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！

龙图腾网获悉深圳市城市交通规划设计研究中心股份有限公司申请的专利无人机爬升过程的性能预测方法、电子设备及存储介质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：CN120470266B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510948334.X，技术领域涉及：G06F18/20；该发明授权无人机爬升过程的性能预测方法、电子设备及存储介质是由林涛;程珙;刘星;庄蔚群;李鋆元;肖云波;孟安鑫设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本无人机爬升过程的性能预测方法、电子设备及存储介质在说明书摘要公布了：无人机爬升过程的性能预测方法、电子设备及存储介质，属于无人机控制技术领域。为提高无人机爬升过程的性能预测精度，本发明采集无人机爬升过程的性能预测的输入参数并进行归一化处理，包括动力系统输入参数、运动状态输入参数和环境输入参数；构建一种无人机爬升过程的性能预测模型的主体层，采用动力特性层、状态响应层和层间交互层的三层架构；构建模型的输出指标，建立模型主体层与输出指标之间的关联关系；构建一种无人机爬升过程的性能预测模型的损失函数，包括基础损失、功率动态映射损失、状态迁移损失和响应特征损失，并通过综合映射损失进行模型的整体优化；对构建的一种无人机爬升过程的性能预测模型进行参数设置、训练、验证和测试。

本发明授权无人机爬升过程的性能预测方法、电子设备及存储介质在权利要求书中公布了：1.一种无人机爬升过程的性能预测方法，其特征在于，包括如下步骤： S1.采集无人机爬升过程的性能预测的输入参数并进行归一化处理，输入参数具体如下； 动力系统输入参数包括电机输入电压A1、电机输入电流A2、螺旋桨转速A3、实测推力A4、电机表面温度A5、电机剩余容量A6、电机功率因数A7和电机电池内阻A8； 运动状态输入参数包括垂直速度A9、水平速度A10、瞬时高度A11、俯仰角A12、总重量A13、垂直加速度A14、动压A15和升力系数A16； 环境输入参数包括大气压力A17、环境温度A18、相对湿度A19、水平风速A20、垂直风速A21、空气密度A22、重力加速度A23、空气粘度A24、和雷诺数A25； S2.构建一种无人机爬升过程的性能预测模型的主体层，采用动力特性层、状态响应层和层间交互层的三层架构，包括如下步骤： S2.1.构建动力特性层从电机输入、推重特性、能效特性和推力输出四个维度进行建模，加入权重系数和偏置项，电机输入子层重点关注基础动力输出能力；推重特性子层侧重功率分配效果；能效特性子层体现能量转换效率；推力输出子层反映最终的动力效果； S2.2.构建状态响应层从速度响应子层、加速度响应子层、姿态响应子层和能量效率子层来描述无人机在爬升过程的响应特性，并引入LSTM结构捕捉时序演化规律； S2.3.层间交互层首先提取环境影响特征、动力状态特征和运动特征，然后进行特征融合； S3.基于步骤S2得到的一种无人机爬升过程的性能预测模型的主体层构建模型的输出指标，包括动态特性指标组和爬升能力指标组，采用全连接的方式建立模型主体层与输出指标之间的关联关系，所述动态特性指标组中的指标包括推力响应时间D1、姿态调整率D2、速度跟踪误差D3、功率波动率D4、推重比动态值D5和姿态稳定度D6，所述爬升能力指标组的指标包括平均爬升率D7、能量效率指标D8、航迹保持精度D9、动力裕度D10、升阻比D11和爬升稳定性指数D12； S4.构建一种无人机爬升过程的性能预测模型的损失函数，包括基础损失、功率动态映射损失、状态迁移损失和响应特征损失，并通过综合映射损失进行模型的整体优化； S5.基于步骤S1确定的无人机爬升过程的性能预测的输入参数数据及步骤S3得到的输出指标数据，构建训练集、验证集和测试集； S6.对步骤S2-步骤S4构建的一种无人机爬升过程的性能预测模型进行参数设置，然后利用步骤S5得到的训练集对一种无人机爬升过程的性能预测模型进行训练，利用验证集进行验证，利用测试集对验证后的一种无人机爬升过程的性能预测模型进行测试。

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深圳市城市交通规划设计研究中心股份有限公司，其通讯地址为：518100 广东省深圳市龙华区民治街道北站社区龙华设计产业园总部大厦1栋1101；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。