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！

龙图腾网获悉贵州理工学院申请的专利一种基于多模态数据融合的无人机电机故障诊断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：CN120354371B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510839383.X，技术领域涉及：G06F18/25；该发明授权一种基于多模态数据融合的无人机电机故障诊断方法是由何秋辰;李少波;龚爽爽;袁森;汤剑波设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种基于多模态数据融合的无人机电机故障诊断方法在说明书摘要公布了：本发明涉及故障诊断技术领域，具体涉及一种基于多模态数据融合的无人机电机故障诊断方法，包括方法包括利用并行五层一维CNN对振动和电流信号提取深层模态特征，第一层用64×16卷积核，后续层调至3×1卷积核并池化；通过多层特征融合模块逐层整合特征，经3×3卷积、Sigmoid生成权重图，动态调制特征后拼接融合；将融合特征维度调整适配Transformer，引入位置编码，用多头自注意力机制建模全局依赖；最后经深度神经网络全连接层分类九类故障；本发明的目的是解决传统单模态故障诊断特征获取不全面、多模态融合中早期融合忽视模态差异、晚期融合缺乏模态间关联信息挖掘及CNN长距离依赖建模能力不足的问题。

本发明授权一种基于多模态数据融合的无人机电机故障诊断方法在权利要求书中公布了：1.一种基于多模态数据融合的无人机电机故障诊断方法，其特征在于，包括以下步骤： S01多模态并行特征提取：将无人机电机的一维时间序列信号，m=1为振动信号，m= 2为电流信号，输入并行的五层一维卷积神经网络CNN，通过逐层卷积与池化提取深层模态特定特征； S02多层特征融合模块的跨模态聚合：利用多层特征融合模块在中间阶段逐层整合深层模态特定特征，并与上一层输出级联后再次卷积，形成多层级特征传递； 所述S02中多层级特征传递具体方法包括： 交叉增强策略：对振动特征和电流特征分别进行3×3卷积，通过Sigmoid函数生成权重图： ，其中、表示振动特征和电流特征的权重图，、分别为第层的振动特征和电流特征，为3×3卷积操作 交叉模态门控机制：通过权重图对特征进行动态调制，公式为： 其中为逐元素相乘 跨模态特征拼接与融合：将调制后的特征拼接后进行3×3卷积，公式为： 其中、分别表示振动模态增强后特征、电流模态增强后特征，表示融合后的通道数，表示跨模态特征拼接并卷积后的输出，并与上一层输出级联后再次卷积，形成多层级特征传递； S03Transformer注意力机制的全局建模：将融合后的特征F进行维度调整,，以适配Transformer的输入格式，引入位置编码PE注入时序信息： 其中为特征维度，为序列位置，∈[0,]为通道索引，表示维度调整后的融合特征张量；表示张量维度重排操作，分别表示位置编码函数，用于注入时序信息，其中为序列位置，为通道索引，通过多头自注意力机制计算查询（Q）、键（K）、值（V）矩阵： 其中，Q为查询矩阵，K为键矩阵，V为值矩阵，表示位置编码特征张量，并通过点积与归一化计算注意力得分： 其中、、分别为查询（Q）、键（K）、值（V）矩阵的权重参数，表示键矩阵的维度； S04深度神经网络分类：将经过注意力机制处理的高层特征输入深度神经网络DNN，通过全连接层实现九类故障的分类，损失函数采用交叉熵损失；所述九类故障包括：正常运行C1、轴承外圈故障C2、轴承保持架故障C3、轴承滚动体故障C4、轴承内圈故障C5、转子消磁C6、转子轴弯曲C7、定子相间短路C8、定子匝间短路C9。

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理工学院，其通讯地址为：550000 贵州省贵阳市贵安新区党武镇博士路贵州理工学院；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”。