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！

龙图腾网获悉北京理工大学申请的专利基于集成迁移学习的中段制导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：CN116185061B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211516761.3，技术领域涉及：G05D1/46；该发明授权基于集成迁移学习的中段制导方法是由何绍溟;金天宇;王江;李虹言;刘子超设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本基于集成迁移学习的中段制导方法在说明书摘要公布了：本发明公开了一种基于集成迁移学习的制导方法ETLS，该方法不仅能实时生成最优制导命令，还能在场景发生变化后，只用很少的新数据进行微调就能快速适应新的工作环境，并且性能几乎和之前一样好；该方法将多个传统的训练好的DNN神经网络与元学习器相结合，将新飞行器的中段制导最优控制问题，简化为寻找最优加权函数和最优偏置函数的问题，而且这两个函数可以用少量数据快速确定，避免了重新训练一个新网络的耗时和数据不足问题，从而针对新的飞行器及新的应用场景，能够在极短时间内给出满足末速度和精度要求的中制导段控制指令。

本发明授权基于集成迁移学习的中段制导方法在权利要求书中公布了：1.一种基于集成迁移学习的中段制导方法，其特征在于，该方法中，在中制导段，实时获得最优控制指令acnew；通过该最优控制指令acnew控制飞行器的舵机打舵工作，使得飞行器按照预定轨迹飞行，进而完成末速度最大化的中段制导任务； 通过实时将飞行器的状态向量S输入到预先训练好的网络E实时获得所述最优控制指令acnew； 所述网络E的训练过程包括如下步骤： 步骤1，训练获得至少5个DNN神经网络,组成基学习器； 步骤2，将基学习器与元学习器相连得到网络E，即将基学习器的输出作为元学习器的输入； 步骤3，通过少量的飞行器训练数据对网络E进行训练，即可得到所述训练好的网络E； 在所述步骤1中，所述至少5个DNN神经网络中，每个DNN神经网络都对应一种应用场景，即各个DNN神经网络针对的应用场景各不相同；所述应用场景包括：系统动力学模型、操作环境和任务目标，两个应用场景中的任意一方面存在不同，即可认为是两种应用场景； 在所述步骤1中，所述DNN神经网络为深度前馈神经网络，该DNN神经网络拥有3个隐藏层，每层20个神经元，每个隐藏层的神经元都与上一层神经元进行全连接； 神经网络中每一层的计算方法如下： Li+1＝σWiLi+bi 其中，Wi为权值矩阵，bi为偏置矩阵，Li+1表示第i+1层的输出，σ表示非线性激活函数；Li表示第i层的输出； 所述元学习器为单隐层前馈神经网络，元学习器的输入至少有5个，即至少5个DNN神经网络的输出是所述元学习器的输入；所述元学习器的输出为最优控制指令acnew。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。