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！

龙图腾网获悉南京航空航天大学申请的专利一种航天器复杂装备的故障检测与隔离方法、设备及介质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：CN119669826B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411739097.8，技术领域涉及：G06F18/24；该发明授权一种航天器复杂装备的故障检测与隔离方法、设备及介质是由皮德常;郑圣彬;徐悦设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种航天器复杂装备的故障检测与隔离方法、设备及介质在说明书摘要公布了：本申请公开了一种航天器复杂装备的故障检测与隔离方法、设备及介质，涉及故障识别领域，方法包括：将航天器复杂装备的当前运行状态数据输入至运行状态预测模型中进行预测，以得到未来运行状态数据分布；运行状态预测模型是采用航天器复杂装备的时间序列训练样本集对变分库普曼异常检测器进行训练得到的；基于当前运行状态数据及未来运行状态数据分布，计算预测误差矩阵及对应的T2值、SPE统计量，然后基于预设限值确定航天器复杂装备的工作状态；当工作状态为出现故障时，计算各个运行状态变量的偏差评分并进行故障隔离，以确定运行状态故障变量。本申请实现了对航天器复杂装备的有效故障检测与故障变量筛选。

本发明授权一种航天器复杂装备的故障检测与隔离方法、设备及介质在权利要求书中公布了：1.一种航天器复杂装备的故障检测与隔离方法，其特征在于，所述航天器复杂装备的故障检测与隔离方法包括： 获取航天器复杂装备的当前运行状态数据；所述当前运行状态数据包括多个运行状态变量； 将所述当前运行状态数据输入至运行状态预测模型中进行预测，以得到未来运行状态数据分布；其中，所述运行状态预测模型是采用航天器复杂装备的时间序列训练样本集对变分库普曼异常检测器进行训练得到的；所述时间序列训练样本集包括预设时长内的多个运行状态数据；所述变分库普曼异常检测器为基于变分自编码器及库普曼矩阵层确定的； 所述变分库普曼异常检测器包括依次设置的输入层、变分自编码器的编码层、库普曼矩阵层、采样层、变分自编码器的解码层及输出层；在所述时间序列训练样本集中，每个运行状态样本数据对应的工作状态均为未出现故障；经由所述运行状态预测模型预测得到的未来运行状态数据分布遵循多元高斯分布，且以预测概率分布的形式表示； 在对变分库普曼异常检测器进行训练的过程中，采用如下公式计算训练损失函数： ； 其中，、和为超参数；为变分自编码器的编码层的参数，为变分自编码器的解码层的参数，K为库曼算子；为映射损失，计算公式如下所示： ； 其中，为期望；为变分自编码器的编码层输出的t时刻的近似后验分布，为t时刻的运行状态数据对应的可观测量；为变分自编码器的解码层输出的与对应的概率分布，DKL为KL散度，p为与对应的先验分布，L为时间序列训练样本集中运行状态数据的数量，为从近似后验分布中抽取的第个可观测量，为近似条件概率分布；H为函数空间维度，和分别t时刻可观测量分布中第维的标准差和均值，为从标准高斯分布中抽取的第l个噪声向量，为元素逐位相乘； 为动态损失，计算公式如下所示： ； 其中，为变分自编码器的编码层输出的t+m时刻的近似后验分布，为t+m时刻的运行状态数据对应的可观测量，Km为递归地传播m次库普曼算子，为与对应的第次采样，和分别为t+m时刻可观测量分布中第维的标准差和均值，为时间步；表示均方误差，并对维度取平均； 为预测损失，计算公式如下所示： ； 其中，为与对应的近似后验概率分布，为采样近似； 基于所述当前运行状态数据及所述未来运行状态数据分布，计算预测误差矩阵及对应的值、SPE统计量； 基于预设限值，根据所述当前运行状态数据对应的值、SPE统计量确定所述航天器复杂装备的工作状态；所述工作状态为出现故障或者未出现故障； 当所述工作状态为出现故障时，根据所述当前运行状态数据及所述未来运行状态数据分布，计算各个运行状态变量的偏差评分并进行故障隔离，以确定运行状态故障变量。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。