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！

龙图腾网获悉合肥工业大学;安徽智鸥驱动科技有限公司申请的专利基于深度学习的无人机残余力预测网络训练及控制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：CN121302546B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511436560.6，技术领域涉及：G06F30/15；该发明授权基于深度学习的无人机残余力预测网络训练及控制方法是由何云瀚;胡顺禹;汲自强;李伟;徐韵;邱畅;随益明;丁瑞卿设计研发完成，并于2025-10-09向国家知识产权局提交的专利申请。

本基于深度学习的无人机残余力预测网络训练及控制方法在说明书摘要公布了：本发明提供一种基于深度学习的无人机残余力预测网络训练及控制方法，涉及深度学习技术领域。通过构建Phi网络和域鉴别器，将飞行状态特征数据元中的数据输入Phi网络，得到抽象特征；以最小化气动残余力预测误差模型为目标，确定最优风场专属线性系数，从而进一步得到预测残余力；将抽象特征输入至域鉴别器，得到风条件类别的预测概率。结合域对抗学习机制训练Phi网络，计算Phi网络和域鉴别器的损失值，交替优化调整Phi网络参数和域鉴别器参数，直至损失值收敛。Phi网络输出的抽象特征剥离风条件干扰；通过实时更新风场专属线性系数，适配不同动态风场，实现气动残余力的高精度预测；保障无人机在恶劣气象环境中的应用能力。

本发明授权基于深度学习的无人机残余力预测网络训练及控制方法在权利要求书中公布了：1.一种基于深度学习的无人机残余力预测网络训练方法，其特征在于，包括： 获取无人机的飞行数据，并对飞行数据进行预处理，得到原始数据集，其中，原始数据集包括多个飞行状态特征数据元，每个飞行状态特征数据元包括速度、姿态四元数、电机PWM信号和实际气动残余力； 将飞行状态特征数据元中的数据输入Phi网络，得到抽象特征，其中，残余力预测网络包括Phi网络和域鉴别器； 以最小化气动残余力预测误差模型为目标，确定最优风场专属线性系数； 根据抽象特征和最优风场专属线性系数，得到预测残余力； 将抽象特征输入至域鉴别器，得到风条件类别的预测概率； 根据预测残余力、实际气动残余力、风条件类别的预测概率和双目标损失函数，确定Phi网络的损失值； 根据风条件类别的预测概率、真实风条件标签和交叉熵损失函数，确定域鉴别器的损失值； 根据Phi网络的损失值和域鉴别器的损失值，交替优化调整Phi网络参数和域鉴别器参数，直至Phi网络的损失值和域鉴别器的损失值均收敛； 所述气动残余力预测误差模型为 所述最优风场专属线性系数为 其中，表示第k个风条件下的实际气动残余力，表示第k个风条件下第i个飞行状态特征数据元对应的抽象特征，表示第k个风条件的风场专属线性系数，表示第k个风条件下的最优风场专属线性系数，表示第k个风条件下的第i个飞行状态特征数据元，表示飞行状态特征数据元的总数。

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合肥工业大学;安徽智鸥驱动科技有限公司，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。