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！

龙图腾网获悉长江三峡通航管理局申请的专利基于多层动态因果关系网络的通航设备故障异常检测方法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：CN120067948B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510212005.9，技术领域涉及：G06F18/2433；该发明授权基于多层动态因果关系网络的通航设备故障异常检测方法是由王东;陈学文;王立彦;王新;史明;谭红;李萌;李铭奇;赵涛;雷富强;刘池华设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本基于多层动态因果关系网络的通航设备故障异常检测方法在说明书摘要公布了：本发明涉及基于多层动态因果关系网络的通航设备故障异常检测方法，从通航系统中采集多源数据，构建包含系统宏观层和设备层的多层动态因果关系网络；采用消息队列处理通航系统的实时数据流，提取其中的用于实时故障检测的特征数据；使用多层动态因果关系网络，对特征数据进行分析，判断是否存在设备异常，若判断结果为是，则进一步利用多层动态因果关系网络定位设备异常的原因；若存在设备异常，则发出故障警报。本发明实现了对设备故障的实时自动检测与定位，便于工程师处理设备故障，提高了故障处理效率，有效保障通航安全稳定。

本发明授权基于多层动态因果关系网络的通航设备故障异常检测方法在权利要求书中公布了：1.基于多层动态因果关系网络的通航设备故障异常检测方法，其特征在于，包括以下步骤： 步骤S1：从通航系统中采集多源数据，所述多源数据包括通航设备数据、通航设备服务器日志、通航监控数据、通航执行工单和通航船舶信息数据； 步骤S2：对所述多源数据进行预处理，所述预处理包括数据标准化、转化为时间序列和数据的时间戳同步； 步骤S3：构建多层动态因果关系网络，包括构建系统宏观层的动态因果网络以及设备层的动态因果网络；所述系统宏观层的动态因果网络用于识别各通航子系统之间的依赖关系，所述设备层的动态因果网络用于处理通航设备的非线性动态因果关系，识别设备间的潜在故障链条； 步骤S4：采用消息队列处理通航系统的实时数据流，提取其中的用于实时故障检测的特征数据； 步骤S5：使用步骤S3得到的动态因果关系网络，对步骤S4得到的特征数据进行分析，判断是否存在设备异常，若判断结果为是，则进一步利用所述动态因果关系网络定位设备异常的原因； 步骤S6：根据步骤S5的判断结果，若存在设备异常，则发出故障警报； 所述步骤S3使用改进的NOTEARS算法，构建多层动态因果关系网络，所述改进的NOTEARS算法对现有的NOTEARS算法的改进包括以下步骤： 1时间序列数据建模，动态因果关系建模的核心在于处理变化时间维度的数据，在时间轴上学习随时间变化的因果结构；划分时间序列数据为时间片，每个时间片对应某段时间的观测；引入过去的观测值作为滞后变量，建立滞后变量与当前变量的因果关系； 2将NOTEARS算法的图结构扩展为时序结构，NOTEARS算法原始优化问题中动态因果关系为静态图，将所述静态图中的边改为时间依赖边，得到动态图；相应地，添加时间维度约束，以保证动态因果图的无环性；在原有的NOTEARS算法的约束基础上增加跨时间无环性约束条件； 跨时间无环性约束条件为： ； 其中表示当前时间片的动态因果关系，表示上一时间片的动态因果关系；d表示因果关系网络中变量的数量；ht表示t时刻的动态无环性约束函数；Tr表示矩阵迹运算函数； 通过Notears算法，学习每个时间片内的动态因果关系，而后使用动态贝叶斯网络在时间片之间添加有向边，所述有向边用于表示滞后变量与当前变量之间的依赖关系； 3动态优化，对于每个时间片，依然使用Notears原有的优化策略即最小化平方误差或其他损失函数； 用于学习每个时间片的动态因果关系矩阵的优化目标为： ； 其中为包含多个时间片的滞后变量矩阵；为正则化项； loss表示损失函数；表示正则化函数；表示正则化系数； 所述步骤3具体包括以下子步骤： 步骤S301：特征选择及数据转换； 在通航系统宏观层面，根据业务知识和数据探索结果，按照时间维度划分时间片，每个时间片内选择通航子系统级别的关键特征；将每个通航子系统的特征数据表示为特征矩阵Xt_subsystems； 在通航子系统内设备层面，对于每个通航子系统，按照时间维度划分时间片，每个时间片内选择其内部设备的相关数据；为每个通航子系统分别构建设备级别的特征矩阵Xt_devices； 步骤S302：初始化动态因果网络的加权邻接矩阵和拉格朗日乘数，并构建平滑函数； 在通航系统宏观层面，为所述改进的NOTEARS算法的优化问题选择初始加权邻接矩阵Wt0_subsystems和拉格朗日乘数α0；构建系统级别的时间片内的平滑函数hWta，使其能编码无环性约束；构建系统级别的时间片之间的无环约束函数htWta，用于从时间维度上保证动态因果图的无环性约束； 在通航子系统内设备层面，初始化设备级别的加权邻接矩阵Wt0_devices和拉格朗日乘数β0；构建设备级别的时间片内的平滑函数hWtb，使其能编码无环性约束；构建设备级别的时间片之间的无环约束函数htWtb，用于从时间维度上保证动态因果图的无环性约束； 步骤S303：优化加权邻接矩阵，得到动态有向无环图即动态因果网络； 使用数值优化方法来最小化通航系统宏观层面及子系统内设备层面的NOTEARS目标函数，满足hWta=0、hWtb=0的时间片内无环性约束及时间维度上的无环性约束htWta=0、htWtb=0；同时迭代更新系统级别的加权邻接矩阵Wt_devices以及设备级别的加权邻接矩阵Wt_subsystems，将优化后的矩阵Wt_devices及Wt_subsystems经过阈值化处理，得到动态有向无环图，作为动态因果网络； 步骤S304：验证及纠正动态因果网络； 在通航系统宏观层面，使用通航子系统的测试数据对学习到的通航子系统之间的动态因果网络进行验证，若出现错误的因果链，则在错误的因果链上进行人工干预、纠正，最终确定系统级别的动态因果网络； 在通航子系统内设备层面，使用设备级别的测试数据，验证每个通航子系统内部设备之间的动态因果网络，通过人工干预、纠正不合理的动态因果关系链，最终确定设备级别的动态因果网络结构。

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长江三峡通航管理局，其通讯地址为：443000 湖北省宜昌市西陵区上导堤路12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。