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！

龙图腾网获悉太原理工大学申请的专利一种基于自适应加权多模态联合熵的故障预测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：CN121502172B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511790721.1，技术领域涉及：G06F18/15；该发明授权一种基于自适应加权多模态联合熵的故障预测方法是由相洁;崔昱;牛焱;王译苓;周梦妮;孙婕设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种基于自适应加权多模态联合熵的故障预测方法在说明书摘要公布了：本发明属于工业设备智能运维与故障预测技术领域，涉及一种基于自适应加权多模态联合熵的故障预测方法，旨在精准识别设备状态并预测故障。包括基对工业设备的历史多模态传感数据进行预处理，构建用于表征不同工况参数与各模态最优基础权重之间对应关系的条件自适应权重映射表。针对实时采集的多模态传感数据，根据实时工况参数查询条件自适应权重映射表，结合实时信号质量评估，计算各模态的动态融合权重。将各模态的实时数据转换为符号模式。采用相似度加权的容错融合机制将各模态的符号模式融合生成联合模式概率分布，计算自适应加权多模态联合熵值后将其输入至预训练的预测模型，输出工业设备的状态识别或剩余使用寿命预测结果。

本发明授权一种基于自适应加权多模态联合熵的故障预测方法在权利要求书中公布了：1.一种基于自适应加权多模态联合熵的故障预测方法，其特征在于，包括S1、数据预处理与映射关系构建：对工业设备的历史多模态传感数据进行预处理，并基于预处理后的历史数据，构建用于表征不同工况参数与各模态最优基础权重之间对应关系的条件自适应权重映射表；所述多模态传感数据是指由工业设备上不同类型传感器采集的、反映设备状态的多通道信号数据；S2、计算动态权重与符号化：针对实时采集的多模态传感数据，根据实时工况参数查询所述条件自适应权重映射表，并结合实时信号质量评估，计算各模态的动态融合权重；同时，将各模态的实时数据转换为符号模式；S3、容错融合与联合熵计算：基于所述动态融合权重，采用相似度加权的容错融合机制将各模态的符号模式融合，生成联合模式概率分布，并据此计算自适应加权多模态联合熵值；所述自适应加权多模态联合熵值是用于量化设备状态复杂度的熵特征指标；S4、设备状态预测：将所述自适应加权多模态联合熵值输入至预训练的预测模型，输出所述工业设备的状态识别或剩余使用寿命预测结果； 步骤S1中构建条件自适应权要映射表，包括：量化各模态数据的判别性指标，所述判别性指标是融合了该模态数据在健康与故障状态下统计特征差异及其与设备状态标签关联性的综合指标；针对不同的工况参数区间，以最大化设备不同状态下的模式分布差异性为目标，求解各模态在不同的工况下的最优基础权重，进而构建所述条件自适应权重映射表； 步骤S2中计算各模态的动态融合权重，包括：根据实时获取的工况参数，从所述条件自适应权重映射表中查询得到对应各模态的基础权重；估计各模态的实时瞬时信噪比作为实时信号质量评估结果；结合所述基础权重、所述实时瞬时信噪比以及离线计算的所述判别性指标，进行加权调整与归一化处理，得到最终的动态融合权重； 步骤S3中的容错融合机制包括：设定目标参考模式，所述目标参考模式基于设备健康状态下的历史符号模式所确定；计算各模态的实时符号模式与所述目标参考模式之间的相似度；将各模态的所述相似度与其对应的所述动态融合权重相乘后求和，得到联合模式的贡献度，并基于所述贡献度序列重建所述联合模式概率分布。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽大街79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。