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！

龙图腾网获悉山东能源数智云科技有限公司申请的专利基于工业互联的设备综合效率评估方法及装置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：CN118917555B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411405059.9，技术领域涉及：G06Q10/063；该发明授权基于工业互联的设备综合效率评估方法及装置是由王玉石;尹旭;廖玉波;朱运恒;李国文;赵清秀设计研发完成，并于2024-10-10向国家知识产权局提交的专利申请。

本基于工业互联的设备综合效率评估方法及装置在说明书摘要公布了：本发明提供了一种基于工业互联的设备综合效率评估方法及装置，涉及数据处理技术领域，通过获取工业设备的设备运行参数；由特征提取模型提取目标特征；基于目标特征的数据流变化，调整自编码器的网络层连接方式，并捕捉目标特征中的关键低维表示。通过极限学习机对数据初步预测，基于初步预测的结果调整极限学习机的分类阈值，以确定工业设备的效率等级。本发明能够适应数据流变化，有效地捕捉低维特征表示，并能够对数据分布变化的快速响应。此外，特征提取模型的神经元基于层深分配有压力值，并通过模拟地壳内部应力优化神经网络参数，能够捕捉设备运行中的复杂数据关系，提高分类的灵活性和准确性。

本发明授权基于工业互联的设备综合效率评估方法及装置在权利要求书中公布了：1.一种基于工业互联的设备综合效率评估方法，其特征在于，所述方法包括： 获取工业设备的设备运行参数； 通过预先构建的特征提取模型提取所述设备运行参数中的目标特征；其中，所述特征提取模型的神经元基于层深分配有压力值，且，通过模拟地壳内部应力优化神经网络参数；所述层深用于表征神经元的层数数量； 将所述目标特征输入至预设的自编码器中，基于所述目标特征的数据流变化，调整所述自编码器的网络层连接方式，以及，捕捉所述目标特征中的关键低维表示； 将所述关键低维表示输入至预设的极限学习机中进行初步预测，基于所述初步预测的结果对所述极限学习机的分类阈值进行调整； 基于调整的分类阈值对所述关键低维表示进行分类，确定所述工业设备的效率等级； 所述特征提取模型的构建方法，包括： 获取预设的训练样本集和特征提取神经网络； 基于所述特征提取神经网络的每层神经元的层深参数，对每层所述神经元分配压力值； 通过所述训练样本集对所述特征提取神经网络进行训练，基于所述特征提取神经网络的损失函数值，计算所述压力值的调整值； 基于所述调整值优化所述特征提取神经网络的神经网络参数，直到所述特征提取神经网络达到预设要求，构建特征提取模型； 其中，基于所述特征提取神经网络的损失函数值，计算所述压力值的调整值的步骤，包括： 其中，是神经网络的学习率，为第层神经网络的压力值的调整值，表征压力调整增量，为损失函数的梯度； 基于所述调整值优化所述特征提取神经网络的神经网络参数的步骤，包括： 其中，为参数更新符号，是根据压力调整的比例因子，表示元素乘积，为第层神经元的权重，为第层神经元的偏置，为第层神经元的权重的梯度，为第层神经元的偏置的梯度；是第层第个神经元的压力调整因子； 其中，所述方法还包括： 基于所述神经元的活性度计算所述神经元的压力调整因子； 基于所述压力调整因子和所述调整值，对所述特征提取神经网络的参数进行更新； 其中，所述压力调整因子通过下式确定： 式中，是神经元的正则化系数，是第层的神经元总数，层第个神经元的活性度； 式中，是第层第个神经元的净输入； 基于所述初步预测的结果对所述极限学习机的分类阈值进行调整的步骤，包括： 将所述初步预测的结果与预测输出进行比较，确定误差大小； 基于所述误差大小及所述误差大小的方差，计算新的分类阈值，以对所述极限学习机的分类阈值进行调整； 其中，将所述目标特征输入至预设的自编码器中，基于所述目标特征的数据流变化，调整所述自编码器的网络层连接方式的步骤，包括： 将所述目标特征输入至预设的自编码器中，经过所述自编码器的多层神经网络进行编码； 通过自适应激活函数对所述自编码器的每层神经网络进行动态拓扑重构，调整所述自编码器的网络层的连接结构。

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山东能源数智云科技有限公司，其通讯地址为：250000 山东省济南市自由贸易试验区济南片区经十路汉峪金谷A1-4-1501；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”。

以上内容由龙图腾AI智能生成。