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！

龙图腾网获悉青岛理工大学申请的专利基于多传感信息融合的智能农机作业速度监测方法与系统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：CN119596362B 。

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：202411748525.3，技术领域涉及：G01S19/52；该发明授权基于多传感信息融合的智能农机作业速度监测方法与系统是由李宝刚;汤景淳;刘尊民;李玉环;刘鹏;于成龙;杨发展;柳江;蒋汉军;刘富豪;刘恩汐;张云卿设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本基于多传感信息融合的智能农机作业速度监测方法与系统在说明书摘要公布了：本发明公开了一种基于多传感信息融合的智能农机作业速度监测方法与系统，其中方法包括：获取编码器测速装置测得的第一速度数据、GPS测速装置测得的第二速度数据以及多普勒雷达测速装置测得的第三速度数据这三种速度数据；基于三种速度数据得到农机运行速度，具体包括:利用加权平均滤波算法对各速度数据进行处理，并对处理后的三种速度数据进行融合，得到第一预测速度；利用卡尔曼滤波算法对三种速度数据进行融合，得到第二预测速度；通过D‑S证据理论算法对第一预测速度与第二预测速度进行数据融合，将融合后的速度预测结果作为农机运行速度。本发明的数据融合方法得到的速度预测结果相比于单一的数据融合方法得到的预测结果更为精确。

本发明授权基于多传感信息融合的智能农机作业速度监测方法与系统在权利要求书中公布了：1.一种基于多传感信息融合的智能农机作业速度监测方法，所述方法包括： 获取编码器测速装置测得的第一速度数据a1、GPS测速装置测得的第二速度数据a2以及多普勒雷达测速装置测得的第三速度数据a3这三种速度数据； 基于三种速度数据得到农机运行速度； 其特征在于：所述基于三种速度数据得到农机运行速度包括: 利用加权平均滤波算法对各速度数据进行处理，并对处理后的三种速度数据进行融合，得到第一预测速度V1； 利用卡尔曼滤波算法对三种速度数据进行融合，得到第二预测速度V2； 通过D-S证据理论算法对所述第一预测速度V1与所述第二预测速度V2进行数据融合，将融合后的速度预测结果V作为所述农机运行速度； 所述利用加权平均滤波算法对各速度数据进行处理，并处理后的三种速度数据进行融合，得到第一预测速度V1包括： 获取对应于各所述速度数据ait的时间序列，分别记为 Ai={ait1,ait2,…aitn}； 其中，t1,t2,…,tn为时间点；i=1,2,3； 定义对应于时间序列Ai中各元素的权重ωj； 利用如下算式得到对应于当前时刻的处理后的速度数据： ； 其中，c为当前时间点，j为加权移动滑动窗口内的历史数据点索引，滑动窗口只包含当前时间点及之前的k个数据点； 基于处理后的三种速度数据进行加权计算得到当前的第一预测速度V1： ； 其中，α、β、γ是权重系数； 所述基于处理后的三种速度数据进行加权计算得到当前的第一预测速度的过程中，对权重系数进行动态调整，具体包括如下步骤： 步骤A1，根据传感器的理论精度和典型适用场景，为编码器、GPS、多普勒雷达初始化权重α0、β0、γ0，初始权重满足归一化条件：α0+β0+γ0=1； 步骤A2，采集各传感器的速度数据a1t,a2t,a3t，并利用滑动窗口计算每个传感器在窗口内的标准差σi： ； 其中：为窗口内速度数据的均值，k为窗口大小，σi越小表示稳定性越高； 步骤A3，基于贝叶斯推断，结合历史测量表现与当前作业条件，计算可信度Pi： ； 其中：Ei为条件；Pai|Ei是在当前环境下测得速度的概率密度，PEi是环境条件的先验概率，Pai是传感器速度数据的边际概率； 步骤A4，利用外部辅助传感器数据）计算每个传感器的适用性评分Si： Si＝fH,T,C,P； 函数f为针对具体环境变量的经验模型或训练得到的适用性计算公式；H为湿度、T为地形特征、C为温度，P为振动强度； 步骤A5，融合稳定性、可信度和适用性评分，计算每个传感器的综合评分Wi： ； 其中λ1,λ2,λ3是调整三项权重贡献的比例因子，根据实际场景调整； 步骤A6，对综合评分进行归一化，更新各传感器权重α、β、γ： ； ； ； 步骤A7，利用更新后的权重对速度数据进行加权融合，生成当前时刻的第一预测速度V1。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江东路777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”。