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！

龙图腾网恭喜中国科学院长春光学精密机械与物理研究所申请的专利基于加权迁移域适应学习的无人机传感器故障诊断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：CN119290057B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411817125.3，技术领域涉及：G01D18/00；该发明授权基于加权迁移域适应学习的无人机传感器故障诊断方法是由杨建设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本基于加权迁移域适应学习的无人机传感器故障诊断方法在说明书摘要公布了：本发明涉及无人机故障诊断技术领域，尤其涉及一种基于加权迁移域适应学习的无人机传感器故障诊断方法。包括：构建多尺度神经网络模型，包括特征提取器、域判别器及分类器三个多尺度的神经网络模块；特征提取器提取数据的高维特征信息；域判别器在模型训练过程中与特征提取器进行对抗训练，使域判别器无法区分数据来自源域还是目标域；分类器对特征提取器输出的样本特征进行识别分类；获取源域样本数据集和目标域样本数据集；对构建的多尺度神经网络模型进行训练；通过训练好的多尺度神经网络模型对目标域数据进行故障识别诊断。优点在于：在缺少目标域数据集标签的条件下，为无人机故障诊断建立更好的学习模型，实现对目标域数据集的故障诊断。

本发明授权基于加权迁移域适应学习的无人机传感器故障诊断方法在权利要求书中公布了：1.一种基于加权迁移域适应学习的无人机传感器故障诊断方法，其特征在于，具体包括如下步骤：S1.构建多尺度神经网络模型，包括特征提取器、域判别器及分类器三个多尺度的神经网络模块；其中，特征提取器作为入口接收输入数据，并将输入数据映射到特定空间，提取数据的高维特征信息；域判别器用于混淆源域样本数据集和目标域样本数据集，在模型训练过程中与特征提取器进行对抗训练，最终使域判别器无法区分数据来自源域还是目标域；分类器对特征提取器输出的样本特征进行识别分类，最终判断数据对应的类别；在特征提取器与域判别器之间设计梯度反转层，使得域判别误差在反向传播过程中梯度方向自动取反，在前向传播过程中实现恒等变换；S2.获取源域样本数据集和目标域样本数据集：源域数据集选取自无人机故障公开数据集空中实验室故障与异常数据集；采集无标签的无人机实际飞行记录中的传感器数据，作为目标域样本数据集；在所述源域样本数据集和所述目标域样本数据集中均包括四种故障类型样本，四种故障类型包括恒偏差、漂移、突变和噪声偏差；S3.对步骤S1构建的多尺度神经网络模型进行训练；具体包括如下子步骤：S301.初始化网络参数：训练开始前，先进行参数初始化设置，利用源域样本对多尺度神经网络模型预训练迭代若干次；S302.分别计算域判别器的损失函数、分类器的损失函数以及特征提取器在训练过程中源域与目标域数据之间多核最大均值差异距离的损失函数；并最终计算总目标损失函数；特征提取器在训练的过程中源域与目标域数据之间多核最大均值差异距离的损失函数表示如下： ；其中，表示源域中第i个样本，为源域样本总数目；表示目标域中第j个样本，为目标域样本总数目；表示特征提取器的网络参数，表示希尔伯特空间；S303.将训练集带入模型的输入层，开始对模型进行训练，当网络迭代次数达到设定迭代次数后，带入验证集对模型进行验证，并对参数进行微调；S304.带入测试集对模型的识别效果进行测试；当模型参数优化到目标值之后，模型训练结束；S4.通过训练好的多尺度神经网络模型对目标域数据进行故障识别诊断。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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”。