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深度匹配网络的无人机飞控系统异常溯源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：CN120610569B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202511114833.5，技术领域涉及：G05D1/495；该发明授权基于深度匹配网络的无人机飞控系统异常溯源方法是由张安思;王小华;张仪宗;李少波;董虔利;赵凯君设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本基于深度匹配网络的无人机飞控系统异常溯源方法在说明书摘要公布了：本发明涉及无人机故障检测技术领域，具体涉及了基于深度匹配网络的无人机飞控系统异常溯源方法。通过预处理后的多源异构数据构建含实体及语义关系的异常知识图谱，通过图谱编码器将异常诱因映射为诱因标签向量；通过深度时序特征提取网络生成飞控状态异常表征向量并检测异常；当检测到异常时，通过深度匹配网络计算异常表征向量与诱因标签向量的相关性得分，筛选前K个候选诱因；继而在知识图谱中以候选诱因节点为源点，按预设路径深度搜索构建候选因果路径，通过节点相关性评分机制排序，输出可解释溯源路径。本方法基于深度匹配网络技术，提升复杂环境下异常检测和溯源的精准性和可解释性，实现高效精准的异常诱因匹配与因果路径推理。

本发明授权基于深度匹配网络的无人机飞控系统异常溯源方法在权利要求书中公布了：1.基于深度匹配网络的无人机飞控系统异常溯源方法，其特征在于：包括以下步骤： S1、生成训练样本：从无人机任务执行平台获取多源异构数据并进行预处理操作，生成格式统一的训练样本，所述多源异构数据包括飞控状态时序数据和文本记录； S2、构建异常知识图谱：对预处理后的文本记录进行实体识别与关系抽取，形成三元组集合并构建知识图谱，节点集合表示飞控系统相关的语义实体，边集合表示实体之间的语义关系； S3、生成诱因标签向量：通过图谱编码器将所述知识图谱的语义实体中的异常诱因映射为统一的低维的诱因标签向量： 该向量用于表征异常诱因在知识图谱结构中的语义特征及其与其他实体的关系信息； S4、生成异常表征向量与异常检测：构建深度时序特征提取网络并进行预训练，利用训练好的深度时序特征提取网络将当前实时获取的飞控状态时序数据映射为飞控状态异常表征向量；引入异常检测机制对异常表征向量进行判定，输出当前飞控状态属于异常的概率值，所述异常检测机制通过以下公式输出当前飞控状态属于异常的概率值： 若概率值大于预设的异常判定阈值，则判定当前状态为异常状态，否则判定为正常状态； 在所述S4中预训练过程中引入基于孪生结构的相似度学习机制，对于任意一对样本分别编码为： 结合表示该样本对是否属于相同异常类别，定义对比损失函数如下： 其中为距离度量函数，为预设的最小间隔阈值； 同时，对每个样本预测其异常概率值，采用标准二分类交叉熵作为分类损失： 总的训练损失函数为两者加权联合优化： 其中， S5、构建深度匹配模型并输出候选诱因集合：基于所述异常表征向量和诱因标签向量构建深度匹配网络模型并进行预训练；获取S4中异常检测机制的判定结果，当S4中异常检测机制判定异常状态时，利用训练好的深度匹配网络模型输出当前异常表征向量与全部诱因标签向量的相关性匹配得分，根据匹配得分结果对所有诱因标签向量进行降序排列，选取排名前K的诱因标签向量作为当前异常的候选诱因集合； S6、异常诱因因果路径推理：根据S5中匹配得分排名前K的诱因标签向量，获取知识图谱中对应的异常诱因节点，在知识图谱中按照预设的路径深度L进行深度优先搜索，构建出以诱因节点为源点、目标异常为终点的多条候选因果路径；采用节点相关性评分机制，计算各候选因果路径的整体语义相关性评分，根据评分结果对所有候选路径进行降序排序，选取排名前N的路径作为当前异常的可解释溯源路径集合，选取得分最高的路径作为最具代表性的因果推理结果。

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”。

以上内容由龙图腾AI智能生成。