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！

龙图腾网获悉吉林建筑大学申请的专利基于炒肉优化算法的智能下肢假肢人体运动意图识别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：CN121015180B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511554139.5，技术领域涉及：A61B5/11；该发明授权基于炒肉优化算法的智能下肢假肢人体运动意图识别方法是由张尧;肖旭博;王垣森;迟耀丹;赵阳;王艳杰;刘昊;杨湘;王若萱;赵玉娇;王超;吴博琦;王俊喜;贾红丹设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于炒肉优化算法的智能下肢假肢人体运动意图识别方法在说明书摘要公布了：本发明适用于运动意图识别技术领域，提供了基于炒肉优化算法的智能下肢假肢人体运动意图识别方法。本发明提出基于炒肉优化算法的特征权重动态优化框架，通过离线权重向量训练及实时特征优化执行两大环节，实现运动特征权重的实时自适应分配。该算法在7个标准单峰测试函数上均取得最优结果，具备良好迁移性；经膝上截肢患者数据集验证，优化权重矩阵后识别错误数量最低、寻优速度最快，显著提升了分类器预测精度与意图识别的环境抗干扰能力，同时满足实时性要求。本发明解决了智能下肢假肢在复杂生活场景中的适应性难题，为高可靠性产品开发奠定基础，在下肢假肢与助行机器人的运动场景识别方面具有重要实际应用价值，产业化转化潜力显著。

本发明授权基于炒肉优化算法的智能下肢假肢人体运动意图识别方法在权利要求书中公布了：1.基于炒肉优化算法的智能下肢假肢人体运动意图识别方法，其特征在于，包括以下步骤： 离线权重向量训练：先构建多运动模式数据集并预处理，组成一个均等样本量数据集和五个按先验概率构造的非均衡数据集，再设计炒肉优化算法并训练，模拟中式炒肉过程调整机器学习模型中的特征权重，得到对应不同运动场景的权重向量； 实时特征优化执行：采集智能下肢假肢的传感器信号，提取特征值组成特征向量；加载所述离线权重向量训练得到的权重向量，对所述特征向量进行权重优化；将优化后的特征向量输入意图识别分类器预测运动模式；根据运动模式是否切换，自适应选择半规律性权重向量优化或使用炒肉优化算法重新训练优化权重向量； 所述炒肉优化算法包括以下过程： 构建炒锅温度分布模型； 基于炒锅热场和冷却效应的肉片基础热量调节过程； 基于精英肉片引导的肉片之间热量传递过程； 通过翻动操作重新分配肉片在搜索空间中位置的肉片翻动过程； 用于更新Alpha、Beta、Delta精英并监测算法收敛状态的精英更新过程； 所述炒锅温度分布模型的温度分布通过以下公式计算： ； 其中，是肉片所在位置的温度；是基础温度；是肉片到原点的欧氏距离；是维度； 所述肉片基础热量调节过程中，肉片的初步更新热量的计算公式如下： ； 其中，是肉片的热量；是锅加热项；是冷却项； 所述肉片之间热量传递过程中，肉片的最终获得热量的计算公式如下： ； 其中，是肉片的初步更新热量；是总热量传递项； 所述肉片翻动过程包括： 根据翻动选择概率触发翻动操作； 根据肉片适应度与所有肉片适应度中位数的关系，将肉片分为较差肉片和较好肉片两类；所述较差肉片的位置根据历史精英组合或当前精英组合的方向进行更新；所述较好肉片的位置通过精英引导或莱维飞行策略进行更新； 所述精英更新过程包括： 通过适应度排序选择前3个候选精英，分别对应Alpha、Beta、Delta精英； 采用停滞计数器监测算法收敛状态，当连续未找到更优解时计数器增加，当找到新的Alpha精英时计数器重置； 所述实时特征优化执行中，当运动模式未切换且运动未因识别错误终止时，进行半规律性权重向量优化，趋近公式为： ； 其中：为新计算出的权重向量值；为趋近因子，；为当前权重向量值；为待趋近权重向量；为随机因子；为在范围内均匀分布的随机数；当运动模式切换且运动未因识别错误终止时，重新训练的数据集表示如下： ； 其中：为运动状态数量；为当前运动序号；为第种运动状态预存储的数据集； 当前步态前若干步组成的数据集； 总样本数为： ； 其中：为每种运动状态预存储的数据量；为当前步态前预存储的历史运动数据量。

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吉林建筑大学，其通讯地址为：130100 吉林省长春市新城大街5088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。