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！

龙图腾网获悉广东工业大学申请的专利基于多模态数据和异构图的海上风电机组叶片故障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：CN120100647B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510264973.4，技术领域涉及：F03D17/00；该发明授权基于多模态数据和异构图的海上风电机组叶片故障检测方法是由张斌;陈冠希;李攀硕;崔倩;孟伟设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本基于多模态数据和异构图的海上风电机组叶片故障检测方法在说明书摘要公布了：本发明提供一种基于多模态数据和异构图的海上风电机组叶片故障检测方法，包括获取海上风电机组叶片的n个模态的多模态数据；通过联合嵌入学习对多模态数据进行融合处理；以提取风电机组叶片的高阶特征信息，并通过联合损失函数提升各模态数据间的关联性和一致性；构建风电机组叶片的异构图；将异构图的节点和边表示为三元组形式；利用改进的Complex模型对异构图的三元组进行打分；通过小模型增强弱相似性模态数据和区域叶片之间的关联性；基于区域关联矩阵识别区域内叶片的潜在故障并做出预警。本发明能够提高风电机组叶片故障检测的准确性，通过优化联合嵌入表示和使用Complex模型打分，能高效处理多模态数据，且具有适应性和鲁棒性。

本发明授权基于多模态数据和异构图的海上风电机组叶片故障检测方法在权利要求书中公布了：1.基于多模态数据和异构图的海上风电机组叶片故障检测方法，其特征在于，包括如下步骤： S1）、获取海上风电机组叶片的个模态的多模态数据； S2）、通过联合嵌入学习对个多模态数据进行融合处理；以提取风电机组叶片的高阶特征信息，并通过联合损失函数提升各模态数据间的关联性和一致性；并引入相似性阈值对联合嵌入学习进行动态调整； 通过相似性得分对多模态数据进行标记，对相似性得分大于第一相似性阈值的多模态数据标记为“正常”，并作为高相似性模态数据； 对相似性得分大于第二相似性阈值且小于等于第一相似性阈值的多模态数据标记为“潜在异常”，并作为弱相似性模态数据； 对相似性得分小于第二相似性阈值的多模态数据标记为“异常”，并作为非相似性模态数据； 然后将标记的信息作为新的模态数据，并将新的模态数据加入到原多模态数据中，得到最终的多模态数据表示为： ； 通过联合嵌入学习将所有多模态数据映射到统一的低维嵌入空间，生成统一的嵌入表示，即： ； 式中，是第个模态对应的嵌入表示，嵌入空间的维度；表示模态数据的嵌入表示； S3）、构建风电机组叶片的异构图； S4）、将异构图的节点和边表示为三元组形式，其中，为头节点，表示尾节点；表示关系； S5）、利用改进的Complex模型对异构图的三元组进行打分，以判定三元组的真实性； S6）、通过小模型增强弱相似性模态数据和区域叶片之间的关联性； S7）、基于区域关联矩阵识别区域内叶片的潜在故障并做出预警。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区小谷围街道广东工业大学；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。