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！

龙图腾网获悉福州大学申请的专利一种基于人工智能算法的机针报表数据分析系统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：CN121455735B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610014624.1，技术领域涉及：G06F11/07；该发明授权一种基于人工智能算法的机针报表数据分析系统是由沈文韬;陈俊;陈炜;雷开元;方龙安;林一诺设计研发完成，并于2026-01-07向国家知识产权局提交的专利申请。

本一种基于人工智能算法的机针报表数据分析系统在说明书摘要公布了：本发明公开了一种基于人工智能算法的机针报表数据分析系统，具体涉及工业生产智能管理与数据处理技术领域，包括数据采集、边缘预处理、云端分析及决策反馈模块：通过多传感器协同采集与穿刺相位锁定同步，获取标准化原始标注数据；经分级预处理与注意力门控算法提纯特征并生成轻量化简报；云端融合物理先验与AI算法实现寿命预测、根因定位，生成多维度报表并通过改进KNN与Apriori算法挖掘关联规则；基于场景自适应联邦增量学习生成工艺调整指令与维护工单，数据回流实现模型迭代。本发明解决了跨面料适配、异常识别模糊等问题，提升针脚质量与生产效率。

本发明授权一种基于人工智能算法的机针报表数据分析系统在权利要求书中公布了：1.一种基于人工智能算法的机针报表数据分析系统，其特征在于，包括： 数据采集模块：基于多传感器协同采集与电机编码器相位锁定同步机制，对机针运行多模态数据进行筛选降噪及报表化标注，得到标准化原始标注数据及相位基准信号； 边缘预处理模块：基于分级预处理与穿刺窗口周期滑动注意力门控算法，对所述标准化原始标注数据及所述相位基准信号进行特征提纯与异常检测，得到预处理特征数据、异常预警等级，并生成轻量化预处理简报； 云端分析模块：基于物理先验融合对抗性特征选择网络、跨面料迁移学习高斯过程回归模型及贝叶斯网络，对所述预处理特征数据及所述轻量化预处理简报进行特征优化、寿命预测与根因定位，得到优化融合特征、剩余寿命预测值及根因定位结论，并生成多维度机针分析报表，通过改进KNN算法与Apriori算法对所述多维度机针分析报表的结构化数据进行异常模式识别与关联规则挖掘，得到报表异常条目、模式标签及关联规则挖掘结果； 其中所述跨面料迁移学习高斯过程回归模型： 跨面料工况聚类：采用K-Means算法对历史数据按面料类型聚类，聚类指标为“穿刺力方差-振动频谱相似度”，通过计算不同面料工况下振动频谱的相似性确定聚类归属，聚类数量K=6，覆盖六种主流面料； 基准模型训练：在各聚类中心工况下训练高斯过程回归基准模型，核函数选用平方指数核，确保模型对典型工况的拟合精度； 动态权重迁移：针对新面料工况，计算其与各基准工况的聚类相似度，动态分配基准模型权重并融合预测，核心权重计算与融合公式： ； 其中，为第个基准模型的权重，为新工况与第个基准工况的相似度，为第个基准模型的预测值； 预测结果输出：模型输出机针剩余使用寿命预测值及置信区间，跨面料工况下预测误差小于或等于±8%，较传统高斯过程回归模型误差降低25%； 其中所述改进KNN算法：采用基于改进KNN的报表异常检测算法，对多维度机针分析报表的核心指标健康评分、合格率、RUL值和工艺参数偏差进行时序分析、识别异常模式，输出异常报表条目及模式标签； 决策反馈模块：基于场景自适应联邦增量学习机制与量化参数优化模型，对所述多维度机针分析报表及所述关联规则挖掘结果进行参数调整计算与工单生成，得到工艺调整指令及维护工单，对所述维护工单执行结果进行标注后回流至云端分析模块，作为物理先验融合对抗性特征选择网络、跨面料迁移学习高斯过程回归模型、贝叶斯网络、改进KNN算法与Apriori算法迭代的训练样本。

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福州大学，其通讯地址为：350100 福建省福州市福州大学城乌龙江北大道2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。