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！

龙图腾网获悉重庆大学申请的专利基于LSTM的非线性气动阻尼估计方法、系统和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：CN120873506B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511393653.5，技术领域涉及：G06F18/20；该发明授权基于LSTM的非线性气动阻尼估计方法、系统和存储介质是由李少鹏;王鹏;杨庆山;武彦池;王宇航;李明水;马存明;孟昊设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本基于LSTM的非线性气动阻尼估计方法、系统和存储介质在说明书摘要公布了：本发明公开了一种基于LSTM的非线性气动阻尼估计方法，包括如下步骤：步骤一：基于结构响应构建结构的非线性状态空间模型，包括状态方程、观测方程以及非线性气动阻尼与结构振动幅值的关系；步骤二：使用无迹卡尔曼滤波对响应数据进行更新和协方差预测；步骤三：利用长短期记忆网络对卡尔曼增益进行实时修正；步骤四：基于修正后的卡尔曼增益进行状态更新和协方差更新；步骤五：通过无监督学习方式训练长短期记忆网络，优化滤波性能，定义后验观测预测值与真实观测值的均方误差作为损失函数；步骤六：根据估计的非线性气动阻尼参数计算非线性气动阻尼。本发明还公开了一种基于LSTM的非线性气动阻尼估计系统和存储介质。

本发明授权基于LSTM的非线性气动阻尼估计方法、系统和存储介质在权利要求书中公布了：1.一种基于LSTM的非线性气动阻尼估计方法，其特征在于：包括如下步骤： 步骤一：基于结构响应构建结构的非线性状态空间模型，包括状态方程、观测方程以及非线性气动阻尼与结构振动幅值的关系； 步骤二：使用无迹卡尔曼滤波对响应数据进行更新和协方差预测，获取原始卡尔曼增益； 步骤三：利用长短期记忆网络对卡尔曼增益进行实时修正，包括：获取状态预测误差和测量预测误差，标准化处理后输入长短期记忆网络，输出卡尔曼增益修正矩阵，并与无迹卡尔曼滤波计算的原始卡尔曼增益相加得到修正后的卡尔曼增益； 步骤四：基于修正后的卡尔曼增益进行状态更新和协方差更新； 步骤五：通过无监督学习方式训练长短期记忆网络，优化滤波性能，并定义后验观测预测值与真实观测值的均方误差作为损失函数； 步骤六：根据估计的非线性气动阻尼参数计算非线性气动阻尼； 所述步骤三中，利用长短期记忆网络对卡尔曼增益进行实时修正的方法步骤为： 31获取无迹卡尔曼滤波的状态预测误差和测量预测误差： 其中：和分别为预测得到的状态向量和测量向量；为时间步时的状态向量；为时间步时的测量向量； 32将获取状态预测误差和测量预测误差进行标准化处理，将标准化后的两个向量拼接成一个特征向量，作为长短期记忆网络的输入； 33将所述特征向量输入长短期记忆网络，输出卡尔曼增益修正矩阵； 34将原始卡尔曼增益与卡尔曼增益修正矩阵相加，得到修正后的卡尔曼增益。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。