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！

龙图腾网获悉铜牛能源科技(山东)有限公司申请的专利基于多模态融合与深度学习的核电设备状态监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：CN121350888B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511891992.6，技术领域涉及：G06F18/2431；该发明授权基于多模态融合与深度学习的核电设备状态监测方法是由左巍;周宽;王飞设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本基于多模态融合与深度学习的核电设备状态监测方法在说明书摘要公布了：本申请涉及核电设备监测技术领域，具体涉及基于多模态融合与深度学习的核电设备状态监测方法，该方法包括：采集多台核电机组在同一时段内的多个监测样本；得到各监测样本的预测样本；通过协同监测样本之间各特征指标的取值差异，获取各监测样本的样本信息价值度，进而抽取监测样本以从特征指标中筛选各状态特征；获取各监测样本的协同预测差异度；利用状态特征构建特征空间，进而获取各监测样本的密度一致系数；获取各监测样本的综合得分，筛选用于扩充各状态标签的扩充样本；监测核电设备的状态。本申请旨在通过筛选具有高信息价值，而且与真实样本的分布特性相匹配的扩充样本，提升状态决策模型对稀有状态故障的敏感度和识别率。

本发明授权基于多模态融合与深度学习的核电设备状态监测方法在权利要求书中公布了：1.基于多模态融合与深度学习的核电设备状态监测方法，其特征在于，该方法包括以下步骤： 采集多台核电机组在同一时段内的多个监测样本，其中包括：振动信号、温度数据与音频信号；不同核电机组在同一时间区间的监测样本，互为协同监测样本； 利用预训练的协同预测模型，得到各监测样本的预测样本；从振动信号中提取有效分量并计算各特征指标，对温度数据、音频信号分别计算各特征指标；通过协同监测样本之间各特征指标的取值差异，获取各监测样本的样本信息价值度，进而抽取监测样本以从特征指标中筛选各状态特征；通过比较各监测样本与其预测样本在各状态特征的取值，获取各监测样本的协同预测差异度；利用状态特征构建特征空间，通过对比各监测样本的状态标签下所有监测样本在特征空间内的局部密度，以及各监测样本的预测样本在特征空间内的局部密度，获取各监测样本的密度一致系数，再结合所述样本信息价值度与所述协同预测差异度，获取各监测样本的综合得分，以筛选用于扩充各状态标签的扩充样本； 利用扩充后的监测样本训练模型，以监测核电设备的状态； 所述样本信息价值度的表达式为： ；式中，P表示单个监测样本的样本信息价值度；I表示单个监测样本 的特征指标的总数；表示单个监测样本与其协同监测样本之间第i个特征指标的取值的 差异值；L1表示单个监测样本与其协同监测样本的状态标签相同；L2表示单个监测样本与 其协同监测样本的状态标签不同；表示预设值； 所述密度一致系数的获取过程为： 计算各监测样本在特征空间中与同一状态标签下的预设多个近邻监测样本之间距离的算术平均数； 将各状态标签下所有监测样本的所述算术平均数的平均值，记为各状态标签的局部距离； 统计特征空间中以各状态标签下各监测样本为中心、以所述局部距离为半径的范围内监测样本的个数；将各状态标签下所有监测样本对应的所述个数的平均值，记为各状态标签的平均密度； 统计特征空间中以各状态标签下各监测样本的预测样本为中心、以所述局部距离为半径的范围内监测样本的总量； 所述密度一致系数为所述总量与所述平均密度的比值。

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铜牛能源科技(山东)有限公司，其通讯地址为：250101 山东省济南市中国(山东)自由贸易试验区济南片区新泺大街1166号奥盛大厦3号楼14层1406室；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。