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！

龙图腾网获悉清华大学申请的专利基于深度学习的车辆载重确定方法及装置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：CN114020807B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202111279943.9，技术领域涉及：G06F18/20；该发明授权基于深度学习的车辆载重确定方法及装置是由裴欣;岳云;宿旸;韩春阳;游晶;姚丹亚设计研发完成，并于2021-10-29向国家知识产权局提交的专利申请。

本基于深度学习的车辆载重确定方法及装置在说明书摘要公布了：本发明提供了一种基于深度学习的车辆载重确定方法及装置，基于深度学习的车辆载重确定方法包括：获取待确定载重车辆的加速度；根据预先建立的长短时记忆网络模型提取所述加速度的时序特征数据；根据所述时序特征数据以及预先建立的全连接神经网络模型确定所述待确定载重车辆的载重。本发明仅依托车辆的行驶速度，利用人工神经网络强大的特征提取能力和学习能力对车辆载重进行估计，避免了由于信息维度过多导致的模型过拟合问题，并提高了模型的可移植性。

本发明授权基于深度学习的车辆载重确定方法及装置在权利要求书中公布了：1.一种基于深度学习的车辆载重确定方法，其特征在于，包括： 获取待确定载重车辆的加速度； 根据预先建立的长短时记忆网络模型提取所述加速度的时序特征数据； 根据所述时序特征数据以及预先建立的全连接神经网络模型确定所述待确定载重车辆的载重； 所述加速度为三维加速度，所述的车辆载重确定方法还包括： 根据所述三维加速度生成所述待确定载重车辆的三维急动度； 建立所述长短时记忆网络模型包括以下步骤： 建立所述长短时记忆网络模型的初始模型； 利用所述初始模型的输入层学习所述三维加速度以及所述三维急动度各自的正序、反序时间序列特征； 利用所述初始模型的隐藏层学习所述三维加速度以及所述三维急动度联合的时空特征数据； 根据学习后的输入层以及隐藏层建立所述长短时记忆网络模型； 所述根据预先建立的长短时记忆网络模型提取所述加速度的时序特征数据，包括： 提取所述隐藏层中每个节点的状态特征； 利用矩阵向量化方法对所述状态特征进行展平，以获取所述时序特征数据，具体地： 提取每个双向长短时记忆网络隐藏层中各个双向长短时记忆节点的状态特征，以每个隐藏层为行标、隐藏层的节点为列标，构建状态特征矩阵，将状态特征矩阵重新排列，使其每一行相连组成一个新的行向量，从而将所有节点的状态特征展平，以获得车辆加速度和急动度的时空特征。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。