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！

龙图腾网获悉中海物业管理有限公司;深圳市海博工程科技有限公司;深圳市兴海机电工程有限公司申请的专利基于多源数据融合与深度学习的电梯故障预测方法、装置和存储介质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：CN121404918B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511998689.6，技术领域涉及：B66B5/00；该发明授权基于多源数据融合与深度学习的电梯故障预测方法、装置和存储介质是由刘洪兴;刘碧蓉;范曙红;曾海;熊卫军设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于多源数据融合与深度学习的电梯故障预测方法、装置和存储介质在说明书摘要公布了：本发明涉及物业智能管理技术领域，提供了一种基于多源数据融合与深度学习的电梯故障预测方法、装置和存储介质。所述方法包括：一种基于多源数据融合与深度学习的电梯故障预测方法，包括：S1：通过部署在电梯多维节点的传感器群，采集多源异构数据；S2：利用图神经网络对所述多源异构数据进行时空特征融合，生成融合特征向量；S3：构建结合随机微分方程与注意力机制的深度学习模型，将所述融合特征向量输入所述深度学习模型进行时序分析；S4：基于所述深度学习模型的输出，通过故障概率计算模块实现电梯故障类型识别与剩余寿命预测。进而，提升电梯故障预测中数据利用与模型泛化能力。

本发明授权基于多源数据融合与深度学习的电梯故障预测方法、装置和存储介质在权利要求书中公布了：1.一种基于多源数据融合与深度学习的电梯故障预测方法，其特征在于，所述基于多源数据融合与深度学习的电梯故障预测方法包括步骤： S1：通过部署在电梯多维节点的传感器群，采集多源异构数据； S2：利用图神经网络对所述多源异构数据进行时空特征融合，生成融合特征向量； S3：构建结合随机微分方程与注意力机制的深度学习模型，将所述融合特征向量输入所述深度学习模型进行时序分析； S4：基于所述深度学习模型的输出，通过故障概率计算模块进行电梯故障类型识别与剩余寿命预测； 所述步骤S3中对所述深度学习模型的构建进一步包括步骤： S31：基于所述融合特征向量，构建包含时空注意力机制的门控循环网络，其中时间注意力权重通过查询-键值匹配机制动态计算； S32：在所述门控循环网络的隐藏层输出基础上，集成所述随机微分方程建立状态演化模型，通过伊藤积分离散化所述状态演化模型； S33：采用残差连接架构融合所述门控循环网络的输出与所述状态演化模型的预测结果，形成混合潜在状态表示； S34：通过多层感知器将所述混合潜在状态表示映射为故障概率分布和剩余寿命估计值。

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中海物业管理有限公司;深圳市海博工程科技有限公司;深圳市兴海机电工程有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道海珠社区创业路1688号中国海外大厦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。