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！

龙图腾网获悉成都赛迪育宏检测技术有限公司申请的专利一种基于知识图谱的电磁兼容故障预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：CN121525825B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610055342.6，技术领域涉及：G06Q10/20；该发明授权一种基于知识图谱的电磁兼容故障预测方法是由杜正平;雷维设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种基于知识图谱的电磁兼容故障预测方法在说明书摘要公布了：本申请公开了一种基于知识图谱的电磁兼容故障预测方法，涉及电磁兼容故障诊断与人工智能技术领域，通过多源异构数据构建电磁兼容故障知识图谱，不仅实现了数据的结构化融合，还为贝叶斯网络提供了具有物理意义的节点和关系，使得目标贝叶斯网络具备可解释性，能够追溯故障来源，还采用ALS‑PSO对目标贝叶斯网络进行优化，可以有效地提升目标贝叶斯网络的训练精度，从而可以使训练之后的目标贝叶斯网络精准实现电磁兼容故障的预测。

本发明授权一种基于知识图谱的电磁兼容故障预测方法在权利要求书中公布了：1.一种基于知识图谱的电磁兼容故障预测方法，其特征在于，包括： 采集电磁兼容相关的多源异构数据；所述多源异构数据包括电磁兼容测试数据、设备运行日志及故障维修记录； 采用自然语言处理算法对所述多源异构数据进行实体与关系抽取，并构建电磁兼容故障知识图谱； 基于所述电磁兼容故障知识图谱中的实体与关系映射，确定贝叶斯网络的基本节点与初始网络结构，得到目标贝叶斯网络； 采用ALS-PSO对所述目标贝叶斯网络的条件概率参数进行训练，确定训练之后的目标贝叶斯网络； 获取待测设备的实时电磁兼容状态特征，并将所述实时电磁兼容状态特征输入至训练之后的目标贝叶斯网络进行概率推理，输出电磁兼容故障预测结果； 采用ALS-PSO对所述目标贝叶斯网络的条件概率参数进行训练，确定训练之后的目标贝叶斯网络，包括： 对所述目标贝叶斯网络的条件概率参数进行编码，初始化粒子群； 针对粒子群中任意一个粒子，根据所述知识图谱获取粒子对应的适应度，并确定适应度最大的粒子为最优粒子； 以所述最优粒子为基础，采用基于最小二乘的历史基因变异与社会信息学习交叉策略对所述粒子进行自适应更新，得到自适应更新之后的粒子； 采用莱维飞行控制的极坐标搜索策略对所述自适应更新之后的粒子进行已知最优解空间开发，得到已知最优解空间开发之后的粒子； 采用基于时间响应的边界搜索策略对所述已知最优解空间开发之后的粒子进行协调搜索，得到协调搜索之后的粒子； 确定总训练次数，并根据所述总训练次数确定训练阶段；其中，所述训练阶段包括训练完成阶段或训练未完成阶段； 在所述训练阶段为训练未完成阶段的情况下，则返回获取最优粒子的步骤； 在所述训练阶段为训练完成阶段的情况下，则根据所述协调搜索之后的粒子重新确定最优粒子，并将重新确定的最优粒子中的参数作为目标贝叶斯网络的最终条件概率参数，得到训练之后的目标贝叶斯网络； 采用基于时间响应的边界搜索策略对所述已知最优解空间开发之后的粒子进行协调搜索，得到协调搜索之后的粒子，包括： 获取时间响应因子为： ； 其中，表示时间响应因子，表示服从高斯分布的随机数，表示正弦函数，表示圆周率，表示预设的最大训练次数，表示总训练次数，cos表示余弦函数，表示0,1之间的第四随机数，表示0,1之间的第五随机数，log表示对数函数，表示响应峰值控制系数； 根据所述时间响应因子，并结合边界信息，对所述已知最优解空间开发之后的粒子进行协调搜索，得到协调搜索之后的粒子为： ； ； 其中，表示第t次训练过程中第j个已知最优解空间开发之后的粒子的第d维参数，表示第j个协调搜索之后的粒子的第d维参数，表示第d维边界信息采集因子，s表示协调搜索阶数，表示总协调搜索阶数，表示最优粒子的第d维参数，表示第d维参数的上边界。

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赛迪育宏检测技术有限公司，其通讯地址为：610095 四川省成都市高新区新航路18号201栋1单元1层1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。