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！

龙图腾网获悉北京航空航天大学申请的专利一种基于深度学习的隐控一体控制分配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：CN121389834B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511971021.2，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的隐控一体控制分配方法是由马云鹏;向积嗣;郑泽伟;刘思敏;彭朝琴设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本一种基于深度学习的隐控一体控制分配方法在说明书摘要公布了：本发明公开了一种基于深度学习的隐控一体控制分配方法，属于飞机隐身与控制技术领域。通过深度神经网络，将飞行控制律生成的三轴力矩指令映射为舵面偏角指令，解决舵效非线性及舵面偏转对隐身性能的影响问题。具体包括：1利用风洞和CFD数据拟合舵面偏角与力矩的非线性关系；2构建深度自编码网络，以虚拟控制量误差和舵面偏转量组合作为损失函数；3离线训练网络，分为监督训练和非监督训练，在线部署至飞行控制系统。本发明实现了高精度非线性控制分配，同时优化舵面偏转以降低隐身性能损失，具有实时性强、数据需求低等优点。

本发明授权一种基于深度学习的隐控一体控制分配方法在权利要求书中公布了：1.一种基于深度学习的隐控一体控制分配方法，其特征在于，所述方法包括： 步骤1、建立舵面偏角与操纵力矩的非线性关系模型； 步骤2、构建深度自编码神经网络，包括深度神经网络和非线性关系模型，其中，将深度神经网络的输出转换为虚拟控制量并标准化，再与非线性关系模型连接，得到深度自编码神经网络； 步骤3、对深度自编码神经网络进行基于预分配数据的监督训练； 步骤4、定义损失函数为虚拟控制量重建误差与舵面偏转惩罚项的加权和，对深度自编码神经网络进行非监督训练； 步骤5、将深度神经网络从训练完成的深度自编码神经网络取出并接入飞行控制系统，实时接收标准化三轴力矩指令并输出最优舵面偏角分配方案； 其中，所述步骤1包括：基于风洞试验和流体力学试验数据，采用多项式拟合方法，得到舵面偏角与三轴操纵力矩之间的非线性映射关系；其中，为飞行器各个舵面的偏转值构成的列向量，表示飞行器共有块舵面，分别为维和3维实数向量空间； 所述步骤2包括：所述深度神经网络，包括3-5个隐藏层，输入层为3个节点对应的三轴标准化力矩，输出层神经元节点数量为飞行器舵面数量；隐藏层的激活函数为ReLU函数，输出层的激活函数为根据舵面偏转极限修改后的，将深度神经网络的输出利用非线性映射关系变成虚拟控制量并标准化，再与非线性模型连接，共同构成自编码器结构；其中，误差函数为虚拟控制量误差与舵面偏转量的组合。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。