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倾转旋翼无人机能量管理优化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：CN115983109B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211629259.3，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的倾转旋翼无人机能量管理优化方法是由黄渭清;杨浪洪;刘岩松;李宁;李冬伟设计研发完成，并于2022-12-19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倾转旋翼无人机能量管理优化方法在说明书摘要公布了：本发明公开的一种基于深度学习的倾转旋翼无人机能量管理优化方法，属于飞行器动力技术领域。本发明实现方法为：基于采集的无人机飞行工况参数构建功率预测神经网络模型，预测不同长度时域下的功率需求；根据不同工况数据利用动态规划算法得到最佳功率需求，基于最佳功率需求构建基于最佳△P逼近的预测时域选择策略，选择DNN神经网络建立ΔP预测模型，基于所述ΔP预测模型得到神经网络的最佳预测时域和最佳预测时域内功率预测结果，结合构建的无人机系统代价函数，采用动态规划滚动优化混合动力系统能量分配策略，直至得到混合动力系统能量最优分配策略，实现系统最小等效燃油消耗，提高飞行经济性和续航时间。

本发明授权一种基于深度学习的倾转旋翼无人机能量管理优化方法在权利要求书中公布了：1.一种基于深度学习的倾转旋翼无人机能量管理优化方法，其特征在于：包括如下步骤， 步骤1：从倾转旋翼无人机飞行数据库中提取历史飞行数据的工况参数，所述飞行数据工况参数包括需求功率、飞行速度、飞行加速度、飞行高度、动力电池荷电状态SOC；将采集飞行数据工况参数进行归一化处理，并构建用于训练后续步骤2中功率预测神经网络模型的数据集； 步骤2：通过分析步骤1中倾转旋翼机飞行数据工况参数，构建用于飞行状态需求功率预测的功率预测神经网络模型；所述功率预测神经网络模型输入包括需求功率、飞行速度、飞行加速度和飞行高度，输出包括对应不同长度预测时域的需求功率； 步骤3：基于步骤1获取的无人机不同工况飞行数据，利用动态规划算法计算不同工况下每一时刻的无人机最优需求功率，计算每一时刻与下一时刻的最佳功率变化量ΔP，将每一时刻倾转旋翼机的飞行状态数据与最佳功率变化量ΔP一一对应，建立无人机飞行状态与最佳功率变化量ΔP强相关的预测数据库； 步骤4：在步骤3构建的无人机飞行状态数据与最佳功率变化量ΔP强相关数据库的基础上，构建用于预测最佳功率变化量ΔP的深度神经网络，通过所述深度神经网络找到当前飞行状态下的最佳ΔP值； 步骤5：根据步骤2预测得到的不同长度时域需求功率，对应得到不同时域下ΔP轨迹，比较不同时域下第一步的ΔP值与步骤4预测的最佳ΔP值，将最接近最佳ΔP值的预测时域作为最佳预测时域； 步骤6：基于哈密顿优化函数构建考虑发动机油耗和电能等效油耗的无人机等效燃油消耗函数模型，在此基础上考虑发动机功率频繁跳变对发动机性能及寿命的影响，构建了混动系统整体代价函数，结合步骤7滚动优化过程，实现无人机系统代价函数最小，实现无人机系统燃油消耗最小和发动机稳定运行； 步骤7：根据步骤2到步骤5得到无人机系统未来最佳时域长度内最佳预测功率，结合步骤6构建的系统代价函数，利用动态规划算法得到动力系统最佳功率分配，即得到发动机油门的最佳控制序列，选择控制序列第一步对发动机进行控制，第一步控制指令执行后将新的飞行状态数据扩充到飞行工况数据库，更新需求功率预测，循环上述过程实现滚动寻优，直至得到混合动力系统能量最优分配策略，实现系统最小等效燃油消耗，提高飞行经济性和续航时间。

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。