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！

龙图腾网恭喜合肥工业大学;安徽航大势能科技有限公司申请的专利一种基于因果权重的垂直起降飞行器诊断泛化性增强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：CN119862504B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510352258.6，技术领域涉及：G06F18/2431；该发明授权一种基于因果权重的垂直起降飞行器诊断泛化性增强方法是由丁煦;孟吕飞;林枫;陈容海;赵冲;陈祎;徐娟;翟华设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种基于因果权重的垂直起降飞行器诊断泛化性增强方法在说明书摘要公布了：本发明涉及飞行器故障诊断技术领域，具体是一种基于因果权重的垂直起降飞行器诊断泛化性增强方法。首先，通过信息流因果发现方法建立飞行特征和故障类型之间的有向无环图，能够清晰呈现两者的因果关系，为后续分析提供基础。接着，计算节点间互信息并转化为因果强度进行因果加强，增强了数据中因果关系的表达。在卷积神经网络中使用因果权重动态加权提取局部特征，结合有向无环图的因果特征，充分利用了不同类型的特征信息。通过图卷积网络融合特征得到高阶特征，再经全连接网络完成对抗训练，构建出的故障预测模型综合了多种技术优势，有效提高了模型泛化能力，使其能更好地适应不同工况和数据变化，准确诊断飞行器故障。

本发明授权一种基于因果权重的垂直起降飞行器诊断泛化性增强方法在权利要求书中公布了：1.一种基于因果权重的垂直起降飞行器诊断泛化性增强方法，其特征在于，包括以下增强步骤： S1、获取垂直起降飞行器的故障飞行数据，并通过信息流因果发现方法建立飞行特征和故障类型之间的有向无环图； S2、计算有向无环图中各个节点之间的互信息，并将互信息转化为各个节点的因果强度，以对各个节点进行因果加强； S3、将因果加强后的节点输入到卷积神经网络中进行卷积操作，并且在卷积操作过程中使用因果权重进行动态加权，以提取出局部特征； S4、将局部特征和有向无环图中的因果特征进行拼接，以得到拼接特征；使用多层感知机对拼接特征进行处理，以得到节点的邻接矩阵； S5、使用图卷积网络对拼接特征和邻接矩阵进行融合，以得到高阶特征； S6、将高阶特征输入到全连接网络中，以完成以卷积神经网络和图卷积网络为特征提取器并以全连接网络为故障分类器的对抗训练；特征提取器和故障分类器构成故障预测模型； 步骤S2的具体步骤如下： S21、基于有向无环图中各个节点的时序数据，计算各个节点的信息熵；信息熵的计算公式如下： 式中，HXi表示有向无环图中第i个节点Xi的信息熵；表示节点Xi在t时刻的取值；表示的概率分布；log表示以10为底的对数函数； S22、利用信息熵计算各个节点之间的互信息，互信息的计算公式如下： IXi,Xj＝HXi+HXj-HXi,Xj； 式中，IXi,Xj表示有向无环图中第i个节点Xi和第j个节点Xj之间的互信息；HXj表示有向无环图中第j个节点Xj的信息熵；HXi,Xj表示节点Xi和节点Xj之间的联合信息熵； S23、将计算得到的互信息依序排列组合成方阵形式的因果关系矩阵M，其中的每个元素分别表示对应两个节点之间的互信息； S24、对因果关系矩阵M进行归一化操作，以得到因果强度矩阵M”； S25、结合因果强度矩阵M”中的各个因果强度对各个节点进行因果加强； S26、通过因果加强的计算公式计算各个节点在各个时刻通过因果加强后的取值； 因果加强的计算公式表示如下： 式中，表示因果加强后的节点Xi在t时刻的取值；M″ij表示有向无环图中第i个节点Xi和第j个节点Xj之间的因果强度；表示节点Xj在t时刻的取值。

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合肥工业大学;安徽航大势能科技有限公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。