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！

龙图腾网获悉北京理工大学申请的专利基于神经霍克斯过程的云边端系统故障预测方法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：CN116248472B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202211675019.7，技术领域涉及：H04L41/06；该发明授权基于神经霍克斯过程的云边端系统故障预测方法是由吴翔;李荣华;秦宏超;高玉金;金福生;王国仁设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本基于神经霍克斯过程的云边端系统故障预测方法在说明书摘要公布了：本发明公开了基于神经霍克斯过程的云边端系统故障预测方法，将故障时间和故障类型分别以向量进行表示，然后通过向量求和得到故障的初始表示；基于图神经网络对故障的初始表示进行处理，将故障类型之间的相互影响关系附加于故障向量上，从而得到最终的故障向量表示；基于霍克斯过程建立故障预测模型，并通过数据驱动的方法对模型参数优化；最后，基于霍克斯故障预测模型对图神经网络输出的故障向量表示进行预测。本发明采用上述方法，准确建模故障类型之间相互影响关系，故障表示更加丰富和准确，对未来云边端系统中故障预测更加准确。

本发明授权基于神经霍克斯过程的云边端系统故障预测方法在权利要求书中公布了：1.基于神经霍克斯过程的云边端系统故障预测方法，其特征在于，包括： 将故障时间和故障类型进行向量表示，然后通过向量求和得到故障的初始表示； 基于图神经网络对故障的初始表示进行处理，将故障类型之间的相互影响关系附加于故障向量上，从而得到最终的故障向量表示； 基于霍克斯过程建立故障预测模型，并通过数据驱动的方法对模型参数优化； 基于故障预测模型对图神经网络输出的故障向量表示进行预测； 图神经网络通过对历史故障序列学习得到，历史故障序列为故障的初始表示的集合； ； 式中，表示历史故障序列；表示第个故障的初始表示； 以故障为节点，故障之间的关系为边，建立全连接图，作为图神经网络的输入；使用表示图神经网络的当前层，第层网络中的节点的表示通过第层网络节点的邻域节点表示计算得到； ； ； ； 式中，表示节点的邻居集合；表示sigmoid激活函数；表示拼接操作；是图神经网络的参数；表示第层网络节点的表示； 为了使得注意力机制能够获得节点稳定的表示，多头注意力机制被用来平行地输出多个节点的表示，最终每一层的输出为各个注意力头输出拼接的结果； ； 式中，表示多头注意力中头的个数；表示第个多头注意力对应的参数；拼接结果即表示图神经网络最终输出的故障向量表示； 通过数据驱动的方法对模型参数优化，具体为采用ADAM随机梯度下降优化方法； 通过最大似然估计来对模型进行训练；对于在一个时间窗口上的故障序列，给定条件强度函数，对数形式的似然为 ； 其中，n为序列中所有故障的数量； 序列是从全部数据重采样得到的，假设采样了M个序列，则总似然为所有序列上计算所得的似然之和，对总似然进行最大化即可得到训练的目标函数； ； 根据上述目标函数，可以采用适当的优化方法对参数进行优化，这里优化方法采用ADAM随机梯度下降优化方法,因而不需要数据服从预先假设的分布；经过训练使得模型收敛后，便可使用该模型对系统进行故障监测和预判。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。