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！

龙图腾网获悉西安易诺敬业电子科技有限责任公司申请的专利一种面向工控物联网的工业设备用数据处理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：CN120596900B 。

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：202511101057.5，技术领域涉及：G06F18/213；该发明授权一种面向工控物联网的工业设备用数据处理方法是由赵延南;吴燕;张蔚;潘峰;冯泳设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本一种面向工控物联网的工业设备用数据处理方法在说明书摘要公布了：本发明公开了一种面向工控物联网的工业设备用数据处理方法，包括：采集工业设备传感器数据，并进行标准化处理，得到规范化矩阵；初始化稀疏字典学习模型，设定初始字典结构与稀疏系数，执行初步稀疏分解；构建花朵授粉算法搜索空间，优化分层数、正则权重和切换阈值，更新字典参数；计算最优稀疏系数矩阵，并进行稀疏重构处理；进行数据去噪、压缩与特征提取，输出最终处理结果。本发明通过融合花朵授粉优化算法与稀疏表示字典学习模型，实现了对工业设备数据的高效去噪、压缩与异常特征提取处理。

本发明授权一种面向工控物联网的工业设备用数据处理方法在权利要求书中公布了：1.一种面向工控物联网的工业设备用数据处理方法，其特征在于，包括： 采集工业物联网中工业设备产生的多维度原始传感器数据，对多维度原始传感器数据进行标准化处理，得到规范化数据矩阵，所述多维度原始传感器数据具体包括工业设备的电流数据、电压数据、温度数据、振动数据、压力数据、流量数据和转速数据； 基于规范化数据矩阵，初始化稀疏表示字典学习模型，设置字典矩阵的初始结构和稀疏系数矩阵的初始值，并利用稀疏表示字典学习模型对规范化数据矩阵进行初步稀疏分解，得到初步稀疏表示结果； 建立花朵授粉优化算法的搜索空间，将稀疏表示字典学习模型的分层级数、判别正则化权重、阶段切换阈值作为优化对象，定义误差重构目标函数为适应度函数，采用花朵授粉优化算法进行全局优化和局部优化迭代搜索，依据适应度函数值更新稀疏表示字典学习模型的字典矩阵参数，获得优化后的字典矩阵； 根据优化后的字典矩阵，计算规范化数据矩阵对应的最优稀疏系数矩阵，并利用优化后的稀疏表示字典学习模型对规范化数据矩阵进行稀疏重构和处理； 基于优化后的字典矩阵和最优稀疏系数矩阵，对规范化数据矩阵实现去噪重构、数据压缩以及异常特征提取处理，输出工业设备数据处理结果； 构建多尺度分层字典模块，所述多尺度分层字典模块包括尺度选择单元和分层配置单元，尺度选择单元根据规范化数据矩阵的统计特性、时间分布或频域分布信息，确定字典的尺度数，分层配置单元为每个尺度动态分配字典层数，新增稀疏表示字典学习模型结构参数为分层级数； 构建判别组稀疏正则模块，所述判别组稀疏正则模块包括原子分组单元、组权重分配单元和判别约束单元，原子分组单元将字典原子划分为若干组，组权重分配单元根据组内相关性自适应分配权重，判别约束单元根据工业设备工况类别信息引入判别性正则项，新增稀疏表示字典学习模型超参数为判别正则化权重； 构建自适应优化调度模块，所述自适应优化调度模块包括阶段划分单元、学习率调节单元和阶段切换判别单元，用于将稀疏表示字典学习模型训练过程划分为多个阶段并动态调整训练参数，新增稀疏表示字典学习模型训练参数为阶段切换阈值； 基于多尺度分层字典模块、判别组稀疏正则模块和自适应优化调度模块，集成构建稀疏表示字典学习模型，包括字典矩阵、稀疏系数矩阵、分层级数、判别正则化权重及阶段切换阈值。

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西安易诺敬业电子科技有限责任公司，其通讯地址为：710000 陕西省西安市高新区科技二路72号西安软件园唐乐阁F401；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。