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！

龙图腾网获悉贵州大学申请的专利基于双对齐联邦度量学习的无人机跨工况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：CN120217116B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510690281.6，技术领域涉及：G06F18/241；该发明授权基于双对齐联邦度量学习的无人机跨工况故障诊断方法是由李传江;张向杰;包勇;吴轩宇;王浩宇;安苏阳;于丽娅;张仪宗设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本基于双对齐联邦度量学习的无人机跨工况故障诊断方法在说明书摘要公布了：本发明涉及无人机故障诊断技术领域，具体涉及了一种基于双对齐联邦度量学习的无人机跨工况故障诊断方法。包括步骤：服务器初始化全局模型；客户端基于本地数据计算分类损失，利用聚类锚点和无偏锚点优化度量学习损失、特征对齐损失，更新本地模型，并通过无偏锚点计算分类器对齐损失优化分类器；客户端计算特征锚点，并将锚点与本地模型上传至服务器；服务器利用无参数聚类算法对特征锚点进行聚类获得每个类的聚类锚点，将每个聚类簇中的锚点取平均值得到每个类别的无偏锚点，并加权平均所有本地模型，更新全局模型；重复以上过程迭代至收敛。本发明通过双对齐机制和联邦度量学习，解决了无人机故障诊断中的特征异构问题和模型泛化能力差的挑战。

本发明授权基于双对齐联邦度量学习的无人机跨工况故障诊断方法在权利要求书中公布了：1.基于双对齐联邦度量学习的无人机跨工况故障诊断方法，其特征在于：包括以下步骤： 步骤一、使用传感器分别获取无人机在x轴、y轴以及z轴的速度、加速度、角速度以及欧拉角信号，将不同工况的数据分配给不同客户端，模拟实际飞行过程中客户端特征异构的情况，并按照预设的比例划分客户端本地训练集和测试集； 步骤二、各客户端接收来自服务器的全局模型、聚类锚点以及无偏锚点，并基于本地数据利用交叉熵损失函数计算分类损失，利用聚类锚点和无偏锚点计算度量学习损失、特征对齐损失，根据分类损失、度量学习损失以及特征对齐损失对客户端本地模型进行梯度下降更新； 所述步骤二包括以下步骤： S2.1通过交叉熵损失函数计算分类损失，利用聚类锚点和无偏锚点计算度量学习损失、特征对齐损失，根据度量学习损失和特征对齐损失对客户端本地模型进行梯度下降更新，度量学习损失通过以下公式计算： 其中表示指数函数，表示余弦相似度，表示当前数据的特征向量表示，表示和属于同一类的聚合锚点聚合，表示和不属于同一类的聚类锚点的集合，表示聚类锚点集合中的一个锚点； S2.2、利用无偏锚点计算特征对齐损失： 其中表示特征向量的维度，表示客户端的第个样本点，表示样本点的特征向量在第n个维度的值，表示第k个类别的无偏锚点的第n个维度的值； 步骤三、各客户端将无偏锚点拼接成一个批次数据，输入本地模型分类器中，得到输出，并与无偏锚点的标签做交叉熵分类损失得到分类器对齐损失，然后利用分类器对齐损失对本地模型分类器进行梯度下降更新； 步骤四、各客户端计算特征锚点，并将特征锚点与本地模型上传至服务器，服务器将客户端上传的本地模型进行聚合更新全局模型，并通过对特征锚点进行无参数聚类得到每个类别的聚类锚点，然后对聚类锚点取平均值得到无偏锚点，最后将全局模型、聚类锚点以及无偏锚点发送给客户端； 步骤五、当服务器与参与训练的客户端之间的通讯次数达到预设的迭代次数时，完成全局模型训练，将训练好的全局模型用于客户端本地的测试集。

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大学，其通讯地址为：550004 贵州省贵阳市花溪区甲秀南路贵州大学西校区；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”。