買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)人民解放軍火箭軍工程大學(xué)申請(qǐng)的專利一種基于智能算法的車載重力動(dòng)態(tài)誤差補(bǔ)償方法及設(shè)備獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120296332B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510779407.7，技術(shù)領(lǐng)域涉及：G06F18/15；該發(fā)明授權(quán)一種基于智能算法的車載重力動(dòng)態(tài)誤差補(bǔ)償方法及設(shè)備是由張志利;周召發(fā);李新宇;趙軍陽(yáng);常振軍;郝詩(shī)文設(shè)計(jì)研發(fā)完成，并于2025-06-12向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于智能算法的車載重力動(dòng)態(tài)誤差補(bǔ)償方法及設(shè)備在說(shuō)明書摘要公布了：本申請(qǐng)公開(kāi)了一種基于智能算法的車載重力動(dòng)態(tài)誤差補(bǔ)償方法及設(shè)備，涉及重力動(dòng)態(tài)測(cè)量技術(shù)領(lǐng)域，該方法包括：最小冗余最大相關(guān)準(zhǔn)則的初步篩選和第一個(gè)麻雀搜索算法與交叉驗(yàn)證結(jié)合使用的精細(xì)選擇用于輸入數(shù)據(jù)的特征提取與重構(gòu)；將重力異常測(cè)量的領(lǐng)域知識(shí)作為約束條件設(shè)計(jì)了一個(gè)新的損失函數(shù)以構(gòu)建PI?LSTM用于動(dòng)態(tài)誤差補(bǔ)償；最后通過(guò)第二個(gè)麻雀搜索算法對(duì)PI?LSTM的模型超參數(shù)進(jìn)行優(yōu)化搜索。本申請(qǐng)基于群智能算法和PI?LSTM進(jìn)行車載重力動(dòng)態(tài)測(cè)量的誤差補(bǔ)償，有效提升了誤差補(bǔ)償模型的擬合性能和泛化能力，進(jìn)而提高車載重力動(dòng)態(tài)測(cè)量精度和環(huán)境適應(yīng)性。

本發(fā)明授權(quán)一種基于智能算法的車載重力動(dòng)態(tài)誤差補(bǔ)償方法及設(shè)備在權(quán)利要求書中公布了：1.一種基于智能算法的車載重力動(dòng)態(tài)誤差補(bǔ)償方法，其特征在于，包括： 獲取動(dòng)態(tài)誤差補(bǔ)償數(shù)據(jù)集；所述動(dòng)態(tài)誤差補(bǔ)償數(shù)據(jù)集包括不同操作下的車載狀態(tài)參數(shù)組和重力基準(zhǔn)值； 采用變分模態(tài)分解算法，將車載狀態(tài)參數(shù)組中每個(gè)維度的輸入向量分別自適應(yīng)分解為多個(gè)特征向量，得到總特征集；所述特征向量為本征模態(tài)函數(shù)；同一輸入向量對(duì)應(yīng)的所有輸入向量的集合為總特征集中的一個(gè)特征； 基于最小冗余最大相關(guān)準(zhǔn)則，對(duì)所述總特征集進(jìn)行初步特征篩選，得到初步篩選特征子集； 利用第一麻雀搜索算法和交叉驗(yàn)證算法，對(duì)所述初步篩選特征子集進(jìn)行精細(xì)特征篩選，得到最佳特征子集； 基于所述最佳特征子集，對(duì)所述動(dòng)態(tài)誤差補(bǔ)償數(shù)據(jù)集中的多個(gè)車載狀態(tài)參數(shù)組分別進(jìn)行數(shù)據(jù)重構(gòu)，得到每個(gè)車載狀態(tài)參數(shù)組對(duì)應(yīng)的車載狀態(tài)特征向量； 構(gòu)建物理信息約束長(zhǎng)短期記憶模型； 基于重力信息的物理規(guī)律，構(gòu)建物理信息約束長(zhǎng)短期記憶模型的總損失函數(shù)； 以所述車載狀態(tài)特征向量為輸入量，以所述重力基準(zhǔn)值為輸出量，以所述總損失函數(shù)作為第二麻雀搜索算法的適應(yīng)度函數(shù)值，基于搜索策略確定所述物理信息約束長(zhǎng)短期記憶模型的最優(yōu)超參數(shù)組，得到動(dòng)態(tài)誤差補(bǔ)償模型； 利用所述動(dòng)態(tài)誤差補(bǔ)償模型，進(jìn)行車載重力動(dòng)態(tài)誤差補(bǔ)償； 所述總損失函數(shù)為： ； 其中，； ； ； ； ； 式中，為總損失函數(shù)；為物理?yè)p失函數(shù)權(quán)重；為單調(diào)性約束損失函數(shù)權(quán)重；為初值條件約束損失函數(shù)權(quán)重；為數(shù)據(jù)損失函數(shù)；為物理?yè)p失函數(shù)；為單調(diào)性約束損失函數(shù)；為初值條件約束損失函數(shù)；為數(shù)據(jù)損失函數(shù)值；為訓(xùn)練時(shí)的模型參數(shù)；為測(cè)試數(shù)據(jù)集長(zhǎng)度；為平方根計(jì)算；為測(cè)試數(shù)據(jù)集；為模型輸入后得到的輸出值；為輸入數(shù)據(jù)；為輸入數(shù)據(jù)對(duì)應(yīng)的模型真值；為物理?yè)p失函數(shù)值；為模型輸入后得到的輸出值；為t時(shí)刻的輸入數(shù)據(jù)；為中間參數(shù)；a 1、a 2和a 3均為高斯-馬爾科夫模型的系數(shù)；為模型輸入后得到的輸出值；為t-1時(shí)刻的輸入數(shù)據(jù)；為模型輸入后得到的輸出值；為t-2時(shí)刻的輸入數(shù)據(jù)；為模型輸入后得到的輸出值；為t-3時(shí)刻的輸入數(shù)據(jù)；為單調(diào)性約束損失函數(shù)值；為單調(diào)性因子；為符號(hào)函數(shù)；為輸入數(shù)據(jù)中載體位置的高度信息；為初值條件約束損失函數(shù)值；為模型輸入后得到的輸出值；為初始時(shí)刻的輸入數(shù)據(jù)；為初始時(shí)刻的輸入數(shù)據(jù)對(duì)應(yīng)的模型真值。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)人民解放軍火箭軍工程大學(xué)，其通訊地址為：710025 陜西省西安市灞橋區(qū)同心路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。