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！

龙图腾网获悉中国人民解放军海军航空大学申请的专利基于动态注意力机制的多模态信息融合的导弹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：CN116595310B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310402145.3，技术领域涉及：G06F18/00；该发明授权基于动态注意力机制的多模态信息融合的导弹故障检测方法是由肖支才;丛林虎设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本基于动态注意力机制的多模态信息融合的导弹故障检测方法在说明书摘要公布了：本发明公开了一种基于动态注意力机制的多模态信息融合的导弹故障检测方法，主要解决现有技术检测率低下，且会对导弹造成一定程度损伤的问题。其实现方案为：采集导弹声音信号和测量物理参数；获取训练样本集和测试样本集；构建一个包括残差神经网络的视觉特征模型和多层感知机的物理信息特征模型；构建模态间的动态注意力流；构建动态模式内的注意力流；通过两种注意力流的融合实现导弹的状态检测。本发明提高了导弹检测的准确性和便捷性，可用于导弹健康管理，故障预测等。

本发明授权基于动态注意力机制的多模态信息融合的导弹故障检测方法在权利要求书中公布了：1.基于动态注意力机制的多模态信息融合的导弹故障检测方法，其特征在于，包括： 1采集导弹声音信号和测量物理参数： 使用n个声音传感器以采样频率fs收集待测导弹长度为T的n个导弹状态声音信号，同时使用与该声音传感器相同采样频率的振动传感器采集待测导弹的上端振动强度v1和下端振动强度v2，n≥1,T≥4687500,fs≥1500Hz； 2获取训练样本集和测试样本集： 2a以w为长度，以s为步长，并按采集顺序将原始导弹状态的声音信号截取N个信号段后顺次进行排列，得到每组包含N个信号段的n组信号段； 2b对n个声音信号进行短时傅里叶变换将其转成时频图； 2c将时频图与相对应的真实导弹状态构成的样本-标签对作为一个样本，所有样本组成样本集，样本集容量为n×N，随机挑选样本集中的80％的样本作为训练样本集，剩余的20％样本组成测试样本集； 3构建视觉和物理信息特征提取模型； 构建包括残差神经网络的视觉特征模型和多层感知机的物理信息特征模型； 4构建模态间的动态注意力流： 4a受Transformer模型启发，利用WQ,WK,WV矩阵分别将输入的视觉特征R和物理信息特征P分别转换为PQ，PV和 4b计算每一对视觉特征RQ与物理信息主要特征PK之间的内积RQPKT，获得用于物理特征信息汇总到每一个视觉特征的原始注意力权重；然后，通过dim的平方根和非线性函数对原始权重进行归一化处理分别获得物理信息到视觉特征的信息流InterMAFR←P和视觉特征到物理信息到信息流InterMAFR→P； 4c获得更新后的视觉特征Rupdate和物理特征Pupdate； 4d获得更新后的视觉特征Rupdate和物理特征后，将它们与原始的视觉特征R和物理特征P进行拼接，并使用一个全连接层用于转换拼接后的特征，进而得到不同模态间的交互输出； 5构建动态模式内的注意力流； 5a为了利用来自其他模式的信息，沿视觉特征的索引维度对视觉特征进行平均和沿物理信息的索引维度对物理信息特征进行平均；然后，两种模式的平均集合特征被转换为一个二维的特征向量，以匹配RQ，RK和PQ，PK；接着，每个模式的二维特征向量被一个Sigmoid非线性函数σ·进行控制，进而产生对另一模式的控制调节； 5b计算Q,V矩阵时，施加对方模态流的条件门控向量的影响； 5c通过计算每一对更新后的视觉特征Query向量与更新后的物理信息主要特征Key向量之间的内积获得用于物理特征信息汇总到每一个视觉特征的原始注意力权重；然后，通过“dim”的平方根和非线性函数对原始权重进行归一化处理分别获得物理信息到物理信息的动态模式内的信息流DyIntralMAFR←R和视觉特征到视觉特征动态模式内的信息流DyIntralMAFP←P； 5d两个模态内的动态信息流经对各自模态内的原始特征PV和RV通过残差进行更新； 6经过模态内和模态间处理的视觉特征和物理特征进行点乘，经过softmax函数得到导弹不同状态的概率实现导弹状态检测。

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中国人民解放军海军航空大学，其通讯地址为：264000 山东省烟台市芝罘区二马路188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。