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！

龙图腾网获悉中山大学申请的专利多模态时序异常分析方法、装置、设备及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：CN121502699B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610038673.9，技术领域涉及：G06F18/25；该发明授权多模态时序异常分析方法、装置、设备及介质是由冯建设;朱奕樟;高鹏;张建宇设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本多模态时序异常分析方法、装置、设备及介质在说明书摘要公布了：本发明涉及数据分析技术领域，公开了一种多模态时序异常分析方法、装置、设备及介质，包括：采集视觉数据、音频数据及工艺文本数据，对不同类型的数据分别进行预处理和标准化处理，构建时间戳对齐的多模态数据集，进而提取图谱结构特征、时频动态特征与语义向量特征，并利用跨模态注意力机制对上述特征进行融合，生成融合特征向量，最终基于融合特征向量进行分析处理，输出分析结果。本发明通过构建时间一致的多模态数据集，提取各类模态的结构化特征，并引入跨模态注意力机制实现特征层面的深度融合，解决了现有检测手段信息利用单一、特征关联性弱的问题，从而提升缺陷检测的全面性与故障诊断的准确性。

本发明授权多模态时序异常分析方法、装置、设备及介质在权利要求书中公布了：1.一种多模态时序异常分析方法，其特征在于，包括以下步骤： 采集多源传感信号，并对所述多源传感信号进行预处理操作，生成预处理多通道时序数据； 将所述预处理多通道时序数据映射为图谱表征，所述图谱表征用于体现监测对象之间的关联信息，包括：定义图谱节点集合，所述图谱节点集合包括产线设备单元节点及传感器监测点节点，所述设备单元节点对应冲压机器人、焊接工作站、涂装设备及总装线体，所述传感器监测点节点关联至所述预处理多通道时序数据中的各传感器信号源；基于物理邻接关系或工艺流程上下游关系，定义节点间的边关系集合，所述物理邻接边表示设备间的安装位置相邻性，所述工艺流程边表示物料传递或控制信号依赖关系；根据所述边关系集合构建加权邻接矩阵，所述加权邻接矩阵的元素值由设备间故障传播强度或传感器信号相关性确定；基于所述加权邻接矩阵，计算包含调节参数及高频抑制系数的加权拉普拉斯矩阵；将所述预处理多通道时序数据中与各传感器监测点节点对应的时序信号段，关联至所述传感器监测点节点的节点特征向量；结合所述节点特征向量、所述加权邻接矩阵及所述加权拉普拉斯矩阵，生成包含时序特征与拓扑关联关系的图谱表征； 对所述预处理多通道时序数据进行多频谱信息提取与融合处理，生成多频谱融合特征，包括：对所述预处理多通道时序数据中的振动信号及声学信号进行离散傅里叶变换，生成对应的频域幅值谱；根据预设故障模式对应的特征频率范围，将所述频域幅值谱划分为低频带、中频带及高频带子频段；基于正常工况下各子频段的能量分布基线，设计频带掩码函数，所述频带掩码函数用于对指定子频段的频谱分量进行选择性增强或抑制；将所述频带掩码函数分别作用于对应的子频段，生成加权后的低频带特征谱、中频带特征谱及高频带特征谱；对所述低频带特征谱、中频带特征谱及高频带特征谱进行跨频带特征拼接，形成多维频谱特征矩阵；通过注意力网络对所述多维频谱特征矩阵中各子频段的权重进行动态优化，生成多频谱融合特征； 对选定的多通道特征数据应用通道协同注意力处理，所述选定的多通道特征数据来源于所述预处理多通道时序数据或所述图谱表征中的节点特征数据，生成通道协同注意力特征； 通过时序分析模型对所述图谱表征、所述多频谱融合特征以及所述通道协同注意力特征进行综合推理，生成分析结果。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。