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！

龙图腾网获悉北京航空航天大学杭州创新研究院;北京航空航天大学申请的专利一种适用于协同异构无人机和机器狗平台的干扰学习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：CN121541488B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610068408.5，技术领域涉及：G05B13/04；该发明授权一种适用于协同异构无人机和机器狗平台的干扰学习预测方法是由余翔;王宇杨;贾金豆;李伟鹏;朱灶旭;郭克信;郭雷设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本一种适用于协同异构无人机和机器狗平台的干扰学习预测方法在说明书摘要公布了：本发明涉及机器学习领域，具体涉及一种适用于协同异构无人机和机器狗平台的干扰学习预测方法。通过对无人机和机器狗进行针对性受力分析，为无人机构建包含升力及外部干扰项的动力学模型，为机器狗建立体现基座6自由度与腿部关节耦合特性的浮动基座模型，在已知外力作用下完成两类平台的动力学状态更新；对平台添加三次样条平滑干扰、傅里叶叠加干扰等连续时变干扰，同时搭建干扰预测神经网络，以平台历史运行数据为输入特征，以动力学模型反算的实际干扰值为标签训练网络，使其具备精准的干扰预测能力。本发明有效提升了无人机与机器狗对外部时变干扰的预测精度，简化了多平台干扰学习的实现流程。

本发明授权一种适用于协同异构无人机和机器狗平台的干扰学习预测方法在权利要求书中公布了：1.一种适用于协同异构无人机和机器狗平台的干扰学习预测方法，其特征在于，包括如下步骤： 1任务平台动力学建模：对无人机和机器狗进行受力分析，建立无人机的动力学模型和机器狗的浮动基座模型，在已知外力作用下完成两类平台的动力学状态更新； 2外部干扰建模、干扰网络搭建及干扰反馈应用：基于步骤1构建的动力学模型，对任务平台添加连续时变干扰，并搭建干扰预测神经网络，以平台历史运行数据为输入特征，以实际干扰值为标签训练网络，使其具备干扰预测能力；所述平台历史运行数据包括速度、加速度、电机转速、扭矩； 所述步骤2中，干扰预测网络的设计围绕“时序特征捕捉-多源数据融合-双平台适配”展开； 针对无人机平台：输入特征选取能直接反映干扰影响的关键运行数据，具体为连续9个时间步三维速度序列与三维期望控制力序列，两类序列拼接形成54维时序输入特征向量； ； ； ； 其中，为无人机的净推力，即旋桨的推力减去无人机自身的重力，为速度序列，分别为九个时刻的速度向量，为推力序列，分别为九个时刻的净推力向量，为整合了速度和净推力的网络输入序列，代表干扰预测神经网络，为其权重和偏置等参数，为最终网络预测的三个方向上的干扰值； 针对机器狗平台：将连续9个时间步的基座三维速度以及各个关节的转速序列与各关节的三维期望控制力矩序列进行拼接作为网络的输入； ； ； ； 其中，为速度序列，分别为九个时刻的基座速度以及关节转速向量，为力矩序列，分别为九个时刻的力矩向量，为整合了速度和力矩的网络输入序列，代表干扰预测神经网络，为其权重和偏置等参数，为最终网络预测的三个方向上的干扰值； 网络结构采用“嵌入层-1D卷积层-全局池化层-回归层”的轻量化架构，嵌入层将输入映射至低维特征空间以降低计算量，1D卷积层针对性提取时序特征，全局池化层压缩冗余特征并保留关键信息，回归层最终输出3维干扰预测值；最后，训练阶段以平台动力学模型反算的真实干扰值为标签，采用损失函数，通过迭代优化网络权重，实现干扰的实时、精准预测； 损失函数的定义如下： 。

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航空航天大学杭州创新研究院;北京航空航天大学，其通讯地址为：310051 浙江省杭州市滨江区长河街道炬航弄99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。