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！

龙图腾网获悉大连理工大学申请的专利一种基于Transformer-BiGRU交叉注意力机制的无人平台机电系统故障预警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：CN120255483B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510461589.3，技术领域涉及：G05B23/02；该发明授权一种基于Transformer-BiGRU交叉注意力机制的无人平台机电系统故障预警方法是由鲁业明;陈彦木;郭宇洁;程建平;王晓放;姜孝谟设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种基于Transformer-BiGRU交叉注意力机制的无人平台机电系统故障预警方法在说明书摘要公布了：一种基于Transformer‑BiGRU交叉注意力机制的无人平台机电系统故障预警方法，其属于故障预警的技术领域。该方法包括获取参数并进行时序对齐与关键特征筛选；其次设计并行化时空特征提取架构：一方面通过多层Transformer编码器捕捉长时序依赖关系，另一方面采用双向门控循环单元实现序列的双向上下文建模，并引入可解释性全局注意力机制对BiGRU隐层状态进行特征权重动态分配；进而针对Transformer与BIGRU融合问题构建交叉注意力特征融合模块，通过时空特征张量的交互式注意力计算，实现时序动态特性与空间关联特性的协同表征。该方法实现了从柴油机滑油压力异常到全船电力系统级联故障的超前预警。

本发明授权一种基于Transformer-BiGRU交叉注意力机制的无人平台机电系统故障预警方法在权利要求书中公布了：1.一种基于Transformer-BiGRU交叉注意力机制的无人平台机电系统故障预警方法，其特征在于，包括以下步骤： S1、复杂工况下多源传感器异构数据采集与治理分析； S1.1实时采集无人平台机电系统多模态传感器数据； S1.2对机电系统多模态传感器数据进行分类：根据采集位置的不同，将数据进行分类处理； S1.3机电系统多源传感器异构数据治理：对数据进行异常值剔除、缺失值填补、贝叶斯小波包去噪、归一化处理； S2、机电系统多源异构数据下的运行特征参数提取： 基于皮尔逊相关性的计算结果，选择皮尔逊相关性系数大于0.6的参数作为无人平台机电系统故障识别与预警模型的特征参数； S3、构建基于Transformer-BiGRU交叉注意力机制的无人平台故障预警模型： S3.1Transformer编码器：其将输入序列映射为查询Query、键Key和值Value向量，通过点积运算计算序列内任意位置间的相关性权重： ； ； 经过多层堆叠后，最终输出为： ； 其中，Q、K、V分别为查询、键和值，dk为键的维度； 根据机电系统的任务分配情况，对于模型输入、输出特征维度进行参数规定，同时针对Transformer编码器的注意力维度、编码器层数、多头注意力头数进行分配，捕获跨时间步的长期关联特性； S3.2融合全局注意力机制优化的BiGRU网络：该网络由前向和后向神经网络组成，通过多层双向GRU对输入序列进行编码，状态更新方程为： ； ； ； ； ； 其中，zt更新门，rt为重置门，表示逐元素乘法、BIGRUOutput为每一层BIGRU的输出； S3.3交叉注意力机制下的全局-局部特征预测融合分析，其计算过程为：交叉注意力机制通过查询、键和值对于机电系统输入参数进行线性变换，计算注意力权重并生成加权特征表示；通过自适应平均池化层将交叉注意力的输出进行降维，最后通过全连接层生成最终预测结果； ； ； 其中，Q是来自Transformer的输出，K和V是来自BiGRU的输出； ； ； ； 其中，Wf为权重矩阵，bf为偏置； S4、确定预警阈值动态：动态阈值T的公式如下： ； 其中，μΔr和σΔr分别是历史预警模型预测残差变化量的平均值和标准差，k是调整因子； S5、故障预警与输出，经过模型的处理后输出一个故障预测值，若预测值与实际故障发生情况的误差，超过设置的动态阈值，则认为系统存在故障发生的可能性。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。