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！

龙图腾网恭喜中雄科技集团股份有限公司申请的专利基于AI人工智能的智慧化边缘计算方法、系统及终端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：CN119376951B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411900970.7，技术领域涉及：G06F9/50；该发明授权基于AI人工智能的智慧化边缘计算方法、系统及终端是由陈孺富;翟瑾;张仓卫设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于AI人工智能的智慧化边缘计算方法、系统及终端在说明书摘要公布了：本发明涉及边缘计算技术领域，具体地说，涉及基于AI人工智能的智慧化边缘计算方法、系统及终端。其包括以下步骤：通过边缘设备收集运行数据；基于运行数据使用长短期记忆网络模型来预测设备故障，并在云端上对长短期记忆网络模型进行训练；将训练后的长短期记忆网络模型部署至边缘设备中；边缘设备中的长短期记忆网络模型持续对新采集的数据进行即时分析，并做出快速响应。本发明设计通过将训练后的长短期记忆网络模型部署到边缘设备中，可以实现对新采集数据的即时分析和快速响应。这大大减少了数据传输到云端再返回处理结果的时间延迟，对于需要实时决策的应用场景尤为重要。

本发明授权基于AI人工智能的智慧化边缘计算方法、系统及终端在权利要求书中公布了：1.基于AI人工智能的智慧化边缘计算方法，其特征在于，包括以下步骤：S1、通过边缘设备收集运行数据；S2、基于运行数据使用长短期记忆网络模型来预测设备故障，并在云端上对长短期记忆网络模型进行训练，通过融合多源信息来优化长短期记忆网络模型的训练过程，使模型更好地适应数据漂移的情况；S3、将训练后的长短期记忆网络模型部署至边缘设备中；S4、边缘设备中的长短期记忆网络模型持续对新采集的数据进行即时分析，并做出快速响应；所述S2中，基于运行数据使用长短期记忆网络模型来预测设备故障，并在云端上对长短期记忆网络模型进行训练，包括以下步骤：S2.1、对运行数据进行预处理；S2.2、提取运行数据中能够反映设备状态的特征；S2.3、确定长短期记忆网络的具体结构，明确输入到长短期记忆网络中的时间序列长度以及输出格式，设定超参数；S2.4、经过预处理并已提取特征的运行数据集划分为训练集、验证集和测试集；S2.5、在云平台上利用计算资源对长短期记忆网络模型进行训练，定义损失函数，针对数据漂移问题，对损失函数进行优化，并通过融合多源信息来优化损失函数，使模型更好地适应数据漂移的情况，在训练的过程中对模型进行算法优化，并通过分布式训练技术提高模型训练的效率，通过TLSSSL加密协议来保护数据传输的安全性；S2.6、使用训练集数据优化模型参数，同时使用验证集调整超参数；所述S2.5中，损失函数为： ；其中，表示模型预测结果与真实结果之间的差异程度；表示参与训练的数据集包含的数据样本数量；表示故障类型的种类数；表示第个样本在第个类别上的真实标签值；表示模型预测第个样本属于第个类别的概率值；表示种类数的索引；表示样本索引；针对数据漂移问题，对损失函数进行优化： ；其中，表示针对数据漂移问题后模型预测结果与真实结果之间的差异程度；表示调整数据漂移带来影响的参数；通过融合多源信息来优化损失函数，使模型更好地适应数据漂移的情况： ；其中，表示融合多源信息后模型预测结果与真实结果之间的差异程度；表示额外信息源的数量；表示衡量第个额外信息源在整个损失函数中重要性的权重参数；表示第个额外信息源中第个样本的数据值；表示模型对第个额外信息源中第个样本的预测值；所述S2.5中，通过分布式训练技术提高模型训练的效率，包括以下步骤：S2.51、根据计算资源，将训练数据集均匀分割成多个子集，每个计算节点处理一个子集；S2.52、在每个计算节点上部署长短期记忆网络模型的完整副本；S2.53、每个节点独立对其分配的数据子集执行前向传播，计算对应的损失值；S2.54、基于各自的损失值，每个节点独立计算梯度；S2.55、使用层次化All-Reduce算法将所有节点计算的梯度进行聚合，由于节点数量越多，通信开销越大，梯度聚合的时间越长，导致通信复杂度呈指数增长，对层次化All-Reduce算法进行优化；S2.56、根据聚合后的梯度信息，使用同步更新算法更新模型参数，并针对参数更新在最小值附近来回振荡，导致减慢收敛速度问题，对同步更新算法进行优化；所述S2.55中，对层次化All-Reduce算法进行优化，包括以下步骤：S2.551、将所有节点分成若干小组，每个小组内的节点数量接近；S2.552、每个小组内部进行All-Reduce操作，得到每个小组的局部聚合结果；S2.553、将所有小组的局部聚合结果再次进行All-Reduce操作，得到全局聚合结果；S2.554、将全局聚合结果广播回所有节点；所述S2.56中，同步更新算法为： ；其中，表示更新后的模型参数；表示学习率，控制每次迭代时参数更新的步长；表示更新前的模型参数；表示批量大小；表示第个样本上的损失函数对参数的梯度；针对参数更新在最小值附近来回振荡，导致减慢收敛速度问题，对同步更新算法进行优化： ；其中，表示经过优化更新后的模型参数；表示动量项系数；表示上一次迭代时的梯度累积量；所述S3中，将训练后的长短期记忆网络模型部署至生产线中的边缘设备，包括以下步骤：S3.1、将模型转换为适合边缘部署的格式；S3.2、将模型管理器与训练好的长短期记忆网络模型一起部署到边缘设备中；S3.3、当云端完成新版本模型的训练并确认新版本模型性能优于现有模型后，通过安全通道将新模型发送给边缘设备上的模型管理器；S3.4、模型管理器接收新模型文件，验证其完整性和正确性；S3.5、模型管理器允许卸载旧模型并加载新模型；S3.6、新模型加载后，立即开始对新采集的数据进行即时分析，并监控系统持续收集模型执行过程中的性能数据和资源使用情况；S3.7、所有通信接口都采用安全措施。

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中雄科技集团股份有限公司，其通讯地址为：650000 云南省昆明市盘龙区白云路177号金尚壹号大厦28层；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”。