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！

龙图腾网获悉成都航空职业技术大学申请的专利航空器起落架故障的检测方法、系统、设备及存储介质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：CN121350785B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511912457.4，技术领域涉及：G06F18/241；该发明授权航空器起落架故障的检测方法、系统、设备及存储介质是由李思远;杨苏凡;刘联晗;何璐;莫晋萱;顾崧设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本航空器起落架故障的检测方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种航空器起落架故障的检测方法、系统、设备及存储介质。方法包括：获取起落架的多维状态数据，包括视觉图像、无损检测、热学检测及各类物理参数数据；将状态数据与基于原始设计且持续更新的数字孪生模型一并输入预训练的故障分类模型，通过交叉验证与分析，输出故障的类型、位置及严重程度信息；基于故障信息与故障分析数据库评估风险等级；结合专家知识库生成维修方案，并可对维修后效果进行模拟验证。本发明通过多源数据融合、动态数字孪生与智能诊断模型相结合，实现了对疲劳裂纹、密封件磨损及复合材料分层等多种典型故障的精准、高效识别与决策支持，显著提升了检测自动化水平和维护效率。

本发明授权航空器起落架故障的检测方法、系统、设备及存储介质在权利要求书中公布了：1.一种航空器起落架故障的检测方法，其特征在于，包括： 获取用于起落架故障判断的起落架状态数据；所述状态数据至少包括起落架的视觉图像数据、无损检测数据、热学检测数据及各类物理参数数据； 将所述起落架的状态数据，以及匹配起落架当前实体状态的数字孪生模型中对应参数的参考值和数字孪生模型的仿真结果数据输入预训练的故障分类模型，以获取所述故障分类模型输出的起落架的故障信息；所述故障分类模型为包含用于图像分割的改进型U-Net、用于时序数据分析的长短期记忆网络及用于多模态融合的卷积-循环神经网络的融合模型；所述数字孪生模型为基于起落架原始设计及制造数据构建，且基于历史及实际运行数据持续更新的与起落架的物理实体相匹配的模型；所述故障信息包括基于状态数据确定的故障类型，以及基于状态数据和数字孪生模型确定的故障位置和故障严重程度； 基于故障分类模型输出的所述故障信息，以及预设的故障分析数据库，评估故障的风险等级； 基于所述故障信息、评估的所述风险等级，以及预设的专家知识库，确定故障的维修方案；所述专家知识库内存储了维修标准及维修参考信息； 所述方法还包括：将所述起落架的状态数据，以及匹配起落架当前实体状态的数字孪生模型输入预训练的故障分类模型，使得所述故障分类模型执行： 基于所述状态数据中的至少一类数据，以及数字孪生模型中参数的参考值，确定疑似故障类型，所述故障类型至少包括疲劳裂纹、磨损和位移异常； 基于所述状态数据中的其余类型数据中的至少一类，以及基于数字孪生模型的仿真模拟结果，验证所述疑似故障，以确定输出的故障类型； 对于故障分类模型的分析结果，结合数字孪生模型比对、多源数据关联分析、异常逻辑交叉验证及故障特征融合方式中的至少一种，进行故障融合诊断，以确定故障位置和故障严重程度。

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成都航空职业技术大学，其通讯地址为：610100 四川省成都市龙泉驿区车城东七路699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。