Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国民用航空飞行学院魏麟获国家专利权

中国民用航空飞行学院魏麟获国家专利权

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!

龙图腾网获悉中国民用航空飞行学院申请的专利一种基于仪表盘的多模态飞行预测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:CN120632826B

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:202511120795.4,技术领域涉及:G06F18/27;该发明授权一种基于仪表盘的多模态飞行预测方法是由魏麟;陈鹏;涂晓光;李海敏;牛知艺;李磊;陈诗亮设计研发完成,并于2025-08-12向国家知识产权局提交的专利申请。

一种基于仪表盘的多模态飞行预测方法在说明书摘要公布了:本发明公开了一种基于仪表盘的多模态飞行预测方法,包括:通过图像采集设备获取飞行器仪表盘图像及天气图像;对所述仪表盘图像进行参数识别获得仪表盘参数、天气类型结果;将识别后的所述参数与所述天气类型结果按时间戳整合,生成时序飞行数据的文件;基于Transformer编码器、LSTM网络及注意力机制构建多模态融合模型,以对所述时序飞行数据进行分析,输出飞行状态预测结果。由此,基于上述方法,最终通过多任务预测头同步输出未来5步飞行参数及状态分类上升下降减速保持,实现了从多维时序数据到飞行演化的端到端精准映射。本申请实施例的预测结果显然优于现有技术中的其他预测方法的结果。

本发明授权一种基于仪表盘的多模态飞行预测方法在权利要求书中公布了:1.一种基于仪表盘的多模态飞行预测方法,其特征在于,包括: 通过图像采集设备获取飞行器仪表盘图像及天气图像; 对所述仪表盘图像进行参数识别获得仪表盘参数,所述仪表盘参数包括数字型参数、百分比型参数及姿态仪参数;并且,为所述数字型参数和所述姿态仪参数设置报警阈值,生成报警结果; 对所述天气图像进行分类,得到天气类型结果; 将识别后的所述参数与所述天气类型结果按时间戳整合,生成时序飞行数据的文件; 基于Transformer编码器、LSTM网络及注意力机制构建多模态融合模型包括:所述Transformer编码器层、LSTM网络及多头注意力机制按如下层级连接执行: 输入处理层,所述输入处理层将传感器数据的窗口通过线性投影映射至128维特征空间,输出B×T×128维特征作为Transformer输入;其中,其中B为批量大小,T为时间步数; Transformer编码层,所述Transformer编码层采用4层编码器结构,每层包含8头自注意力机制及512维前馈网络,输出保持B×T×128维特征; 多模态特征融合层,所述多模态特征融合层将天气类型结果编码嵌入为32维向量并广播至各时间步,形成B×T×32维天气特征;并且将所述报警结果通过线性层转换为32维向量并广播,形成B×T×32维报警特征;最后,拼接Transformer输出特征、天气特征及报警特征,生成B×T×192维融合特征; 时序动态建模层,所述时序动态建模层将融合特征输入3层LSTM网络,隐藏层维度256,输出B×T×256维时序特征;通过线性层将融合特征投影至B×T×256维,与LSTM输出逐元素相加实现残差连接; 注意力优化层,所述注意力优化层对残差输出施加8头自注意力机制,每个头处理32维特征; 通过查询向量、键向量、值向量的点积缩放及Softmax加权,输出B×T×256维优化特征; 所述多模态融合模型对所述时序飞行数据进行分析,输出飞行状态预测结果。

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中国民用航空飞行学院,其通讯地址为:618300 四川省德阳市广汉市南昌路四段46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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。