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起落架系统未知故障诊断方法、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：CN119961564B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202410551836.4，技术领域涉及：G06F18/10；该发明授权一种起落架系统未知故障诊断方法、设备及介质是由陆宁云;曾梦洁;涂庭乾;毛照森设计研发完成，并于2024-05-07向国家知识产权局提交的专利申请。

本一种起落架系统未知故障诊断方法、设备及介质在说明书摘要公布了：本发明涉及故障诊断技术领域，具体涉及一种起落架系统未知故障诊断方法、设备及介质，本发明方法基于一种可解释特征分解方法增强模型特征提取能力，构建一组平行的卷积自编码结构，将样本特征分解为不确定性故障特征和类别差异特征；采用自适应阈值策略更新阈值，进行故障诊断；最后，采用无监督分析法预测未知故障类别数量，输出诊断结果，实现故障诊断。本发明方法考虑了特征分解思想，通过卷积自编码结构将样本特征分解为不确定性故障特征和差异性特征，充分考虑潜藏的故障信息和聚类几何信息，从增强特征可解释性角度提高模型特征提取能力。

本发明授权一种起落架系统未知故障诊断方法、设备及介质在权利要求书中公布了：1.一种起落架系统未知故障诊断方法，其特征在于，包括以下步骤； S100：数据采集，利用传感器采集至少一组传感信号并建立样本数据集； S200：数据预处理，把样本数据集划分为训练集和测试集，其中，所述训练集中的故障类型数少于测试集，以保证测试集中定义的未知故障未参与训练过程； S300：构建未知故障诊断模型，建立一组平行的卷积自编码结构获取不确定性故障特征和差异性特征，同时采用关联性损失函数约束特征重构过程； 每个卷积自编码结构包括编码层和解码层，所述编码层包括至少两层卷积层和池化层，所述解码层包括三层全连接层，以编码层的最后一层作为特征输出，并连接分类层，构成半监督模型结构，得到未知故障诊断模型； 在S300中，所述不确定性故障特征和差异性特征满足代数和属性，二者代数和表示样本的完整特征，计算步骤如下： S301：构建一组平行且非对称的卷积自编码结构作为特征提取器，调用特征提取器对样本数据集进行特征提取； S302：采用重构损失函数作为关联性损失函数，调用重构损失函数对特征提取器进行训练，得到不确定性特征提取器和差异性特征提取器；训练过程中，不确定性特征提取器添加了额外的不确定性损失函数，差异性特征提取器添加了额外的差异性损失函数； 其中，所述重构损失函数为： 其中，n表示样本数；Gu·表示不确定性特征提取器的解码函数；gu·表示不确定性特征提取器；Gd·表示差异性特征提取器的解码函数；gd·表示差异性特征提取器； 所述差异性函数为通过类内平均半径与类间平均距离的比值获得； S303：调用不确定性特征提取器和差异性特征提取器对S301中提取的特征进行分解，得到不确定性特征和差异性特征； S400：参数更新，将训练集输入所述未知故障诊断模型中，随机抽取训练集中固定数量的数据参与训练过程，迭代优化模型参数，当满足设定的迭代步数或者满足精度阈值条件后停止训练并保存模型； S500：阈值更新，模型测试过程中利用基于距离差异比的自适应阈值策略，自适应确定未知故障阈值，实现阈值更新，完成未知故障诊断模型的模型训练； S600：故障诊断，将待测数据输入训练完成的未知故障诊断模型中，判断待测数据属于已知故障还是未知故障，并判断其故障类型，输出已知故障、未知故障和未知故障类型数量作为诊断结果，完成故障诊断。

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。