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！

龙图腾网获悉南京航空航天大学申请的专利基于嵌入式神经网络的多外挂物分离轨迹智能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：CN119538736B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411693676.3，技术领域涉及：G06F30/27；该发明授权基于嵌入式神经网络的多外挂物分离轨迹智能预测方法是由王岩;胡高可设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本基于嵌入式神经网络的多外挂物分离轨迹智能预测方法在说明书摘要公布了：本发明属于航空航天工程和人工智能领域，公开了一种基于嵌入式神经网络多外挂物分离轨迹智能预测方法。本发明的基于嵌入式神经网络多外挂物分离轨迹智能预测方法将嵌入式神经网络和六自由度运动方程相结合，通过嵌入计算数据的低阶模型，提高预测模型对计算数据的学习效率，加速神经网络收敛，提高多外挂物分离轨迹的智能预测的精度，而且融合了六自由度运动方程，能够更高效的处理两种数据源之间的关系，从而提高预测模型的计算效率。本发明的基于嵌入式神经网络多外挂物分离轨迹智能预测方法可以推广应用于载机与多外挂物气动设计、性能分析、多体分离特性以及其他领域，为多外挂物的分离轨迹预测问题提供了一种全新的智能解决方案。

本发明授权基于嵌入式神经网络的多外挂物分离轨迹智能预测方法在权利要求书中公布了：1.基于嵌入式神经网络多外挂物分离轨迹智能预测方法，其特征在于，包括如下步骤： 1构建嵌入式神经网络预测模型；具体包括： S1.通过数值模拟的方式获得所需的计算数据，根据需求选择预测模型的输入特征，并将获得的数据集划分为训练集和测试集； S2.根据预测模型的输入特征X和输出特征Y，建立具有多外挂物气动载荷的低阶模型YLF；所述预测模型的输入特征X包括外挂物空间位姿；所述预测模型的输出特征Y为气动载荷；S2中所述的低阶模型YLF，是根据原始输入特征X和输出特征Y拟合的多项式回归模型，并嵌入到神经网络的输入层上，形成新的输入特征[X,YLF]，多项式的公式如下： 其中，xi,xj,xk分别表示各输入特征；ai表示拟合一阶多项式的系数；aij表示拟合二阶多项式的系数；aijk表示拟合三阶多项式的系数；a0表示常数项；YLF表示低阶模型的气动载荷值； S3.预测模型采用全连接神经网络结构，确定包括神经网络的层数、节点数、激活函数在内的超参数，同时确定隐藏层的数量和位置； S4.在神经网络输入层中，新增一个神经元，并嵌入S2中的低阶模型YLF，此时预测模型的新输入特征为[X,YLF]； S5.在步骤S1的基础上，结合计算数据定义损失函数；并建立预测模型； S6.训练预测模型，在损失函数收敛之后对测试集进行测试，保证预测模型达到所需的预测精度，获得最终的嵌入式神经网络预测模型； 2基于嵌入式神经网络预测模型的输出的气动载荷，计算下一时刻的外挂物空间位姿；下一时刻的外挂物空间位姿作为嵌入式神经网络预测模型的输入特征获取下一时刻的气动载荷；迭代预测各个时刻的外挂物空间位姿，获得分离轨迹，步骤2具体包括： S7.在步骤S6的基础上，确定具体条件的当前时刻的输入特征，获得预测模型的输出特征，并耦合六自由度运动方程； S8.在步骤S7的基础上，采用四阶龙格库塔时间推进方法，获得下一时刻的输入特征，以迭代预测出外挂物的分离轨迹。

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南京航空航天大学，其通讯地址为：210000 江苏省南京市秦淮区御道街29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。