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！

龙图腾网获悉贵州大学申请的专利基于深度域适应BiLSTM的无人机实时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：CN116257756B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202211717591.5，技术领域涉及：G06F18/214；该发明授权基于深度域适应BiLSTM的无人机实时故障检测方法是由李少波;张仪宗;张安思;杨磊设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于深度域适应BiLSTM的无人机实时故障检测方法在说明书摘要公布了：本发明涉及无人机故障检测技术领域，公开了一种基于深度域适应BiLSTM的无人机实时故障检测方法，包括以下步骤：在源域中对特征提取器和故障检测器进行预训练，然后利用特征提取器从一种工况下无人机时序的飞行数据中提取过去和未来的特征，得到源域和目标域的特征集合；将特征集合发送至域适应器中进行处理，利用域适应器对源域和目标域进行分类，并衡量源域和目标域之间的最大化差异；对故障检测器进行最小化健康状态分类误差的优化训练，然后获取无人机在任一工况下的飞行数据，并利用故障检测器对无人机进行实时故障检测，得到无人机的健康状态报告。本发明具有降低不同工况数据的差异性，提高无人机故障检测结果准确性的有益效果。

本发明授权基于深度域适应BiLSTM的无人机实时故障检测方法在权利要求书中公布了：1.基于深度域适应BiLSTM的无人机实时故障检测方法，其特征在于：包括以下步骤： 步骤S1，在源域中对特征提取器和故障检测器进行预训练，然后利用特征提取器从一种工况下无人机时序的飞行数据中提取过去和未来的特征，得到源域和目标域的特征集合； 所述特征提取器包括两个权重共享的BiLSTM网络，且BiLSTM网络的层数为3，每层包括64个隐藏单元，处理向前和向后的数据；特征提取器被用来从飞行数据中挖掘出关于无人机健康状态的知识； 所述故障检测器在进行优化训练时，利用交叉熵损失函数作为目标函数来最小化源域的健康状态分类误差； 所述交叉熵损失函数为： 其中，为bathsise的值，为种类数量，为实际值，为预测值； 所述提取过去和未来的特征包括以下内容： 步骤S2，将特征集合发送至域适应器中进行处理，利用域适应器对源域和目标域进行分类，并衡量源域和目标域之间的最大化差异； 通过设置域适应器来缩小源域和目标域之间的差异；通过域适应处理降低无人机在不同飞行工况下飞行数据之间的差异性； 所述域适应器包括域分类器模块和MMD模块，所述域分类器模块用于对源域和目标域进行分类，并最小化域分类误差，准确识别源域和目标域；所述MMD模块用于根据预设的计算公式测量源域特征和目标域特征之间的最大均值差异； 所述预设的计算公式为： 所述域适应器中还预设有损失函数来对域分类误差进行最大化优化，所述损失函数为： 其中，为bithsise的值，为域的标签0或者1，为对的预测值； 步骤S3，对故障检测器进行最小化健康状态分类误差的优化训练，然后获取无人机在任一工况下的飞行数据，并利用故障检测器对无人机进行实时故障检测，得到无人机的健康状态报告； 在对域适应器和故障检测器进行组合优化时，利用总优化公式完成多个目标的优化；所述总优化公式为：。

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贵州大学，其通讯地址为：550000 贵州省贵阳市花溪区甲秀南路贵州大学西校区；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。