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！

龙图腾网获悉厦门纵能仪表有限公司申请的专利一种高精密仪表装配故障回溯方法及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：CN121073403B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511604912.4，技术领域涉及：G06Q10/10；该发明授权一种高精密仪表装配故障回溯方法及系统是由胡华能;游衍彬;何梓洋设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种高精密仪表装配故障回溯方法及系统在说明书摘要公布了：本发明公开了一种高精密仪表装配故障回溯方法及系统，属于精密制造领域，针对传统回溯方法中装配数据零散不可靠、故障根源定位模糊、新场景适配依赖大量数据的问题，本发明的方法包括：多源采集装配结构化数据、视频图像及环境数据，滤除低质图像并为产品分配唯一标识符；融合多模态数据生成深度特征矩阵；构建异常检测模型输出风险评分与标签；将数据哈希后存入产品专属私有区块链；故障时通过唯一标识符提取链上数据，用图神经网络重构装配流程并对比标准定位根源；基于故障报告增量训练模型，结合元强化学习优化参数。本发明保障数据真实性，提升故障回溯精准度与效率，快速适配新场景，降低生产返工率，维持装配质量稳定。

本发明授权一种高精密仪表装配故障回溯方法及系统在权利要求书中公布了：1.一种高精密仪表装配故障回溯方法，其特征在于，包括以下步骤： 步骤1，通过多源数据采集设备实时采集装配过程的结构化数据、视频图像及环境数据，并为每个仪表产品分配唯一标识符和工序标签；利用边缘计算设备读取组件信息生成并实时更新组件动态信息标签；调用轻量级图像质量检测算法过滤低质量图像帧，输出带唯一标识符的多模态数据集； 步骤2，对多模态数据集进行预处理后，提取视频的时空特征和文本特征，与结构化数据拼接为初始统一特征向量；结合环境数据对初始统一特征向量进行标准化、归一化处理以消除环境干扰；引入跨模态注意力机制，生成深度特征矩阵； 步骤3，构建并训练一个包含自编码器模块和时序网络模块的异常检测模型；将深度特征矩阵输入训练好的模型，分别计算重构误差和预测误差并加权求和得到装配预警系数；采用自适应阈值算法确定动态异常阈值；调用图神经网络，以工序为节点、以工序间的动态逻辑依赖关系为边，基于深度特征矩阵构建工序关系图模型；采用分层识别机制，在工序关系图模型中同时计算单个工序的节点特征偏差和工序间的依赖关系偏差；引入可解释AI技术，分析装配预警系数、节点特征偏差和依赖关系偏差的特征贡献度，输出可量化的风险评分；对比装配预警系数与动态异常阈值，输出异常正常二进制标签； 步骤4，提取步骤3输出的异常检测结果及步骤1的多源原始数据，统一数据格式并去除冗余字段后生成待哈希数据集；采用哈希算法计算待哈希数据集生成唯一哈希值，并同步记录数据采集时间戳与设备信息；依据唯一标识符为每个仪表产品创建专属私有区块链，定义区块结构并封装哈希值、时间戳、设备信息及装配数据为数据区块；编写包含数据一致性验证规则的智能合约并部署至私有区块链；将数据区块上传至区块链，经智能合约自动校验通过后完成上链，实现数据的不可篡改存储； 步骤5，当仪表发生故障时，触发回溯流程，根据故障仪表的基础信息检索其唯一标识符；从该仪表的私有区块链中提取全流程装配数据；调用图神经网络，基于全流程装配数据重新构建该故障仪表的真实装配流程模型；调取标准装配流程，与重构的真实装配流程模型进行逐工序对比，识别出存在偏差的工序节点和有问题的工序间依赖关系，生成偏差点清单；结合步骤3输出的风险评分及从区块链中提取的视频回放，对偏差点清单进行交叉验证和因果分析，精准定位导致故障的根源工序和根本原因，并生成包含故障工序、根因描述和改进建议的结构化分析报告； 步骤6，将步骤5生成的结构化分析报告作为标注数据，提取关键信息形成重训练数据集，对步骤3中的异常检测模型进行增量训练以更新模型参数；根据装配质量目标确定多目标优化参数及权重配置，采用多目标强化学习算法，结合生产线实时性能数据，对装配流程参数进行在线优化；引入元强化学习技术，收集新场景下的少量装配数据，快速学习新场景的装配特征，生成适配新场景的模型调整参数；依据生产线实时性能数据，动态更新异常检测模型的参数及异常判定阈值。

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厦门纵能仪表有限公司，其通讯地址为：361100 福建省厦门市火炬高新区同翔高新城兴棋路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。