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！

龙图腾网获悉浪潮通用软件有限公司;山东浪潮傲林大数据科技有限公司申请的专利基于多模态对齐的故障诊断智能体数据预处理方法及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：CN120892239B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511414872.7，技术领域涉及：G06F11/07；该发明授权基于多模态对齐的故障诊断智能体数据预处理方法及系统是由王永辉;刘建华;仪思奇;乔春祥;张文斌;郝颖婷;柳增运设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本基于多模态对齐的故障诊断智能体数据预处理方法及系统在说明书摘要公布了：本发明属于软件故障诊断领域，为解决信息错配、推理准确率低的问题，提供了一种基于多模态对齐的故障诊断智能体数据预处理方法及系统。基于多模态对齐的故障诊断智能体数据预处理方法包括日志事件序列动态重采样；时间对齐的指标序列及日志事件序列，从缓存数据中匹配调取设定时间段的追踪数据；构建实体关系图谱；实时更新实体关系图谱；对实时更新的实体关系图谱进行处理，得到时空对齐的指标序列、日志事件序列及追踪数据序列；对应提取指标特征、日志特征和追踪特征并进行融合，得到融合特征；将融合特征转换为自然语言描述作为故障诊断智能体的输入。其能够对多模态数据进行时空对齐预处理，提高故障诊断的准确性和效率。

本发明授权基于多模态对齐的故障诊断智能体数据预处理方法及系统在权利要求书中公布了：1.一种基于多模态对齐的故障诊断智能体数据预处理方法，其特征在于，包括： 根据高斯核密度估计将初始日志事件映射至连续时间轴，构建日志事件概率密度场，在指标采样时间点处聚合设定时间段内的日志事件概率密度场，以实现日志事件序列的动态重采样；其中，所述在指标采样时间点处聚合设定时间段内的日志事件概率密度场的表达式为：；其中，为重采样时间点的日志事件；为初始指标的采样时间点；为初始日志事件的采样时间点；为根据高斯核密度估计将日志事件映射至连续时间轴的概率密度场；表示真值逻辑判断函数，当为真时，值为1；否则，值为0；参数；为日志事件持续时间感知带宽；n表示日志事件的个数； 对初始指标序列及动态重采样的日志事件序列进行时间规整优化，得到时间对齐的指标序列及日志事件序列，从缓存数据中匹配调取设定时间段的追踪数据；其中，所述对初始指标序列及动态重采样的日志事件序列进行时间规整优化的表达式为：；其中，为对齐路径，为控制路径平滑度；为采样时间点的指标；为重采样时间点的日志事件；表示在指标采样时间序列中排在第个；表示在动态重采样的日志事件序列中排在第个；表示最小值；表示2-范数； 从时间对齐的指标序列、日志事件序列及其匹配对应的追踪数据中提取实体标识符和属性来作为顶点，将实体间的关系作为边，构建实体关系图谱； 持续监听指标流、日志事件流及追踪数据流，以实时更新实体关系图谱； 利用训练好的图神经网络对实时更新的实体关系图谱进行处理，得到时空对齐的指标序列、日志事件序列及追踪数据序列； 从时空对齐的指标序列、日志事件序列及追踪数据序列中分别对应提取指标特征、日志特征和追踪特征并进行融合，得到融合特征；具体通过门控注意力机制动态加权融合指标特征、日志特征和追踪特征，其过程为：根据指标特征、日志特征和追踪特征，分别对应计算指标特征的信息熵、错误日志密度及调用链深度，并作为门控输入；利用门控系数对门控输入进行加权，再利用Sigmoid函数计算得到动态权重；通过注意力机制将指标特征、日志特征和追踪特征进行初步融合所得到的初始融合特征；将初始融合特征与指标特征分别与对应权重累加求和，得到最终的融合特征；其中，初始融合特征的权重为动态权重，指标特征的权重为1与动态权重的差值； 将融合特征转换为自然语言描述，并作为故障诊断智能体的输入。

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浪潮通用软件有限公司;山东浪潮傲林大数据科技有限公司，其通讯地址为：250000 山东省济南市历下区浪潮路1036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。