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！

龙图腾网恭喜四川航空股份有限公司申请的专利基于人工智能的民航故障监测方法及系统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：CN119199360B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411688328.7，技术领域涉及：G01R31/00；该发明授权基于人工智能的民航故障监测方法及系统是由陈明政;崔健;汪文久设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本基于人工智能的民航故障监测方法及系统在说明书摘要公布了：本发明公开了基于人工智能的民航故障监测方法及系统，方法包括数据采集、预处理、构建延迟功能、建立民航故障监测模型和民航故障监测。本发明属于故障监测领域，具体是指基于人工智能的民航故障监测方法及系统，本方案通过引入动态延迟动态神经网络方程，模拟民航系统的动态行为；采用多段延迟区间描述不同工况下的延迟特性，为民航提供更为全面的状态监测手段，确保民航运行的安全性和稳定性；通过延迟无源性判据，判断民航系统是否处于正常运行状态，实现故障监测快速决策；通过结合延迟、动态调节和无源性判据，能够全面评估民航系统状态，提供对复杂故障模式的应对能力，进而提高故障监测的效率。

本发明授权基于人工智能的民航故障监测方法及系统在权利要求书中公布了：1.基于人工智能的民航故障监测方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集，采集历史民航运行数据；步骤S2：预处理；步骤S3：构建延迟功能；步骤S4：建立民航故障监测模型；步骤S5：民航故障监测，基于建立完成的民航故障监测模型对实时采集的数据实现民航故障监测；在步骤S3中，所述构建延迟功能具体包括以下步骤：步骤S31：构建延迟民航系统；具体为通过构建带有动态延迟的动态神经网络方程模拟民航运行状态，表示为：；其中，是民航的状态向量；u·是控制输入向量，用于故障响应；g·是激活函数；W1和W2分别为当前状态和延迟状态的权重矩阵；h·是动态延迟，用于模拟民航状态信号在传输过程中的不确定延迟；B是控制输入矩阵；t是时间；A是状态转移矩阵；步骤S32：构建多区间逼近延迟区间集合；引入多区间动态逼近方法，以多段延迟区间描述不同工况下的延迟特性；具体包括：步骤S321：构建基本延迟区间集合，表示为：；其中，H是延迟的上限；是延迟变化率；h是延迟值；μ是最大延迟值；步骤S322：构建延迟集合；民航状态信号在不同飞行阶段下，信号传输的延迟会出现不同的区间分布，因此采用多个椭圆区域进行分段逼近，定义动态延迟集合为：；每个区间的顶点基于延迟的几何位置计算得到，并能够在系统状态变化时自动调整，适应多种故障模式；其中，是表示通过凸包方式将各区域组合在一起，形成一个延迟集合；、、和是椭圆区域顶点，和位于延迟区间的左下边界，和位于延迟区间的右上边界；和是延迟集合的高阶特性点，用于连接各个飞行阶段的延迟区间；步骤S323：计算区间顶点坐标，每个椭圆区间顶点坐标表示为：，；基于坐标点构造一个动态可调整的延迟集合，以适应飞行状态的时变特性；其中，Ai和Bi是椭圆的顶点坐标；是调节参数；步骤S33：构建延迟功能；具体包括：步骤S331：构造状态二次项，用于评估当前状态的能量，表示为：；其中，T是转置操作；P是状态权重矩阵，用于评估状态的能量；步骤S332：构造延迟相关项，用于捕捉当前状态与延迟状态之间的能量差异，表示为：；其中，Q是评估延迟状态能量的权重矩阵；s是延迟相关项的积分变量；步骤S333：构造高阶积分项，通过多重积分捕捉高阶延迟效应，表示为：；其中，U是用于捕捉高阶延迟效应的权重矩阵；是高阶积分项的积分变量；步骤S333：构造延迟变化率项，用于提升对系统不稳定状态的敏感性，表示为：；其中，是延迟变化率项的积分变量；R是评估不稳定状态影响的权重矩阵；是当前延迟变化率；步骤S334：构建延迟功能，表示为：；其中，是综合延迟功能；在步骤S4中，所述建立民航故障监测模型是基于数据集构建延迟功能，并进行延迟无源性判据，进而输出运行状态，具体包括以下步骤：步骤S41：定义延迟的核心描述项，表示为：；其中，E1、E2、E3、E4、E5和E6都是控制信号的权重矩阵；是核心描述项；步骤S42：设计动态参数调节项，表示为：；其中，是动态参数调节项；和是调节矩阵，用于调整系统参数；、、和Y1都是关联状态和控制输入的权重矩阵，用于调节延迟对控制输入的影响；用于描述状态权重与延迟的关系；用于补偿非线性动态特性；Y1用于补偿状态和控制之间因延迟引入的不匹配；步骤S43：定义延迟无源性判据的充要条件，表示为：；当数据通过条件判定时，民航故障监测模型输出数据对应的标签为运行正常，否则输出运行故障；步骤S45：模型判定；预先对数据集划分为测试集和训练集，损失函数采用均方误差，基于梯度下降法进行参数优化；当民航故障监测模型对训练集损失收敛时，训练完成，当训练完成的民航故障监测模型对测试集的预测正确率高于正确率阈值时，民航故障监测模型建立完成，否则重新划分数据集进行民航故障监测模型训练。

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四川航空股份有限公司，其通讯地址为：610000 四川省成都市双流区国际机场航空大厦；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”。