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！

龙图腾网获悉中航材利顿航空科技股份有限公司申请的专利一种基于实时数据的航空设备维护管理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：CN120069846B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510155796.6，技术领域涉及：G06Q10/20；该发明授权一种基于实时数据的航空设备维护管理系统是由茅亚超;李舒蔓;张小龙;孙宇平;赵聪聪;张楠设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种基于实时数据的航空设备维护管理系统在说明书摘要公布了：本发明公开了一种基于实时数据的航空设备维护管理系统，属于航空设备维护技术领域，通过采用多特征提取机制以及权重重分配机制，构建航空设备故障识别模型，并以航空设备故障识别模型对航空设备进行故障预测，从而可以提前发现潜在故障，降低维修成本，实现对航空设备状态的实时监测，提高运行安全性，使工作人员制定合理的维护计划，提高维护效率，减少资源浪费，提高航空设备维护管理的智能化水平。

本发明授权一种基于实时数据的航空设备维护管理系统在权利要求书中公布了：1.一种基于实时数据的航空设备维护管理系统，其特征在于，包括：样本数据获取模块、模型构建模块、模型训练模块、实时数据获取模块、设备数据识别模块以及维护管理模块； 所述样本数据获取模块，用于获取训练集以及测试集；其中，训练集以及测试集均包括训练样本以及训练样本对应的训练标签； 所述模型构建模块，用于采用多特征提取机制以及权重分配机制，构建航空设备故障识别模型，包括： 构建网络层深度互不相同的第一卷积神经网络、第二卷积神经网络以及第三卷积神经网络，并将第一卷积神经网络、第二卷积神经网络以及第三卷积神经网络的全连接层输出的特征进行多尺度特征融合，得到融合特征； 构建ECA-Net模型，以对融合特征进行权重分配，输出权重分配之后的特征； 构建BiLSTM模型，以通过前向和反向传播双向运算对权重分配之后的特征在时间维度进行数据加强，并输出最终待识别向量； 构建CatBoost模型，以对最终待识别向量进行识别，输出航空设备故障类型； 根据第一卷积神经网络、第二卷积神经网络、第三卷积神经网络、ECA-Net模型、BiLSTM模型以及CatBoost模型，得到航空设备故障识别模型； 所述模型训练模块，用于以所述训练集以及测试集为基础，对航空设备故障识别模型进行训练，得到训练之后的航空设备故障识别模型，包括： 将航空设备故障识别模型的待优化模型参数进行初始化之后，生成待训练种群，并采用训练集对所述待训练种群进行训练，以获取待训练种群中的最优参数组合； 将待训练种群中的最优参数组合应用至航空设备故障识别模型中，并采用测试集对航空设备故障识别模型进行测试，以获取测试结果； 当所述测试结果满足条件时，则得到训练之后的航空故障识别模型，否则返回获取待训练种群中的最优参数组合的步骤； 其中，采用训练集对所述待训练种群进行训练，以获取待训练种群中的最优参数组合，包括： 采用训练集获取待训练种群中每个参数组合对应的目标函数值，并根据目标函数值确定最优参数组合； 以所述最优参数组合为基础，对待训练种群中每个参数组合进行多向引导寻优，得到多向引导寻优之后的参数组合； 针对多向引导寻优之后的参数组合，对多向引导寻优之后的参数组合进行分数阶记忆搜索，得到分数阶记忆搜索之后的参数组合； 针对分数阶记忆搜索之后的参数组合，对分数阶记忆搜索之后的参数组合进行正态分布搜索，得到正态分布搜索之后的参数组合； 重复多向引导寻优、分数阶记忆搜索以及正态分布搜索，直至满足训练结束条件，输出最优参数组合； 所述实时数据获取模块，用于针对航空设备，采集航空设备对应的实时数据；其中，所述实时数据的数据结构与训练样本的数据结构相同； 所述设备数据识别模块，用于调用训练之后的航空设备故障识别模型对航空设备对应的实时数据进行识别，确定航空设备故障情况；其中，航空设备故障情况包括具体故障类型状态以及正常状态； 所述维护管理模块，用于以所述航空设备故障情况为基础，生成航空设备维护建议以及异常情况预警信息，并根据航空设备维护建议以及异常情况预警信息进行航空设备维护管理。

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航材利顿航空科技股份有限公司，其通讯地址为：650000 云南省昆明市关上中路167号宏兴大厦C区904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”。