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！

龙图腾网获悉华中科技大学申请的专利一种基于时序数据分析的设备故障诊断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：CN115795274B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202211355094.5，技术领域涉及：G06F18/10；该发明授权一种基于时序数据分析的设备故障诊断方法是由刘辉宇;孙淑榕;姜志鹏;荣悦同;莫益军设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种基于时序数据分析的设备故障诊断方法在说明书摘要公布了：本发明公开了工业场景中工业生产的一种基于时序数据分析的设备故障诊断方法，步骤包括：对工业生产系统运行时产生的时序数据库中的数据预处理；对预处理后的数据抽取出有效样本，并使多测点样本时间同步；对有效样本数据依据发生频率、发生时间、持续时间的特征进行关联规则分析，得到测点之间相关性的提升度矩阵，从而抽取出相关的测点；根据相关的测点的数据，推理得到故障归因子图。本发明运用大数据相关的数据挖掘方法，从海量传感数据中挖掘出设备故障的关联，运用人工智能领域的相关方法，对于历史传感数据进行单源、多源的时序分析，结合挖掘的关联联系关系，定位出异常数据对应的一个或多个故障位置。

本发明授权一种基于时序数据分析的设备故障诊断方法在权利要求书中公布了：1.一种基于时序数据分析的设备故障诊断方法，其特征在于，包括以下步骤： S1：对工业生产系统运行时产生的时序数据库中的数据进行预处理，包括对数据的时间戳处理、缺失值处理、可视化分析、平稳性检验； S2：对预处理后的数据，采样抽取出有效的样本，并使用时间窗口对齐，保证多测点样本的时间同步； S3：对抽取的有效样本数据依据发生频率、发生时间、持续时间的特征进行关联规则分析，得到测点之间相关性的提升度矩阵，从而抽取出相关的测点；所述步骤S3具体包括： S31：对于每个系统，从所有数据中抽取多段触发了报警的记录，对于报警记录时间点t，向前后各扩充一小时，即取[t-60,t+60]分钟的设备运行记录； S32：对于拓扑结构上有先后关系的，按一定的时间差进行对齐； S33：对于对齐后的数据，抽取枯水期三到四个月的数据，统计测点值异常、报警信息的次数，将一个设备测点作为一个项集； S34：列出只包含一个元素的项集； S35：依次类推，列出包含2~n个元素的项集； S36：计算每个项在项集集合中出现的频率作为支持度，项集{A,B}的支持为PAamp;B，保留那些满足最小支持度阈值条件的项集，淘汰不满足的项集，得到候选项集； S37：向所述候选项集中增加一个元素，并产生所有可能的项集组合； S38：重复步骤S36和步骤S37，为越来越大的项集确定支持度，直到没有待检查的新项集； S39：计算项集的提升度，计算公式：提升度{A,B}=支持度{A,B}支持度{A}*支持度{B}，提升度能够反应关联规则种两事务的相关性，提升度大于1表明事务的正相关性越高，提升度小于1且如果越小则表明负相关性越高，若提升度等于1，则表明没有相关性，由于工业生产辅助系统设备之间几乎不存在互斥关系，所以仅将大于1的事务作为有效的相关规则，保留该项集； S310：对于保留的项集计算项集的置信度，计算公式：置信度{A,B}=支持度{A,B}支持度{A}，根据多个项集计算得到关联矩阵； S4：根据相关的测点的数据，结合测点相关性推理得到故障归因子图；所述步骤S4，具体包括： S41：根据所述关联矩阵，抽取出提升度大于1的相关测点项集观察，并转换为因果拓扑子图，形成关联性示意图； S42：对于抽取到的关联关系进行校验，与人工抽取分析得到的关联图进行比对； 所述人工抽取的关联图是以一个测点为源点，以报警时间前后一个小时为范围，抽取出时序上相关的测点；根据时序先后制成拓扑关联图；使用自动抽取的关联图更新，作为最终的故障归因子图。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。