亿丰数字科技集团股份有限公司,其通讯地址为:215000 江苏省苏州市相城区高铁新城南天成路88号天成信息大厦8楼;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。