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！

龙图腾网获悉长春工业大学申请的专利一种基于完全迁移学习的LSTM网络优化的驾驶意图推理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：CN116739043B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202310702577.6，技术领域涉及：G06N3/0442；该发明授权一种基于完全迁移学习的LSTM网络优化的驾驶意图推理方法是由廉宇峰;李丙林;李岩;刘帅师;孙中波;刘艳平;刘克平设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于完全迁移学习的LSTM网络优化的驾驶意图推理方法在说明书摘要公布了：本发明属于电动汽车主动安全技术领域，具体的说是一种基于完全迁移学习的LSTM网络优化的驾驶意图推理方法。包括以下步骤：步骤一、建立驾驶意图多变量分数阶灰色模型；步骤二、判断源域与目标域是否具有相似性；步骤三、对LSTM网络进行设计与完全迁移；步骤四、对分数阶进行优化计算，从而确定驾驶意图。本发明直接由路面工况推理驾驶意图，干扰信息少，精度较高；灰色绝对关联度的引入省去了大量的数据的概率计算，计算负担大大减小。

本发明授权一种基于完全迁移学习的LSTM网络优化的驾驶意图推理方法在权利要求书中公布了：1.一种基于完全迁移学习的LSTM网络优化的驾驶意图推理方法，其特征在于，包括以下步骤： 步骤一、建立驾驶意图多变量分数阶灰色模型；考虑路面状况即用附着系数表征和驾驶意图两个变量，建立一个分数阶两个变量的灰色模型，即GMr,2；灰色模型选取驾驶意图为系统行为特征序列即因变量，选取附着系数为相关因素序列即自变量； 步骤二、判断源域与目标域是否具有相似性； 步骤三、对LSTM网络进行设计与完全迁移，具体如下： 31LSTM网络的回归模型由两个LSTM层、一个全连接层和一个回归层组成；对于源域数据训练来说，输入层有一个节点，接收驾驶意图 为GMr,2模型的拟合值；两个LSTM层用来提取驾驶意图特性；输出层为一个节点，输出信息为期望的驾驶意图；LSTM网络使用源域的拟合值和期望值进行监督学习，训练LSTM网络参数； 32对于目标域数据验证来说，将训练好的LSTM网络完全迁移，输入层接收由r-AGO计算得到的平均附着系数序列通过完全迁移的LSTM网络对平均附着系数进行计算，获得理想的平均附着系数序列为分数阶优化计算提供必要数据信息； 步骤四、对分数阶进行优化计算，从而确定驾驶意图，具体如下： 平均附着系数与理想平均附着系数满足下式2； 根据式3， Qr为三角矩阵，并且每一列矩阵计算所获得的分数阶的数值是不同的；因此，在不同的分数阶的数值当中拟合出最优解；使用最小二乘拟合方法来计算最优分数阶；设r＝[r1,r2,…,rn-1]为所计算的不同的分数阶，ropt为一常值拟合曲线；一优化函数用下式定义： J＝kr[ropt-r12+ropt-r22+…+ropt-rn-12]10 令则最优分数阶得： 式中，kr为调整系数，是一个大于零小于n整数；ropt为一实数。

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长春工业大学，其通讯地址为：130000 吉林省长春市延安大街2055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”。