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！

龙图腾网获悉华中科技大学申请的专利一种基于多模态深度学习的设备故障预测系统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：CN119538185B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411571509.1，技术领域涉及：G06F18/25；该发明授权一种基于多模态深度学习的设备故障预测系统是由周沐泽;狄桓玮;赖永烨;李沐城;郑玮设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种基于多模态深度学习的设备故障预测系统在说明书摘要公布了：本发明属于设备故障预测相关技术领域，其公开了一种基于多模态深度学习的设备故障预测系统，其特征在于，包括：图片处理模型，包括编码器、生成器、第一解码器和第二解码器，编码器提取外部输入图片的图片特征向量并输入生成器重构图片，第一解码器对外部输入图片进行特征提取得到第一解码向量，第二解码器对重构图片进行特征提取得到第二解码向量；融合模块，将外部时序向量和图片特征向量进行特征融合并构建特征矩阵输入TranAD模型；TranAD模型，基于当前时间窗口内的特征矩阵预测下一时间窗口内的特征数据；报告输出模块，计算误差，输出误差报告以用于故障预测，误差越大，设备存在故障风险的概率越高。通过以上方法，可以提高故障预测的精度。

本发明授权一种基于多模态深度学习的设备故障预测系统在权利要求书中公布了：1.一种基于多模态深度学习的设备故障预测系统，其特征在于，包括： 图片处理模型，包括编码器、生成器、第一解码器和第二解码器，所述编码器用于提取外部输入图片的图片特征向量，所述生成器用于基于所述图片特征向量重构图片，所述第一解码器用于对外部输入图片进行特征提取得到第一解码向量，所述第二解码器用于对重构图片进行特征提取得到第二解码向量； 融合模块，用于将M1个外部时序向量和M2个所述图片特征向量进行特征融合后得到融合向量，将融合向量、M1个外部时序向量和M2个所述图片特征向量所构成的M1+M2+1*N维特征矩阵中的列向量依次输入TranAD模型；N为每个向量中的元素数量，所述外部时序向量为采集的数字信号； TranAD模型，用于基于当前时间窗口内的特征矩阵预测下一时间窗口内的特征数据； 报告输出模块，用于计算所述外部输入图片与所述重构图片之间的第一误差、所述第一解码向量和所述第二解码向量之间的第二误差以及同一时刻同一位置的输入TranAD模型的特征数据和TranAD模型所预测的特征数据之间的第三误差，输出误差报告以用于故障预测，误差越大，设备存在故障风险的概率越高； 其中，所述图片处理模型为利用正常设备的图片进行训练以使第一误差和第二误差之和收敛所得，所述TranAD模型为利用正常设备的特征数据进行训练以使第三误差收敛所得。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。

以上内容由龙图腾AI智能生成。