CN120298938A 一种无人机巡检故障智能识别系统及方法 （厦门海洋职业技术学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120298938A(43)申请公布日2025.07.11

(21)申请号202510796245.8

(22)申请日2025.06.16

GO6N3/126(2023.01)

(71)申请人厦门海洋职业技术学院

地址361100福建省厦门市体育路61号

(72)发明人杨智玲程玮林宝金杨碧云

(74)专利代理机构北京九晟日光专利代理事务所(普通合伙)1600448

专利代理师徐佳新

(51)Int.CI.

GO6V20/17(2022.01)

GO6V10/764(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/045(2023.01)

GO6N3/084(2023.01)

权利要求书2页说明书11页附图3页

(54)发明名称

一种无人机巡检故障智能识别系统及方法

(57)摘要

CN120298938A本申请提供一种无人机巡检故障智能识别系统及方法，涉及无人机智能巡检技术领域，通过历史故障数据构建双目标路径模型，通过双目标路径模型依据多源感知数据对无人机的巡检路径进行动态优化，得到优化路径和感知区域；对多源感知数据进行分层识别，得到无人机的状态预测值，基于优化路径、感知区域和状态预测值构建智能路径引导函数；对智能路径引导函数进行反向传播修正，得到故障类型特征和检测精度，基于故障类型特征和检测精度构建巡检路径的特征关联权重矩阵；进而驱动无人机基于特征关联权重矩阵对识别重构后的巡检路径进行故障智能识别，本申请可实现基于识别反馈驱动的路径重构和故障智能识别，以提高无人机巡检结

CN120298938A

基于目标巡检区域的历史故障数据构建双目标路径模型

基于目标巡检区域的历史故障数据构建双目标路径模型

利用无人机采集目标巡检区域的多源感知数据，所述双目标路径模型依据所述多源感知数据对无人机的巡检路径进行动态优化，得到无人机巡检时的优化路径和感知区域

通过无人机的云端协同平台对所述多源感知数据进行分层

识别，得到无人机的状态预测值，基于所述优化路径、

所述感知区域和所述状态预测值构建无人机巡检时的

智能路径引导函数

对所述智能路径引导函数进行反向传播修正，得到无人机

巡检时的故障类型特征和检测精度，基于所述故障类型特

征和所述检测精度构建巡检路径的特征关联权重矩阵

基于所述特征关联权重短阵对无人机的巡检路径进行识别

重构，进而驱动无人机基于识别重构后的巡检路径

进行故障智能识别

S4

82

CN120298938A权利要求书1/2页

2

1.一种无人机巡检故障智能识别方法，其特征在于，所述智能识别方法包括如下步骤：

基于目标巡检区域的历史故障数据构建双目标路径模型；

利用无人机采集目标巡检区域的多源感知数据，所述双目标路径模型依据所述多源感知数据对无人机的巡检路径进行动态优化，得到无人机巡检时的优化路径和感知区域；

通过无人机的云端协同平台对所述多源感知数据进行分层识别，得到无人机的状态预测值，基于所述优化路径、所述感知区域和所述状态预测值构建无人机巡检时的智能路径引导函数；

对所述智能路径引导函数进行反向传播修正，得到无人机巡检时的故障类型特征和检测精度，基于所述故障类型特征和所述检测精度构建巡检路径的特征关联权重矩阵；

基于所述特征关联权重矩阵对无人机的巡检路径进行识别重构，进而驱动无人机基于识别重构后的巡检路径进行故障智能识别。

2.如权利要求1所述的一种无人机巡检故障智能识别方法，其特征在于，采用非支配排序遗传算法基于目标巡检区域的历史故障数据构建双目标路径模型。

3.如权利要求1所述的一种无人机巡检故障智能识别方法，其特征在于，所述多源感知数据包括可见光图像数据、红外热成像数据和三维空间结构数据，利用无人机的可见光相机、红外热成像仪和激光雷达采集目标巡检区域的多源感知数据。

4.如权利要求1所述的一种无人机巡检故障智能识别方法，其特征在于，所述双目标路径模型依据所述多源感知数据对无人机的巡检路径进行动态优化，得到无人机巡检时的优化路径和感知区域具体包括：

通过所述多源