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！

龙图腾网获悉中国水利水电第七工程局有限公司;中电建铁路建设投资集团有限公司;中电建铁路建设投资集团北京数据工程有限公司申请的专利基于因果时空Transformer的机电设备异常行为检测与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：CN120705784B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511197144.5，技术领域涉及：G06F18/2433；该发明授权基于因果时空Transformer的机电设备异常行为检测与故障预测方法是由王焕强;李鹏飞;钱海艇;姚望;余杰;张丹萍;蒋瑶玥;鲜梦才;邱皓;郑裕鹏设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本基于因果时空Transformer的机电设备异常行为检测与故障预测方法在说明书摘要公布了：本发明公开了基于因果时空Transformer的机电设备异常行为检测与故障预测方法，属于机电设备异常检测技术领域，包括：S1、根据机电设备的物理结构和功能部件之间的因果关系，构建初始因果图；S2、基于机电设备的历史运行数据对初始因果图进行修正，生成因果图；S3、将因果图作为先验信息引入Transformer模型中，并通过完成训练的Transformer模型对待检测机电设备的传感器时序数据进行预测，输出对应的高维特征表示；S4、根据高维特征表示，计算每个部件的异常权重，并进行部件级异常识别及故障预测。本发明方法突破了传统时序模型机电设备异常检测中仅拟合数据相关性而忽略因果关系的局限性，通过融合因果推理机制与特征建模，实现对设备故障链式传播机理的显式建模。

本发明授权基于因果时空Transformer的机电设备异常行为检测与故障预测方法在权利要求书中公布了：1.基于因果时空Transformer的机电设备异常行为检测与故障预测方法，其特征在于，包括以下步骤： S1、根据机电设备的物理结构和功能部件之间的因果关系，构建初始因果图； S2、基于机电设备的历史运行数据对初始因果图进行修正，生成因果图； S3、将因果图作为先验信息引入Transformer模型中，并通过完成训练的Transformer模型对待检测机电设备的传感器时序数据进行预测，输出对应的高维特征表示； S4、根据高维特征表示，计算每个部件的异常权重，并进行部件级异常识别及故障预测； 所述步骤S1中，在所述初始因果图AV,E中，节点V表示机电设备的关键机械部件，边E表示故障传播路径； 所述初始因果图AV,E中，部件到部件的边权重为： 对于所述初始因果图AV,E中的隐形因果关系，其对应的部件到部件的隐性边权重为： 式中，表示初始边权重的调整系数，表示基于历史运行数据X识别出的部件的已有数据和部件的已有数据的故障传递的实际强度，分别表示部件和部件的已有数据，表示部件到部件的初始边权重，表示初始隐性边的权重调整系数，表示基于历史运行数据X识别出的部件的已有数据和部件的已有数据的隐性因果关系的强度，表示部件到部件的初始隐性边权重； 所述步骤S3中，Transformer模型对输入的传感器时序数据的处理过程具体为： S31、通过嵌入层将传感器时序数据映射至高维特征空间，并引入位置编码，得到初始输入表示； S32、在多头自注意力机制的每一层中，将初始输入表示分别映射为查询向量、键向量和值向量； S33、基于查询向量、键向量和值向量计算注意力权重，以及基于因果图构建的掩码矩阵计算注意力权重； S34、基于注意力权重，将多个注意头并行计算后拼接，并经线性映射后输出； S35、将线性映射后的输出输入至前馈神经网络处理，并通过残差连接与层归一化，输出对应的高维特征表示。

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国水利水电第七工程局有限公司;中电建铁路建设投资集团有限公司;中电建铁路建设投资集团北京数据工程有限公司，其通讯地址为：611730 四川省成都市郫都区郫筒镇北大街成灌东路349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”。

以上内容由龙图腾AI智能生成。