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！

龙图腾网获悉国家能源集团宿迁发电有限公司申请的专利基于异构多系统交叉业务融合技术的厂区安全智能管控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：CN120163449B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510327199.7，技术领域涉及：G06Q10/0635；该发明授权基于异构多系统交叉业务融合技术的厂区安全智能管控方法是由董志军;王涛;周阳;杨柳设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本基于异构多系统交叉业务融合技术的厂区安全智能管控方法在说明书摘要公布了：本申请涉及工业安全技术领域，具体为基于异构多系统交叉业务融合技术的厂区安全智能管控方法，方法包括：采集厂区多源异构数据，并进行时空对齐和融合；基于深度学习算法构建风险评估模型，对人员行为、环境参数和设备状态进行量化风险分析；建立动态分级预警机制，根据风险等级实现告警和自动处置；引入风险趋势预测，分析风险演化趋势；构建安全闭环优化机制，实现管控策略的自适应调整。本申请方法构建了全流程、动态优化的智能安全管控方案，实现了厂区安全管理的全面感知、快速响应和持续优化。

本发明授权基于异构多系统交叉业务融合技术的厂区安全智能管控方法在权利要求书中公布了：1.基于异构多系统交叉业务融合技术的厂区安全智能管控方法，其特征在于，包括： 采集厂区数据，从时间和空间维度对采集的厂区数据进行对齐，将对齐的厂区数据进行融合，作为厂区事件融合数据并提取数据特征，将厂区事件融合数据与提取的特征数据作为厂区事件特征融合数据； 基于深度学习算法，构建风险评估模型，根据厂区事件特征融合数据对厂区进行人员行为、环境参数以及设备状态的风险评估： 采用多模态深度学习算法作为风险评估模型，多模态深度学习算法包括：数据预处理层、特征学习层、模态融合层以及分类输出层； 所述数据预处理层，用于对原始事件特征进行标准化和归一化操作，将映射到统一的特征空间，记处理后的特征为； 对于提取特征，根据特征类型采用不同的编码方式，记编码后的特征为； 所述特征学习层包括：使用独立的子网络对不同模态的数据进行特征学习； 对于物联网终端数据和环境数据的结构化数据，采用多层感知机模型对进行非线性变换：，表示多层感知机特征提取器，是物联网终端数据和环境数据的结构化数据特征；是第个事件的编码后原始事件特征；表示特征空间，表示为终端数据和环境数据的结构化数据的特征维度； 对于监控视频数据，采用3D卷积神经网络模型提取时空特征：，是监控视频数据特征；表示三维卷积网络提取时空特征；表示视频特征空间；表示视频特征维度； 对于门禁刷卡和门禁异常事件的离散数据，采用循环神经网络捕捉时序依赖：是门禁刷卡和门禁异常事件的离散数据特征；表示循环神经网络提取时序特征；为事件的特征空间，为事件的特征维度； 对于提取特征，采用注意力机制自动学习不同特征的重要性权重：是注意力机制提取的特征；其中为注意力参数，为子网络输出维度； 所述模态融合层，用于将不同模态学习到的特征进行融合，得到事件的综合表示：；其中可以是拼接、求和以及注意力融合函数中的任意一种；表示事件综合表示的空间，为综合表示的空间维度； 所述分类输出层包括：基于事件表示，预测其风险系数： ； ； 其中和为分类器参数，为维单纯形，表示预测概率分布，为预测的风险系数，表示事件属于第类风险系数的预测概率，表示从中选取概率最大的类别； 获取工厂历史数据集，并通过人工对历史数据集进行标注，基于已标注的历史事件数据集，为事件数量，采用交叉熵损失函数和反向传播算法训练风险评估模型； 建立动态分级预警机制，根据风险评估结果，对事件进行风险等级划分，基于动态分级预警机制向预设的接收端发送告警信息并触发自动处置流程； 构建厂区风险趋势预测机制，在风险评估基础上，结合厂区事件融合数据与动态分级预警结果，分析厂区风险的演化趋势； 构建厂区安全闭环优化机制，对厂区安全管控进行自适应调整和优化。

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国家能源集团宿迁发电有限公司，其通讯地址为：223803 江苏省宿迁市宿城区洋北镇；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。