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！

龙图腾网获悉南京航空航天大学申请的专利一种复杂约束下飞行器机理模型参数迁移误差演化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：CN121808952B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610289055.1，技术领域涉及：G06F30/15；该发明授权一种复杂约束下飞行器机理模型参数迁移误差演化方法是由王寅;雷磊;康杰;沈高青设计研发完成，并于2026-03-11向国家知识产权局提交的专利申请。

本一种复杂约束下飞行器机理模型参数迁移误差演化方法在说明书摘要公布了：本发明公开了一种复杂约束下飞行器机理模型参数迁移误差演化方法，涉及航空航天及信息处理技术领域，通过构建引入注意力机制与批规范化的深度学习网络，对飞行器机理模型参数迁移误差的时序演化特性进行识别建模；在此基础上，结合模型切换策略，构建包含机理模型参数不确定性的非线性状态空间模型，并采用基于最小二乘准则的联合状态估计方法，以系统预测输出与实际观测数据之间的残差为优化目标，实现对飞行器系统状态的稳定估计，从而提高状态估计的准确性与稳定性，通过对机理模型参数迁移误差的识别与建模，本发明能够在降低模型集规模和计算复杂度的同时，有效抑制参数不确定性及外部扰动对状态估计精度的影响。

本发明授权一种复杂约束下飞行器机理模型参数迁移误差演化方法在权利要求书中公布了：1.一种复杂约束下飞行器机理模型参数迁移误差演化方法，其特征在于：具体步骤如下： S1、利用飞行器仿真数据构建机理模型参数迁移误差数据集，并通过对飞行器在离散时刻获取的三维位置及姿态测量信息进行差分处理及运动学特征提取，构造包含速度、曲率的辅助特征项的预处理特征序列，形成能够表征复杂约束条件下飞行器参数迁移误差演化特性的时序特征序列； S2、利用引入注意力机制与批规范化的长短时记忆网络对机理模型参数迁移误差的时序演化特性进行建模与训练，获得用于后续参数迁移误差识别的深度学习识别模型； S3、利用训练完成的深度学习识别模型构建分层结构的机理模型参数迁移误差演化识别流程，将复杂参数迁移误差识别问题分解为多层次子问题，并输出机理模型参数迁移误差模型和基于机理模型参数迁移误差模型而得到机理模型参数迁移误差置信度表征结果，所述机理模型参数迁移误差模型为预先构建的不同参数偏移情形下的候选机理模型； S4、根据S3得到的机理模型参数迁移误差的置信度表征结果，采用模型切换策略从预设的机理模型参数迁移误差模型集中选取用于状态估计的模型集合； 构建包含由机理模型参数迁移误差所引起的乘性机理随机参数的非线性状态空间模型，其中所述乘性机理随机参数由对应模型的参数迁移误差引入，用于表征机理模型参数相对于标称值的比例偏移量；以所述非线性状态空间模型的预测输出与测量输出之间的残差为目标函数，采用最小二乘准则构建联合状态参数估计方法，对系统状态与机理模型参数进行协同估计，输出飞行器的状态估计结果。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区南京航空航天大学将军路校区航天学院；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。