Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学;北京航空航天大学;赛思倍斯(绍兴)智能科技有限公司徐明获国家专利权

杭州电子科技大学;北京航空航天大学;赛思倍斯(绍兴)智能科技有限公司徐明获国家专利权

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!

龙图腾网获悉杭州电子科技大学;北京航空航天大学;赛思倍斯(绍兴)智能科技有限公司申请的专利一种面向微小空间目标轨道的混合预报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:CN120354177B

龙图腾网通过国家知识产权局官网在2025-09-26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:202510839017.4,技术领域涉及:G06F18/24;该发明授权一种面向微小空间目标轨道的混合预报方法是由徐明;胡佳;白雪;高旭东;王茜;陈曦;陈昭岳;郭世亮设计研发完成,并于2025-06-23向国家知识产权局提交的专利申请。

一种面向微小空间目标轨道的混合预报方法在说明书摘要公布了:本发明公开了一种面向微小空间目标轨道的混合预报方法,包括如下步骤:步骤1、构建轨道预报误差数据集;步骤2、对轨道预报误差数据集中的原始特征数据进行归一化处理;步骤3、构建并训练误差预测模型;步骤4、将训练集设置为步长为5的时间序列数据集;步骤5、将时间序列数据集作为输入通过GRU神经网络提取时间序列特征;步骤6、将GRU神经网络提取的时间序列特征和原始数据特征进行结合,并输入至XGBoost回归模型中输出预测结果。该方法使用先进的机器学习方法,挖掘其轨道误差模式,以修正预报轨道,将物理可解释性和灵活性进行结合,提高泛化能力,减少人工干预,准确度高。

本发明授权一种面向微小空间目标轨道的混合预报方法在权利要求书中公布了:1.一种面向微小空间目标轨道的混合预报方法,其特征在于,包括如下步骤: 步骤1、构建轨道预报误差数据集; 包括如下子步骤: 步骤1.1、获取多源数据,所述多源数据包括高精度雷达数据、激光测距数据、光学望远镜图像和卫星载荷探测数据; 步骤1.2、多源数据预处理; 步骤1.3、将多源数据融合得到的轨道数据作为状态向量的近似值,从而计算出TLE数据的OP误差,计算方法如下: 其中,XTLEt;t0的真实误差,是真实的基于TLE的OP误差;所述多源数据融合方法为通过卡尔曼滤波进行数据融合;所述融合后的多源数据包括轨道的传播时间、ECEF坐标系下的x、y、z坐标预测值、速度预测值和位置误差; 步骤2、对轨道预报误差数据集中的原始特征数据进行归一化处理,并将归一化处理后的数据集按比例划分为训练集和测试集; 步骤3、构建并训练误差预测模型,所述误差预测模型包括GRU神经网络和XGBoost回归模型;所述GRU神经网络包括两个GRU层、两个Dropout层以及最后一层的全连接层,所述全连接层使用线性激活函数,所述GRU神经网络中引入L2正则化; 所述误差预测模型的训练方法: 所述GRU神经网络使用adam优化器和均方误差损失函数进行编译; 所述XGBoost回归模型,通过随机搜索从指定的参数分布中随机选取参数组合,进行指定次数的迭代,每次迭代中使用不同的参数组合来训练模型,并基于交叉验证的结果选择最佳的参数,该参数包括最大深度、学习率、子样本比例和L1正则项、L2正则项; 步骤4、将训练集设置为步长为5的时间序列数据集; 步骤5、将时间序列数据集作为输入通过GRU神经网络提取时间序列特征; 步骤6、将GRU神经网络提取的时间序列特征和原始数据特征进行结合,并输入至XGBoost回归模型中输出预测结果。

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杭州电子科技大学;北京航空航天大学;赛思倍斯(绍兴)智能科技有限公司,其通讯地址为:310018 浙江省杭州市钱塘区白杨街道2号大街1158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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。