買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉貴州理工學(xué)院申請(qǐng)的專利一種基于多模態(tài)數(shù)據(jù)融合的無人機(jī)電機(jī)故障診斷方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120354371B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510839383.X，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)一種基于多模態(tài)數(shù)據(jù)融合的無人機(jī)電機(jī)故障診斷方法是由何秋辰;李少波;龔爽爽;袁森;湯劍波設(shè)計(jì)研發(fā)完成，并于2025-06-23向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于多模態(tài)數(shù)據(jù)融合的無人機(jī)電機(jī)故障診斷方法在說明書摘要公布了：本發(fā)明涉及故障診斷技術(shù)領(lǐng)域，具體涉及一種基于多模態(tài)數(shù)據(jù)融合的無人機(jī)電機(jī)故障診斷方法，包括方法包括利用并行五層一維CNN對(duì)振動(dòng)和電流信號(hào)提取深層模態(tài)特征，第一層用64×16卷積核，后續(xù)層調(diào)至3×1卷積核并池化；通過多層特征融合模塊逐層整合特征，經(jīng)3×3卷積、Sigmoid生成權(quán)重圖，動(dòng)態(tài)調(diào)制特征后拼接融合；將融合特征維度調(diào)整適配Transformer，引入位置編碼，用多頭自注意力機(jī)制建模全局依賴；最后經(jīng)深度神經(jīng)網(wǎng)絡(luò)全連接層分類九類故障；本發(fā)明的目的是解決傳統(tǒng)單模態(tài)故障診斷特征獲取不全面、多模態(tài)融合中早期融合忽視模態(tài)差異、晚期融合缺乏模態(tài)間關(guān)聯(lián)信息挖掘及CNN長距離依賴建模能力不足的問題。

本發(fā)明授權(quán)一種基于多模態(tài)數(shù)據(jù)融合的無人機(jī)電機(jī)故障診斷方法在權(quán)利要求書中公布了：1.一種基于多模態(tài)數(shù)據(jù)融合的無人機(jī)電機(jī)故障診斷方法，其特征在于，包括以下步驟： S01多模態(tài)并行特征提取：將無人機(jī)電機(jī)的一維時(shí)間序列信號(hào)，m=1為振動(dòng)信號(hào)，m= 2為電流信號(hào)，輸入并行的五層一維卷積神經(jīng)網(wǎng)絡(luò)CNN，通過逐層卷積與池化提取深層模態(tài)特定特征； S02多層特征融合模塊的跨模態(tài)聚合：利用多層特征融合模塊在中間階段逐層整合深層模態(tài)特定特征，并與上一層輸出級(jí)聯(lián)后再次卷積，形成多層級(jí)特征傳遞； 所述S02中多層級(jí)特征傳遞具體方法包括： 交叉增強(qiáng)策略：對(duì)振動(dòng)特征和電流特征分別進(jìn)行3×3卷積，通過Sigmoid函數(shù)生成權(quán)重圖： ，其中、表示振動(dòng)特征和電流特征的權(quán)重圖，、分別為第層的振動(dòng)特征和電流特征，為3×3卷積操作 交叉模態(tài)門控機(jī)制：通過權(quán)重圖對(duì)特征進(jìn)行動(dòng)態(tài)調(diào)制，公式為： 其中為逐元素相乘 跨模態(tài)特征拼接與融合：將調(diào)制后的特征拼接后進(jìn)行3×3卷積，公式為： 其中、分別表示振動(dòng)模態(tài)增強(qiáng)后特征、電流模態(tài)增強(qiáng)后特征，表示融合后的通道數(shù)，表示跨模態(tài)特征拼接并卷積后的輸出，并與上一層輸出級(jí)聯(lián)后再次卷積，形成多層級(jí)特征傳遞； S03Transformer注意力機(jī)制的全局建模：將融合后的特征F進(jìn)行維度調(diào)整,，以適配Transformer的輸入格式，引入位置編碼PE注入時(shí)序信息： 其中為特征維度，為序列位置，∈[0,]為通道索引，表示維度調(diào)整后的融合特征張量；表示張量維度重排操作，分別表示位置編碼函數(shù)，用于注入時(shí)序信息，其中為序列位置，為通道索引，通過多頭自注意力機(jī)制計(jì)算查詢（Q）、鍵（K）、值（V）矩陣： 其中，Q為查詢矩陣，K為鍵矩陣，V為值矩陣，表示位置編碼特征張量，并通過點(diǎn)積與歸一化計(jì)算注意力得分： 其中、、分別為查詢（Q）、鍵（K）、值（V）矩陣的權(quán)重參數(shù)，表示鍵矩陣的維度； S04深度神經(jīng)網(wǎng)絡(luò)分類：將經(jīng)過注意力機(jī)制處理的高層特征輸入深度神經(jīng)網(wǎng)絡(luò)DNN，通過全連接層實(shí)現(xiàn)九類故障的分類，損失函數(shù)采用交叉熵?fù)p失；所述九類故障包括：正常運(yùn)行C1、軸承外圈故障C2、軸承保持架故障C3、軸承滾動(dòng)體故障C4、軸承內(nèi)圈故障C5、轉(zhuǎn)子消磁C6、轉(zhuǎn)子軸彎曲C7、定子相間短路C8、定子匝間短路C9。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人貴州理工學(xué)院，其通訊地址為：550000 貴州省貴陽市貴安新區(qū)黨武鎮(zhèn)博士路貴州理工學(xué)院；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。