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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于模型失配补偿网络的状态估计方法、系统、设备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：CN121683558B 。

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：202610189394.2，技术领域涉及：G06F30/27；该发明授权基于模型失配补偿网络的状态估计方法、系统、设备和存储介质是由马超;安玮;盛卫东;邹晗;凌强;黄源设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本基于模型失配补偿网络的状态估计方法、系统、设备和存储介质在说明书摘要公布了：本发明提供的基于模型失配补偿网络的状态估计方法，包括：构建包含动力学模型失配项和量测模型失配项的状态空间模型，基于状态空间模型得到补偿滤波预测方程和补偿滤波更新方程；通过预训练的动力学补偿网络得到动力学模型失配项，通过预训练的量测补偿网络得到量测模型失配项；基于动力学模型失配项和量测模型失配项对补偿滤波预测方程和补偿滤波更新方程进行修正；基于修正后的补偿滤波预测方程和修正后的补偿滤波更新方程进行目标状态估计。本发明通过动力学补偿网络和量测补偿网络直接修正系统模型失配项，有效解决了模型不精确导致的滤波估计精度下降问题，显著提升了模型失配场景下的状态估计精度与鲁棒性。该系统具有相同的有益效果。

本发明授权基于模型失配补偿网络的状态估计方法、系统、设备和存储介质在权利要求书中公布了：1.基于模型失配补偿网络的状态估计方法，其特征在于，包括以下步骤： 构建包含动力学模型失配项和量测模型失配项的状态空间模型，基于所述状态空间模型得到补偿滤波预测方程和补偿滤波更新方程； 所述状态空间模型的表达式为： ； ； 其中，为t时刻的目标状态；为预设动力学模型；为t-1时刻的真实状态；为动力学模型失配项；为过程噪声；为t时刻传感器量测值；为预设量测模型；为量测模型失配项，为量测噪声； 所述动力学模型失配项包括动力学失配项均值向量和动力学失配项协方差，所述量测模型失配项包括量测失配项均值向量和量测失配项协方差； 所述补偿滤波预测方程为： ； ； 其中，为t时刻预测状态均值向量；为动力学模型的线性化矩阵；为t-1时刻更新后状态均值向量；为动力学失配项均值向量；为t时刻预测状态协方差；为的转置矩阵；为t-1时刻更新后状态协方差；为动力学失配项协方差；Q为过程噪声协方差； 所述补偿滤波更新方程为： ； ； ； ； 其中，所述为t时刻更新后状态均值向量；为卡尔曼增益；为量测模型的线性化矩阵；为t时刻量测失配项的值；为量测失配项均值向量；为的转置矩阵为t时刻更新后状态协方差；为新息协方差；为量测失配项协方差；R为量测噪声协方差； 通过预训练的动力学补偿网络得到所述动力学模型失配项，通过预训练的量测补偿网络得到所述量测模型失配项； 所述预训练的动力学补偿网络和所述预训练的量测补偿网络的训练过程包括： 获取包含目标观测序列和对应真实状态序列的标记数据集； 基于所述标记数据集构造差分序列特征组合作为所述动力学补偿网络和所述量测补偿网络的输入特征； 所述动力学补偿网络和所述量测补偿网络的损失函数为多任务加权损失函数； 所述多任务加权损失函数为： ； 其中，为状态估计的均值误差；为协方差误差矩阵，其中，为的转置矩阵；为权重超参数；tr为矩阵迹； 基于所述动力学模型失配项和所述量测模型失配项对所述补偿滤波预测方程和所述补偿滤波更新方程进行修正； 基于修正后的补偿滤波预测方程和修正后的补偿滤波更新方程进行目标状态估计。

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国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。