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！

龙图腾网恭喜成都航天凯特机电科技有限公司申请的专利基于AI伺服驱动器故障在线快速诊断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：CN119336007B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411911252.X，技术领域涉及：G05B23/02；该发明授权基于AI伺服驱动器故障在线快速诊断方法及系统是由蒋礼平;林辉;陈勇;张云辉设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于AI伺服驱动器故障在线快速诊断方法及系统在说明书摘要公布了：本发明提供一种基于AI伺服驱动器故障在线快速诊断方法及系统，通过获取伺服驱动器控制系统的候选系统故障监控数据，并转换为诊断难易度指数和故障描述知识属性，实现了对故障数据的量化评估。当诊断难易度指数超过预设指数且故障数据缺乏动态变化信息时，本发明能进一步利用多个故障渗透推导数据与其匹配的关联故障知识网络，通过计算这些关联故障知识网络之间的状态特征距离，有效识别并整合相似的故障模式，显著提高了故障诊断的准确性和效率，特别是在复杂多变的故障场景下，能够快速定位故障原因，为伺服驱动器的即时维修与恢复提供了数据支撑，从而降低了系统停机时间，提升了设备的整体运行可靠性和稳定性。

本发明授权基于AI伺服驱动器故障在线快速诊断方法及系统在权利要求书中公布了：1.一种基于AI伺服驱动器故障在线快速诊断方法，其特征在于，所述方法包括：获取伺服驱动器控制系统的候选系统故障监控数据，并获取所述候选系统故障监控数据的故障逻辑矢量，将所述故障逻辑矢量转换为所述候选系统故障监控数据的诊断难易度指数和故障描述知识属性；若所述诊断难易度指数大于预设指数、所述故障描述知识属性反映所述候选系统故障监控数据不包含动态变化信息、且所述候选系统故障监控数据包括多个故障渗透推导数据，获取所述多个故障渗透推导数据分别对应的关联故障知识网络，所述故障渗透推导数据与所对应的关联故障知识网络之间的特征匹配度大于预设匹配度；确定所述多个故障渗透推导数据分别对应的关联故障知识网络之间的状态特征距离；若所述状态特征距离小于预设特征距离，将所述多个故障渗透推导数据分别对应的关联故障知识网络作为相应故障渗透推导数据的故障诊断参考数据；所述获取所述候选系统故障监控数据的故障逻辑矢量，包括：将所述候选系统故障监控数据转换为结构化表达数据集合；依据所述结构化表达数据集合通过故障逻辑推导模型进行故障逻辑推导，生成所述候选系统故障监控数据的故障逻辑矢量；所述将所述故障逻辑矢量转换为所述候选系统故障监控数据的诊断难易度指数和故障描述知识属性，包括：通过第一故障诊断模型中的递归子模型对所述故障逻辑矢量进行递归处理，生成第一递归矢量数据，通过所述第一故障诊断模型中的映射子模型将所述第一递归矢量数据转换为多个标签诊断难易度指数的第一置信度，将最大的第一置信度对应的标签诊断难易度指数作为所述候选系统故障监控数据的诊断难易度指数，所述诊断难易度指数用于反映所述候选系统故障监控数据能够用于生成故障诊断参考数据的评估分数；通过第二故障诊断模型中的递归子模型对所述故障逻辑矢量进行递归处理，生成第二递归矢量数据，通过所述第一故障诊断模型中的映射子模型将所述第二递归矢量数据转换为映射多个故障描述知识属性的第二置信度，将最大的第二置信度对应的故障描述知识属性作为所述候选系统故障监控数据的故障描述知识属性，所述故障描述知识属性包括：包含动态变化信息和不包含动态变化信息；所述确定所述多个故障渗透推导数据分别对应的关联故障知识网络之间的状态特征距离，包括：对于每个所述关联故障知识网络，确定所述关联故障知识网络中每个故障状态节点的状态参数的加权平均结果，将所述每个故障状态节点的状态参数的加权平均结果进行组合生成所述关联故障知识网络的状态特征；确定所述多个故障渗透推导数据分别对应的关联故障知识网络的状态特征的离散值，将所述离散值作为所述多个故障渗透推导数据分别对应的关联故障知识网络之间的状态特征距离；所述方法还包括：从每个故障渗透推导数据对应的关联故障知识网络中提取出关键故障特征信息，所述关键故障特征信息包括故障发生的可能部件、故障表现形式、故障与其它相关因素的关联；将各个故障渗透推导数据对应的关联故障知识网络中的故障特征信息进行整合，构建故障特征关联图谱，其中，在构建所述故障特征关联图谱的过程中，按照故障特征之间的逻辑关系进行连接；对构建好的故障特征关联图谱进行深度遍历分析，从所述故障特征关联图谱中的起始节点开始，沿着故障特征之间的连接关系进行搜索，识别出潜在的故障传播方向，并在搜索过程中确定不同故障特征之间的权重关系，所述权重关系根据故障发生的概率以及对所述伺服驱动器控制系统的影响程度进行确定，由此通过分析故障特征关联图谱中的连接关系和权重关系，确定出从初始故障点到导致的其它故障点的传播路径信息，所述传播路径信息包括每个传播路径上的故障节点顺序、故障节点之间的关联关系以及沿着传播路径传播的概率信息；根据确定的传播路径信息，对每个故障传播路径进行评估以确定潜在的故障风险区域，其中，具体对于每条故障传播路径，分析该故障传播路径上的各个故障节点以及故障节点之间的连接部分，并结合故障节点所代表的部件在伺服驱动器控制系统中的重要性、故障发生在该故障节点时对整个伺服驱动器控制系统的影响范围确定目标故障节点，将所述目标故障节点及周边关联故障节点确定为潜在故障风险区域，并对每个潜在故障风险区域进行描述，获得包括每个潜在故障风险区域内包含的部件、故障的传播方向以及故障造成的影响信息的描述信息；根据确定的潜在故障风险区域，生成相应的预维护策略后，利用所述伺服驱动器控制系统的仿真模型对所述预维护策略进行模拟验证，具体将所述预维护策略中的各个维护措施和维护操作按照设定的时间参数和顺序参数输入到所述仿真模型中，监测在模拟预维护过程中，所述伺服驱动器控制系统的运行状态变化数据，并根据模拟结果，判断所述预维护策略是否验证有效，将在模拟环境中验证有效的预维护策略应用于实际的伺服驱动器控制系统中。

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成都航天凯特机电科技有限公司，其通讯地址为：611730 四川省成都市郫都区现代工业港新经济产业园西源大道一段1207号国盾融合创新中心一期B5-1、B5-2栋；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”。