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！

龙图腾网获悉青岛澎湃海洋探索技术有限公司申请的专利多模态螺旋桨故障诊断方法及诊断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：CN121008566B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511516098.0，技术领域涉及：G05B23/02；该发明授权多模态螺旋桨故障诊断方法及诊断系统是由江景涛;于泽设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本多模态螺旋桨故障诊断方法及诊断系统在说明书摘要公布了：本发明涉及水下航行器故障诊断技术领域，特别是一种多模态螺旋桨故障诊断方法及诊断系统。包括以下步骤：多模态数据采集与预处理；对上述步骤得到的声学信号数据和视觉信号数据的质量实时量化；构建质量感知门控网络模型；质量感知门控网络模型训练，并利用训练后的质量感知门控网络模型输出螺旋桨故障类型。其通过高质量模态的特征去主导、增强和校正低质量模态的特征，从信号的源头质量出发，主动、实时地控制深度特征交互强度，在复杂恶劣环境下依然能保持对螺旋桨故障诊断的较高的鲁棒性和准确性。

本发明授权多模态螺旋桨故障诊断方法及诊断系统在权利要求书中公布了：1.一种多模态螺旋桨故障诊断方法，其特征在于，包括以下步骤： S1、多模态数据采集与预处理： S2、对步骤S1得到的声学信号数据和视觉信号数据的质量实时量化； S3、构建质量感知门控网络模型； S4、质量感知门控网络模型训练，并利用训练后的质量感知门控网络模型输出螺旋桨故障类型； 步骤S3的具体实现过程如下： S3.1、确定输入质量感知门控网络的数据：输入的数据包括声学时频谱图数据、视觉图像序列数据和质量特征向量数据； 输入的声学时频谱图数据为Tensor[B,1,F,T]，其中，1表示通道数，B表示批次，F表示频谱图的频率，T表示频谱图的时间维度； 输入的视觉图像序列数据为，其中，3表示图像的红、绿、蓝三个色彩通道，表示视觉序列长度，H表示图像高度，W表示图像宽度； 输入的质量特征向量数据为； 表示标准化后的声学质量分数，表示标准化后的视觉质量分数； S3.2、声学特征和视觉特征的提取； S3.3、动态门控权重的生成； S3.4、门控交叉注意力融合； S3.5、最终特征生成与多任务预测； 对声学特征的提取包括以下步骤： S3.2.A.1、局部时频模式提取：将输入的声学时频谱图数据输入CNN网络，通过数个卷积层和池化层，在二维的时频平面上进行滑动扫描，以捕捉局部的、基础的声学模式，并输出特征图序列，其中表示特征通道数，表示降维后的频率，表示降维后的时间维度； S3.2.A.2、序列化与维度重塑：特征图序列沿频率维度进行合并或展平，形成一个时间步长为、每个时间步特征维度为的特征序列，其中，表示每个时间步的特征向量维度； S3.2.A.3、全局时序依赖建模：将特征序列输入Transformer编码器，通过Transformer编码器内部的多头自注意力机制捕捉序列中任意两个时间步之间的长距离依赖关系，并输出序列特征； S3.2.A.4、特征聚合与输出：将Transformer编码器输出的序列特征通过时间维度的平均池化操作，聚合成单一的、固定维度的声学特征向量，其中表示Transformer的隐藏层维度； 对视觉特征的提取包括以下步骤： S3.2.B.1、单帧特征提取：将输入的图像序列按帧拆分，将每一帧图像独立地送入MobileViT模型的主干网络中，为每一帧图像生成一个高层语义特征向量； S3.2.B.2、序列特征聚合：收集序列中所有帧图像生成的特征向量，形成特征向量序列，其中D_frame表示MobileViT主干网络输出的单帧特征维度； S3.2.B.3、时间维度池化与输出：对上述步骤得到的特征向量序列在在时间维度上进行平均池化操作，得到一个单一的、固定维度的聚合视觉特征向量； 动态门控权重生成包括以下步骤： S3.3.1、输入与预处理：质量感知门控网络接收二维质量特征向量作为输入层； S3.3.2、非线性特征映射：将输入层的二维质量特征向量送入包含64个神经元的隐藏层，并采用修正线性单元ReLU作为激活函数； S3.3.3、权重logits生成：隐藏层的输出被送入只有一个神经元的输出层，生成一个未归一化的权重值logit； S3.3.4、归一化输出：将权重值logit值通过Sigmoid激活函数进行处理，Sigmoid函数将logit值映射到0,1区间内，从而得到动态门控权重，经过该步骤输出得到动态门控权重数据为； 步骤S3.4中，接收声学特征向量、视觉特征向量以及动态门控权重，通过并行的视觉特征增强路径和声学特征增强路径，输出经过智能融合增强后的声学特征向量和视觉特征向量； 视觉特征增强路径的具体处理过程如下所述： S3.4.A.1、以视觉特征向量作为查询，以声学特征向量作为键和值，计算出视觉特征应该关注的声学特征，并生成注意力加权的声学信息向量，其计算公式为： ， ， 其中，来自视觉特征向量，和来自声学特征向量；表示第个注意力头的查询投影矩阵；表示第个注意力头的键投影矩阵；表示第个注意力头的值投影矩阵；表示视觉增强路径的输出投影矩阵；表示注意力头数；表示每个头的维度；表示拼接操作； S3.4.A.2、将注意力加权的声学信息向量与动态门控权重相乘；将这个加权后的结果通过残差连接的方式与原始的视觉特征向量相加，并经过层归一化处理，最终得到增强后的视觉特征向量，其计算公式为： ， 其中表示层归一化处理函数； 声学特征增强路径的具体处理过程如下所述： S3.4.B.1、以声学特征向量作为查询，以视觉特征向量作为键和值，计算出声学特征应该关注的视觉特征，并生成注意力加权的视觉信息向量，其计算公式为： ， ， 其中，来自声学特征向量，和来自视觉特征向量；表示第个注意力头的查询投影矩阵；表示第个注意力头的键投影矩阵；表示第个注意力头的值投影矩阵；表示声学增强路径的输出投影矩阵；表示注意力头数；表示每个头的维度；表示拼接操作； S3.4.B.2、注意力加权的视觉信息向量与相乘；通过残差连接的方式与原始的声学特征向量相加，并经过层归一化处理，最终得到增强后的声学特征向量，其计算公式为： 。

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青岛澎湃海洋探索技术有限公司，其通讯地址为：266000 山东省青岛市中国(山东)自由贸易试验区青岛片区团结路3682号2#厂房全幢01；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。