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！

龙图腾网获悉济宁市标准信息技术中心申请的专利一种基于多模态融合的标准化检测结果校准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：CN120597221B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511106339.4，技术领域涉及：G06F18/25；该发明授权一种基于多模态融合的标准化检测结果校准方法是由孔建设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本一种基于多模态融合的标准化检测结果校准方法在说明书摘要公布了：本发明涉及数据处理技术领域，具体为一种基于多模态融合的标准化检测结果校准方法，包括，通过对不同模态数据进行高精度时空同步与标准化，利用时间戳对齐、互相关函数及IMU动态补偿，通过采用局部异常因子算法结合动态参数调整，并利用多模态数据内在关联性进行交叉验证，构建并持续优化高置信度的系统状态表示模型，采用贝叶斯在线学习框架实现模型参数的实时辨识与自适应校准；还包括多传感器交叉验证与残差分析进行闭环再校准，通过强化学习代理生成最优行动序列，实现对被监测对象关键指标的精准预测，并能针对特定事件进行瞬时校准与情境化预测，全面提升了系统监测的智能化水平和维护效率。

本发明授权一种基于多模态融合的标准化检测结果校准方法在权利要求书中公布了：1.一种基于多模态融合的标准化检测结果校准方法，其特征在于，包括： 对采集到的不同模态、不同采样频率和不同格式的多模态数据进行时间同步和空间对齐；对多模态数据进行标准化预处理，采用局部异常因子LOF对所述多模态数据进行实时质量评估，识别并剔除异常值和噪声；在异常值检测过程中，利用不同模态数据之间的内在关联性进行交叉验证； 构建并持续优化高置信度的系统状态表示模型，所述模型表征系统组成部分的性能，实时融合经预处理和质量评估的所述多模态数据，应用贝叶斯在线学习框架对所述系统状态表示模型的内部参数进行在线参数辨识与自适应校准；所述构建并持续优化高置信度的系统状态表示模型具体包括：基于历史数据、专家知识及物理原理，采用深度神经网络及混合建模架构，构建初始系统状态表示模型，映射多模态输入数据与系统各组成部分性能指标之间的关系；通过在线学习、迁移学习和强化学习进行持续优化，兼顾环境变化、新故障和性能退化，实时校准多模态数据并动态调整模型参数；模型架构选用混合建模，基于专家知识和经验在物理原理层植入水泵效率的基本运作理念，根据流量、压力与功耗之间的理论关系，构成模型的基准；深度神经网络层具体采用一个长短期记忆网络，适合处理时间序列数据的深度神经网络，该LSTM网络专门学习历史数据中振动频谱和电机温度随时间变化的复杂模式，利用数月的历史运行数据，包括正常运行、小故障如轻微堵塞，以及一次计划性维护更换轴承前后的完整数据集，对该混合模型进行训练；训练完成后，模型能够根据输入的实时多模态数据，输出状态评估； 所述进行在线参数辨识与自适应校准具体包括：构建变分贝叶斯神经网络架构，所述架构的网络权重和偏置被建模为概率分布，并初始化这些分布的变分参数；当新的多模态数据输入时，从每个权重和偏置的变分分布中进行采样，并执行前向传播获得模型预测；依据模型预测与实际观测值之间的差异，通过反向传播算法计算损失函数相对于变分参数的梯度；利用所述梯度，采用Adam优化算法更新所述变分参数，优化证据下界；持续循环执行构建、采样、前向传播、梯度计算和变分参数更新过程，对所述系统状态表示模型参数进行在线参数辨识与自适应校准；采用内生进化算法驱动校准模型架构与参数自适应生长的标准化检测结果校准方法，周期性地进行结构突变、交叉繁殖和选择，从而动态演化出最适应当前运行环境与数据特征的最优校准模型架构；同时，结合模拟退火优化策略，在模型结构演化过程中，允许接受一定程度的非最优变化以跳出局部最优解，实现校准性能的全局收敛和自适应； 针对系统状态偏差，结合所述交叉验证与残差分析进行闭环再校准，并利用数据驱动的异常检测算法实现预测性校准；基于经校准的系统状态表示模型，当系统通过多模态数据，如压力异常升高、流量骤降识别出滴灌管线发生局部堵塞时，会立即激活高频数据采集，并执行事件驱动的参数更新，对被监测系统和设备的性能进行退化诊断与预测。

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济宁市标准信息技术中心，其通讯地址为：272000 山东省济宁市高新区洸河路东首16号鲁南质检中心院内；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。