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！

龙图腾网获悉中安国泰(北京)科技发展有限公司申请的专利一种基于气象监测的雷达升降控制方法及系统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：CN120949534B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511491852.X，技术领域涉及：G05B9/02；该发明授权一种基于气象监测的雷达升降控制方法及系统是由鲁森;卢柏旭;唐垒;杨俊鹏;候衫山;侯卫健设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种基于气象监测的雷达升降控制方法及系统在说明书摘要公布了：本发明公开了一种基于气象监测的雷达升降控制方法及系统，涉及雷达升降控制技术领域，包括雷达上电后完成电源与通信切换，并初始化控制器，采集气象站数据，通过卡尔曼滤波物理模型、残差神经网络，实时生成未来融合风速；将未来融合风速转化为风压进行评估，根据评估结果判定风险程度发出预警，并预热控制器进入升降准备状态。本发明通过气象数据滑动窗口平滑与特征提取提升输入稳定性，XGBoost预测与残差方差估计实现风速动态预测与不确定性量化，利用远程API插值修正与自适应扩展卡尔曼滤波增强时序一致性和鲁棒性，通过神经网络进行残差校正，提升预测精度，为雷达升降控制提供可靠决策依据。

本发明授权一种基于气象监测的雷达升降控制方法及系统在权利要求书中公布了：1.一种基于气象监测的雷达升降控制方法，其特征在于：包括， 雷达上电后完成电源与通信切换，并初始化控制器，采集气象站数据，通过卡尔曼滤波物理模型、残差神经网络，实时生成未来融合风速； 将未来融合风速转化为风压进行评估，根据评估结果判定风险程度发出预警，并预热控制器进入升降准备状态； 基于预警，启动控制器执行下降操作，并锁定设备禁止升起，当环境重新满足安全条件时，解除锁定并通过控制器回升； 所述采集气象站数据，通过卡尔曼滤波物理模型、残差神经网络，实时生成未来融合风速指以固定采样频率从分体式气象站对现场气象进行采集，通过内部传感器采集雷达升降设备的运行变量，通过滑动窗口将最近N个采样时刻的瞬时风速值存入循环缓冲区，并计算每个时刻在时间窗口内的平均风速构建平均风速序列，通过相邻时刻瞬时风速差分计算获得一阶梯度特征，并结合气象数据与运行变量作为外部影响因子构建输入特征向量输入至XGBoost回归模型进行预测，对每个预测步长计算对应的风速预测均值，通过真实风速观测值与风速预测均值相减计算预测残差，并建立残差循环缓冲区，采用预测残差的方差作为预测不确定性的估计，最终输出预测对； 从远程API获取离散时刻的风速预测均值，基于历史API风速预测均值和现场实测值做差计算预测方差，并采用单调保持的分段三次Hermite插值将离散时刻的气象预报数据转化为逐秒序列，对预测方差进行膨胀修正获得插值修正后的远程API方差，在远程API数据正常可用的情况下，输出插值后的远程API预测对，进一步采用自适应扩展卡尔曼滤波方法对风速状态进行递推估计，定义状态向量，状态方程采用含非线性阻尼的形式，并加入过程噪声，基于状态向量定义观测方程，滤波递推遵循“预测—更新”两阶段，在预测阶段，通过非线性状态转移函数计算得到当前时刻的状态先验估计向量，并根据雅可比矩阵传播协方差获得先验误差协方差矩阵，根据先验误差协方差矩阵和观测值计算卡尔曼增益获得卡尔曼增益矩阵，并修正当前时刻的状态先验估计向量和先验误差协方差矩阵获得后验状态估计向量和后验误差协方差矩阵，作为下一时刻预测的初始条件； 在EKF更新步骤中，通过时刻k的实测风速与预测风速相减计算获得观测残差进行测量噪声协方差更新，根据观测残差和更新后的测量噪声协方差修正过程噪声协方差，并构造神经网络的输入向量，将输入向量输入至神经网络输出状态修正量，并与后验状态估计向量残差相加获得最终的状态估计，以最终的状态估计作为初始状态，将非线性状态转移函数连续叠加使用步，每一步的预测状态都基于前一步预测状态继续代入非线性状态转移函数进行迭代，得到未来步的状态预测向量同时递推预测误差协方差矩阵，结合未来状态预测向量输出预测风速和方差，将XGBoost回归模型预测结果与远程API预测结果进行加权获得融合模型风速预测值和方差，当远程API不可用时，则退化为单一模型，将模型预报结果与自适应扩展卡尔曼滤波方法预测结果进行二次加权融合，最终获得融合预测风速为、方差为。

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安国泰(北京)科技发展有限公司，其通讯地址为：102209 北京市昌平区未来科学城英才南一街7号院2号楼4层401室；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。