買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉貴州大學申請的專利基于雙對齊聯邦度量學習的無人機跨工況故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120217116B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510690281.6，技術領域涉及：G06F18/241；該發明授權基于雙對齊聯邦度量學習的無人機跨工況故障診斷方法是由李傳江;張向杰;包勇;吳軒宇;王浩宇;安蘇陽;于麗婭;張儀宗設計研發完成，并于2025-05-27向國家知識產權局提交的專利申請。

本基于雙對齊聯邦度量學習的無人機跨工況故障診斷方法在說明書摘要公布了：本發明涉及無人機故障診斷技術領域，具體涉及了一種基于雙對齊聯邦度量學習的無人機跨工況故障診斷方法。包括步驟：服務器初始化全局模型；客戶端基于本地數據計算分類損失，利用聚類錨點和無偏錨點優化度量學習損失、特征對齊損失，更新本地模型，并通過無偏錨點計算分類器對齊損失優化分類器；客戶端計算特征錨點，并將錨點與本地模型上傳至服務器；服務器利用無參數聚類算法對特征錨點進行聚類獲得每個類的聚類錨點，將每個聚類簇中的錨點取平均值得到每個類別的無偏錨點，并加權平均所有本地模型，更新全局模型；重復以上過程迭代至收斂。本發明通過雙對齊機制和聯邦度量學習，解決了無人機故障診斷中的特征異構問題和模型泛化能力差的挑戰。

本發明授權基于雙對齊聯邦度量學習的無人機跨工況故障診斷方法在權利要求書中公布了：1.基于雙對齊聯邦度量學習的無人機跨工況故障診斷方法，其特征在于：包括以下步驟： 步驟一、使用傳感器分別獲取無人機在x軸、y軸以及z軸的速度、加速度、角速度以及歐拉角信號，將不同工況的數據分配給不同客戶端，模擬實際飛行過程中客戶端特征異構的情況，并按照預設的比例劃分客戶端本地訓練集和測試集； 步驟二、各客戶端接收來自服務器的全局模型、聚類錨點以及無偏錨點，并基于本地數據利用交叉熵損失函數計算分類損失，利用聚類錨點和無偏錨點計算度量學習損失、特征對齊損失，根據分類損失、度量學習損失以及特征對齊損失對客戶端本地模型進行梯度下降更新； 所述步驟二包括以下步驟： S2.1通過交叉熵損失函數計算分類損失，利用聚類錨點和無偏錨點計算度量學習損失、特征對齊損失，根據度量學習損失和特征對齊損失對客戶端本地模型進行梯度下降更新，度量學習損失通過以下公式計算： 其中表示指數函數，表示余弦相似度，表示當前數據的特征向量表示，表示和屬于同一類的聚合錨點聚合，表示和不屬于同一類的聚類錨點的集合，表示聚類錨點集合中的一個錨點； S2.2、利用無偏錨點計算特征對齊損失： 其中表示特征向量的維度，表示客戶端的第個樣本點，表示樣本點的特征向量在第n個維度的值，表示第k個類別的無偏錨點的第n個維度的值； 步驟三、各客戶端將無偏錨點拼接成一個批次數據，輸入本地模型分類器中，得到輸出，并與無偏錨點的標簽做交叉熵分類損失得到分類器對齊損失，然后利用分類器對齊損失對本地模型分類器進行梯度下降更新； 步驟四、各客戶端計算特征錨點，并將特征錨點與本地模型上傳至服務器，服務器將客戶端上傳的本地模型進行聚合更新全局模型，并通過對特征錨點進行無參數聚類得到每個類別的聚類錨點，然后對聚類錨點取平均值得到無偏錨點，最后將全局模型、聚類錨點以及無偏錨點發送給客戶端； 步驟五、當服務器與參與訓練的客戶端之間的通訊次數達到預設的迭代次數時，完成全局模型訓練，將訓練好的全局模型用于客戶端本地的測試集。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人貴州大學，其通訊地址為：550004 貴州省貴陽市花溪區甲秀南路貴州大學西校區；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。