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！

龙图腾网获悉山东大学申请的专利基于域自适应的无人机故障诊断方法、系统、介质及设备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：CN121389811B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511935456.1，技术领域涉及：G06F30/27；该发明授权基于域自适应的无人机故障诊断方法、系统、介质及设备是由满永超;王家粤;刘允刚;王媛设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本基于域自适应的无人机故障诊断方法、系统、介质及设备在说明书摘要公布了：本发明涉及故障诊断技术领域，提供了基于域自适应的无人机故障诊断方法、系统、介质及设备，包括：对多维时序数据集进行滑窗分段，对每一窗口数据计算时域与频域特征，构建源域数据集与目标域数据集，对域对抗神经网络进行联合训练；训练完成后，应用沙普利加性解释法，计算各时域与频域特征的全局重要性并按全局重要性排序，将排序靠前的多个时域与频域特征作为重要特征，只保留源域数据集与目标域数据集中的重要特征，更新源域数据集与目标域数据集，基于更新后的源域数据集与目标域数据集，对域对抗神经网络进行重新训练；通过重新训练的域对抗神经网络，进行故障分类。能够在复杂环境变化与多任务条件下实现高精度故障识别。

本发明授权基于域自适应的无人机故障诊断方法、系统、介质及设备在权利要求书中公布了：1.一种基于域自适应的无人机故障诊断方法，其特征在于，包括： 获取无人机在不同飞行任务下的三轴加速度计数据与三轴陀螺仪数据，形成多维时序数据集，并对多维时序数据集进行滑窗分段，对每一窗口数据计算时域与频域特征，构建源域数据集与目标域数据集，基于源域数据集与目标域数据集，对域对抗神经网络进行联合训练； 对训练完成的域对抗神经网络，应用沙普利加性解释法，计算各时域与频域特征的全局重要性并按全局重要性排序，将全局重要性排序靠前的多个时域与频域特征作为重要特征，只保留源域数据集与目标域数据集中的重要特征，更新源域数据集与目标域数据集，基于更新后的源域数据集与目标域数据集，对域对抗神经网络进行重新训练，具体为：采用沙普利加性解释方法对训练好的域对抗神经网络模型进行特征贡献计算分析，其中，沙普利加性解释值用于衡量单个特征对模型输出的边际贡献，定义为： ； 其中，为特征的沙普利加性解释值；表示第个特征；为除第个特征外的其他特征子集；为特征的置换或缺失状态；为对背景数据分布的期望；表示域对抗神经网络模型的预测函数，输出为域对抗神经网络目标分类层输出对应的预测值； 对于全部样本，计算每个特征的沙普利加性解释值并取绝对值的平均值作为其全局重要性指标： ； 其中，表征特征在整体预测任务中的全局重要性；用于计算沙普利加性解释值的样本总数；为样本的第个特征的沙普利加性解释值，表示该特征在该样本上的边际贡献； 将全部特征按值从大到小排序，得到特征全局重要性序列，根据特征全局重要性分布，设定自适应累计贡献阈值，并按特征全局重要性从大到小排序，筛选出满足以下条件的特征集合：，得到更新后的源域数据集与目标域数据集；其中，表示按全局重要性降序排列后的第个特征的全局重要性，集合表示在累计全局重要性达到阈值前所选取的特征子集，h为筛选出的重要特征的数量； 自适应累计贡献阈值定义为：；其中，d为特征总数，是平衡系数，是灵敏度参数，控制突变的判定严格性，所有值的标准差，用于衡量重要性的离散程度，若不存在满足的j，则突变点项取最大的； 获取无人机在当前飞行任务下的三轴加速度计数据与三轴陀螺仪数据，计算重要特征，通过重新训练的域对抗神经网络，进行故障分类； 使用域对抗神经网络，对更新后的目标域数据集进行故障分类，并通过沙普利加性解释法计算特征层贡献向量，进行单样本的动态可解释性分析； 域对抗神经网络进行训练时采用的损失函数为自适应焦点损失、监督对比损失和域分类层损失的加权和。

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山东大学，其通讯地址为：250000 山东省济南市历下区经十路17923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。