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！

龙图腾网获悉中国科学院西安光学精密机械研究所申请的专利一种基于加权损失函数神经网络的空间目标轨道参数确定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：CN120493771B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510990518.2，技术领域涉及：G06F30/27；该发明授权一种基于加权损失函数神经网络的空间目标轨道参数确定方法是由张哲;张高鹏;李诚;杨迪;边河;王浩;陈卫宁;曹剑中设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本一种基于加权损失函数神经网络的空间目标轨道参数确定方法在说明书摘要公布了：本发明公开了一种基于加权损失函数神经网络的空间目标轨道参数确定方法，解决了现有的空间目标轨道参数确定方法中通过测角的方式存在定轨精度低、结果易于发散的问题；本发明方法，通过神经网络实现从输入角度观测量到空间目标轨道状态的端到端估计，简化了空间目标轨道参数确定模型的建立过程。采用加权损失函数降低速度与位置误差对目标状态估计精度影响，根据实际任务精度需求调整神经网络对观测目标不同轨道参数的拟合精度，能够提高空间目标轨道参数的精度。

本发明授权一种基于加权损失函数神经网络的空间目标轨道参数确定方法在权利要求书中公布了：1.一种基于加权损失函数神经网络的空间目标轨道参数确定方法，其特征在于，包括以下步骤： 步骤1、根据给定在轨航天器及观测平台的初始轨道参数，求解给定在轨航天器在地心惯性系下的绕地运行给定在轨航天器轨道动力学微分方程，获取神经网络训练数据； 步骤2、构建基于加权损失函数的神经网络，采用神经网络训练数据训练神经网络，得到空间目标轨道状态估计模型； 所述构建基于加权损失函数的神经网络具体为： 步骤a、设置神经网络中输入层、输出层以及位于输入层和输出层之间的多个隐藏层； 多个隐藏层依次连接，首层隐藏层连接输入层，用于接收输入层的输出数据，最后一个隐藏层连接输出层，用于输出预测结果，每层隐藏层将前一层的输出数据通过权重矩阵和偏置进行线性变换后，再通过激活函数进行非线性变换，并输入至下一层；所述隐藏层的计算公式为：Al＝fWl·Al-1+bl； 其中，Al表示第l层隐藏层的输出，Wl表示第l层隐藏层的权重矩阵，bl表示第l层隐藏层的偏置向量，f表示激活函数；Al-1表示第l-1层隐藏层的输出； 将隐藏层与输出层的权重矩阵初始化为随机数矩阵，隐藏层与输出层偏置向量初始化为0； 步骤b、设定神经网络中Adam优化器的参数α、β1、β2和δ，其中α为学习率，β1和β2为Adam优化器指数衰减率，δ为防止除数为0的小参数； 步骤c、设定神经网络的加权损失函数，表达式为： L＝ωposσpos+ωvelσvel+L2； 其中，L为加权损失函数，ωpos为位置误差权重，σpos为位置均方误差，ωvel为速度误差权重，σvel为速度均方误差，L2为正则化项； 步骤2具体为： 步骤2.1、构建基于加权损失函数的神经网络，设置神经网络总循环训练次数，并将神经网络训练数据进行归一化处理，得到归一化神经网络训练数据； 步骤2.2、将归一化神经网络训练数据中相应的观测平台的位置及其速度值以及给定在轨航天器相对观测平台的方位角和俯仰角输入所述输入层；并在输出层输出给定在轨航天器的预测位置及其速度值； 步骤2.3、根据输出层输出预测给定在轨航天器的位置及其速度值与归一化神经网络训练数据中相应的给定在轨航天器的位置及其速度值，计算加权损失函数值，并通过链式法则计算损失函数值相对于每一层权重和偏置的梯度，采用Adam优化器对每一层权重与偏置进行更新； 步骤2.4、判断是否达到神经网络总循环训练次数，若未达到，返回步骤2.2将另一组归一化神经网络训练数据中相应的观测平台的位置及其速度值以及给定在轨航天器相对观测平台的方位角和俯仰角输入所述输入层；若达到神经网络总循环训练次数，则将损失函数值最小时每一层权重与偏置对应的网络参数带入神经网络，得到空间目标轨道状态估计模型； 步骤3、采集N组等时间间隔的观测平台位置及其速度值以及待测空间目标相对观测平台的方位角和俯仰角，并输入空间目标轨道状态估计模型，得到待测空间目标的初始轨道位置及初始速度，其中N≥3； 步骤4、根据待测空间目标的初始轨道位置及初始速度计算任一时刻待测空间目标的位置及速度。

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中国科学院西安光学精密机械研究所，其通讯地址为：710119 陕西省西安市高新区新型工业园信息大道17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。