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！

龙图腾网获悉南京航空航天大学申请的专利一种基于RL-GPNet的直升机传动系统故障信息抽取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：CN120541691B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511028419.2，技术领域涉及：G06F18/2431；该发明授权一种基于RL-GPNet的直升机传动系统故障信息抽取方法是由王体春;潘卫东;靳广虎;刘新华设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本一种基于RL-GPNet的直升机传动系统故障信息抽取方法在说明书摘要公布了：本发明公开了一种基于RL‑GPNet的直升机传动系统故障信息抽取方法，涉及直升机传动系统故障技术领域，包括基于全局指针网络的实体识别，通过全局归一化和相对位置编码机制，有效捕获故障描述文本中的长距离依赖关系和复杂语义信息；同时，结合PPO算法，将三元组生成建模为多步决策任务，协同训练实体识别与关系分类策略，缓解任务冲突导致的误差累积；在处理长文本实体重叠以及涉及大量专业术语的直升机传动系统故障时表现出良好的泛化能力，为直升机传动系统智能故障诊断提供了有效的技术支撑；对于提升直升机装备维护保障智能化水平具有重要的理论意义和应用价值。

本发明授权一种基于RL-GPNet的直升机传动系统故障信息抽取方法在权利要求书中公布了：1.一种基于RL-GPNet的直升机传动系统故障信息抽取方法，其特征在于，包括： 获取故障数据并构建实体识别任务与关系抽取任务的数据集；对原始文本和实体类型进行预处理，获得的词向量序列和实体类型嵌入向量； 基于BERT进行编码：获取文本的隐藏状态，并与实体类型嵌入向量进行特征融合； 基于全局指针网络进行解码：通过指针对预测文本片段是否为实体，计算每个span属于各实体类型的实体识别概率；对识别出的实体对，通过指针对预测实体对之间的关系类型； 引入基于强化学习的优化层通过试错学习自动对解码进行动态优化更新；并结合PPO算法限制更新幅度； 动态优化更新包括： 构建一个包含多维信息的向量，包括输入文本的上下文，当前已识别的实体集合和当前已抽取的关系集合； 构建策略网络，学习在给定状态下选择最优动作的策略，并设计价值网络评估当前状态的价值；以及 基于PPO算法中的CLIP损失函数对策略网络进行更新； 通过最小化价值函数损失进行对价值网络更新； 设计联合损失函数，并基于联合损失函数更新全局指针网络，所述联合损失函数为： ； 其中，，是权重系数；为实体识别损失，P表示实体识别的概率，entity表示识别所得实体；k为实体类型；是真实标签，如果spani,j确实是类型k的实体，则=1，否则为0；，为关系抽取损失，是真实的关系标签，如果实体对，确实存在类型r的关系，则为1，relation表示抽取所得关系；r表示关系类型。

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南京航空航天大学，其通讯地址为：210000 江苏省南京市秦淮区御道街29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”。