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！

龙图腾网获悉云南民大印务有限公司申请的专利一种基于物联网的远程印刷机监控与故障预测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：CN119645325B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411773149.3，技术领域涉及：G06F3/12；该发明授权一种基于物联网的远程印刷机监控与故障预测系统是由宁安云;王燕新;宁晨羽设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于物联网的远程印刷机监控与故障预测系统在说明书摘要公布了：本发明公开了基于物联网的远程印刷机监控与故障预测系统，涉及物联网与人工智能技术领域，包括数据采集模块，用于实时采集远程印刷机的设备状态数据并进行预处理；数据处理模块，用于将预处理后的设备状态数据整合为数据矩阵和标签向量；模型构建模块，用于使用随机森林模型并结合Gumbel‑Sigmoid激活函数输出最终特征集；故障预测模块，用于使用双向LSTM构建故障预测模型输出当前时间点的预测故障概率并划分故障区间数据池。通过引入随机森林算法与Gumbel‑Sigmoid激活函数的结合，能够自动优化特征选择过程，精准筛选出对故障预测至关重要的特征集，采用双向LSTM模型捕捉时序信息，使得故障预测精度和实时响应能力得到显著提升。

本发明授权一种基于物联网的远程印刷机监控与故障预测系统在权利要求书中公布了：1.一种基于物联网的远程印刷机监控与故障预测系统，其特征在于：包括， 数据采集模块，用于实时采集远程印刷机的设备状态数据并进行预处理； 数据处理模块，用于将预处理后的设备状态数据整合为数据矩阵和标签向量； 模型构建模块，用于使用随机森林模型并结合Gumbel-Sigmoid激活函数输出最终特征集； 故障预测模块，用于基于最终特征集使用双向LSTM构建故障预测模型输出当前时间点的预测故障概率并划分故障区间数据池； 分类处理模块，用于针对不同风险区间的数据池，通过动态因果关系分析筛选重要特征并进行分类处理； 数据存储模块，用于将所有数据进行存储至关系型数据库并进行管理； 所述使用随机森林模型并结合Gumbel-Sigmoid激活函数输出最终特征集包括， 将数据矩阵划分为训练集和验证集，对随机森林模型的参数进行初始化； 所述参数包括决策树数量、最大树深、每次分裂时的特征数和最小样本分裂数； 使用训练集进行模型拟合，计算训练集中所有特征在所有树中的Gini指数平均下降值，根据Gini指数平均下降值计算每个特征的重要性值； 将每个特征的重要性值进行归一化，设置重要性阈值，遍历训练集并剔除重要性值低于重要性阈值的特征，将重要性值大于或等于重要性阈值的特征按照重要性值从高到低排序，生成候选特征集，候选特征集包括候选特征和候选特征对应的时间点的分类标签； 使用候选特征集重新训练新的随机森林模型，在验证集上评估模型的性能，计算AUC值，根据实际场景定义AUC阈值，若验证集的AUC值大于AUC阈值，则认为当前候选特征集分类能力达标，输出该候选特征集，否则，降低重要性阈值，重新生成候选特征集； 初始化初始选择概率、温度参数、最大迭代次数和未选择次数记录； 根据随机森林的特征的重要性值，定义输出的候选特征集中的每个候选特征的初始全局权重和初始局部权重，表达式为： ，， 其中，表示候选特征集中第i个候选特征的重要性值，表示所有候选特征中重要性值的最大值，表示候选特征集中第i个候选特征与分类标签的皮尔逊相关系数，表示所有候选特征与对应的分类标签的皮尔逊相关系数的最大值； 针对每个候选特征，生成一个随机变量，基于随机变量，计算每个候选特征的Gumbel噪声； 基于初始全局权重、初始局部权重和Gumbel噪声，使用Gumbel-Sigmoid激活函数生成每个候选特征在每轮迭代的选择概率，公式为： ， 其中，表示第i个候选特征在第h-1次迭代中的全局权重，表示第i个候选特征在第h-1次迭代中的局部权重，表示在第h-1次迭代中的温度参数，控制概率的分布宽度； 根据每轮迭代的每个候选特征的选择概率，设定概率阈值，判断候选特征的选择结果，若，则选择该候选特征，若，则不选择该候选特征； 每轮迭代中，动态调整候选特征的全局权重和局部权重，通过温度衰减因子逐步降低温度参数； 所述动态调整候选特征的全局权重和局部权重指每轮迭代中使用更新后的候选特征集训练随机森林模型，计算上一轮的候选特征集的AUC值与更新后的候选特征集的AUC值的差值，通过差值调整选择的候选特征的全局权重； 若，表示动态选择特征提升了性能，则提高被选择的候选特征的全局权重，公式为： ， 其中，表示全局学习率，表示第i个候选特征在第h次迭代中的全局权重； 若，表示动态选择特征未提升性能，则降低被选择的候选特征的全局权重，公式为： ， 通过引入衰减因子对未选择的候选特征的局部权重进行调整，根据未选择的次数进行衰减，公式为： ， 其中，表示衰减速率控制参数，表示在第1轮到第h轮迭代中累计未选择次数； 动态调整候选特征的全局权重和局部权重后，进行下一轮动态选择，在达到最大迭代次数时，终止迭代，输出最终选择的特征，并按照时间的顺序进行排序，整合为最终特征集。

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云南民大印务有限公司，其通讯地址为：650100 云南省昆明市西山区西园路51号；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”。