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！

龙图腾网获悉北京理工大学申请的专利一种基于深度学习的两栖车辆水上姿态角预测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：CN118013200B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202410254929.0，技术领域涉及：G06F18/10；该发明授权一种基于深度学习的两栖车辆水上姿态角预测方法是由向建华;张庆怀;朱正道;贾博儒设计研发完成，并于2024-03-06向国家知识产权局提交的专利申请。

本一种基于深度学习的两栖车辆水上姿态角预测方法在说明书摘要公布了：本发明公开了一种基于深度学习的两栖车辆水上姿态角预测方法，包括：获取两栖车辆的待测数据；将所述待测数据输入到深度学习模型，输出姿态角预测结果，其中，所述深度学习模型由训练集训练而成，所述训练集包含车辆姿态信息数据；所述深度学习模型由位置编码模块、编码模块和解码模块组成；所述位置编码模块用于获取数据的位置信息；所述编码模块用于对所述位置信息进行编码；所述解码模块用于输出预测结果。本发明能够更好的捕捉序列的关联信息，提高模型的训练效率，节约训练资源，同时提高对长序列数据的预测能力；本发明还可以提高两栖车辆水上姿态稳定性，预防两栖车辆出现姿态失稳风险。

本发明授权一种基于深度学习的两栖车辆水上姿态角预测方法在权利要求书中公布了：1.一种基于深度学习的两栖车辆水上姿态角预测方法，其特征在于，包括： 获取两栖车辆的待测数据； 将所述待测数据输入到深度学习模型，输出姿态角预测结果，其中，所述深度学习模型由训练集训练而成，所述训练集包含车辆姿态信息数据； 所述深度学习模型由位置编码模块、编码模块和解码模块组成； 所述位置编码模块用于获取数据的位置信息； 所述编码模块用于对所述位置信息进行编码； 所述解码模块用于输出预测结果； 将所述待测数据输入到深度学习模型前还包括：对所述待测数据进行预处理； 对所述待测数据进行预处理包括：数据整合、数据截取、数据异常值处理和数据归一化处理； 所述数据整合包括：提取所述待测数据中的姿态相关通道数据； 所述数据截取包括：将获取的两栖车辆的所述待测数据进行截取，按照预设的采样频率，对各个通道数据进行截取，获取数据长度一致的数据矩阵； 所述数据异常值处理包括：通过计算所述待测数据中的最值与数据样本整体特征的关系，判断所述待测数据是否存在异常值，并对所述异常值进行剔除，其中，所述数据样本整体特征为数据均值和标准差； 计算所述待测数据中的最值与数据样本整体特征的关系的方法为： 其中，G为Grubbs统计量，xm为样本中的最大值或最小值，为样本的平均值，std为样本的标准差； 所述数据归一化处理的方法为： 其中，M是归一化后得到的数据，x是当前输入的数据，minx、maxx分别为数据的最小值和最大值； 所述编码模块包括：稀疏注意力机制层、残差连接和层归一化层、池化层； 所述稀疏注意力机制层用于使所述深度学习模型聚焦于待测数据中的关键信息； 所述残差连接和层归一化层用于提高网络架构的稳定性和泛化能力； 所述池化层用于降低数据维度，节约计算资源，提高计算速度和计算效率； 构建所述编码模块包括： 计算稀疏性得分，根据所述稀疏性得分筛选部分目标query； 基于所述目标query计算关键注意力系数，其余非关键query对应注意力系数用均值代替，获得稀疏注意力模型： 其中，A为稀疏注意力机制的特征点积，是经稀疏化筛选后的查询向量矩阵Q，V是值向量矩阵，K为键向量K的转置，d为输入数据维度； 所述解码模块的输入格式为： 其中，Xfeed_de为传入解码器的数据格式，为先验数据，Ltoken为先验数据长度；为目标序列的占位符，Ly为目标序列长度；Concat表示将字符进行连接； 获取所述数据的位置信息的方法为： 其中，PEpos,2j为偶数位的位置编码，sin为正弦函数，pos为序列次序；j∈1,d2，表示维度，d为输入数据维度，Lx为输入序列长度，PEpos,2j+1为奇数位的位置编码，cos为余弦函数。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。