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！

龙图腾网获悉厦门理工学院申请的专利基于装配知识图谱的异常风险预测方法、装置、设备、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：CN121542974B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202610070103.8，技术领域涉及：G06F18/2433；该发明授权基于装配知识图谱的异常风险预测方法、装置、设备、介质是由尹华一;张成;王大寒;刘键涛;戴厚德;王磊;曹二众;王永祥;李金文;高辉钦设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于装配知识图谱的异常风险预测方法、装置、设备、介质在说明书摘要公布了：基于装配知识图谱的异常风险预测方法、装置、设备、介质，涉及数据处理技术领域。方法包含：获取多源异构数据，通过统一的主键集合进行关联与对齐并进行切分，生成时间切片数据集。构建装配领域本体和装配知识图谱模式层，利用时间切片数据集对装配领域本体进行实例化，构建装配知识图谱快照序列。基于装配知识图谱快照序列，对装配过程中的变量间影响关系进行建模与更新，得到装配过程影响关系结构。结合装配知识图谱快照序列与装配过程影响关系结构，进行编码并基于历史时间窗口的嵌入表示预测下一时间窗口的状态表示，计算异常风险评分。风险超过阈值时进行影响路径追踪，筛选可控决策变量，生成候选干预方案并评估其效果，输出决策建议。

本发明授权基于装配知识图谱的异常风险预测方法、装置、设备、介质在权利要求书中公布了：1.一种基于装配知识图谱的异常风险预测方法，其特征在于，包含： S1、获取工业现场的多源异构数据，通过统一的主键集合对所述多源异构数据进行关联与对齐，并按照固定长度的时间窗口进行切分，生成时间切片数据集； S2、构建装配领域本体和装配知识图谱模式层，利用所述时间切片数据集对装配领域本体进行实例化，构建随时间窗口滚动的装配知识图谱快照序列； S3、基于所述装配知识图谱快照序列，对装配过程中的变量间影响关系进行建模与更新，得到包含量化影响强度的装配过程影响关系结构； S4、结合所述装配知识图谱快照序列与所述装配过程影响关系结构，对监控节点进行图结构特征编码，并基于历史时间窗口的嵌入表示预测下一时间窗口的状态表示，计算异常风险评分以识别异常风险； S5、当识别到异常风险超过阈值时，基于所述装配过程影响关系结构进行影响路径追踪，筛选可控决策变量，生成候选干预方案并评估其效果，输出决策建议； S3包括： 在每个时间窗口，根据装配知识图谱中的实体类型、关系类型以及工艺约束，在快照中选择一组候选自变量集合和一组目标变量集合； 对于每一个目标变量，在时间窗口上采用简化的线性影响关系模型进行稀疏影响关系估计；；式中，为由知识图谱关系筛选得到的候选自变量集合；为待估计的影响系数，反映在窗口内自变量对目标变量的影响方向和强度；为残差项； 通过带稀疏约束的回归算法从样本数据中自动学习系数向量，将非零或绝对值超过设定阈值的系数视为存在显著影响的证据； 根据系数向量，在装配知识图谱中增加或更新带权有向边，得到该时间窗口下的装配过程影响关系结构，并结合结构先验约束与工艺常识约束对影响关系进行修正； 步骤S5包括： 以发生高风险的质量指标节点或异常事件节点作为终点节点，在装配过程影响关系结构上沿加权有向边进行逆向搜索，根据路径上各边的影响权重计算路径综合贡献度，筛选出候选原因节点集合； 从候选原因节点集合中筛选出可通过参数调整、工艺变更或维护操作改变的变量，构成决策变量向量； 生成若干候选干预方案，并利用影响关系结构及局部线性近似估计关键指标的变化趋势，计算多目标评价函数； ； 式中，为综合异常风险指标；为生产效率指标；为实施成本；为第一权重系数；为第二权重系数；为第三权重系数； 选取评价函数最优的方案作为决策建议输出。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。