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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于深度学习算法的轮式移动机器人滑转率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：CN119537767B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411599499.2，技术领域涉及：G06F17/11；该发明授权一种基于深度学习算法的轮式移动机器人滑转率预测方法是由尤波;程林;闫俊青;李佳钰;陈晨;程晨晨设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于深度学习算法的轮式移动机器人滑转率预测方法在说明书摘要公布了：本发明属于轮式移动机器人状态估计领域，本发明公开了一种基于深度学习的轮式移动机器人滑转率预测方法，解决了传感器实时测量无法提前预测和轮地交互复杂性导致预测精度不足的问题。具体方法为：首先，构建轮式移动机器人相关运动数据的车轮滑转率数据集；然后，优化改进CNN‑LSTM的网络层数和结构，高效提取信息和捕捉特征；此外，设计的隐藏状态增强模块强化隐藏状态的更新，设计的改进注意力机制模块动态调整输入特征权重，突出最重要特征；最后，设计考虑力学约束的复合损失函数用以训练模型，对训练好的模型进行验证和性能评估。本发明使得轮式移动机器人在不同地形上有较好的适应能力，提升了滑转率预测的准确性和稳定性。

本发明授权一种基于深度学习算法的轮式移动机器人滑转率预测方法在权利要求书中公布了：1.一种基于深度学习算法的轮式移动机器人滑转率预测方法，其特征在于，包括以下步骤： 步骤1：构建一个轮式移动机器人车轮滑转率数据集，包含冰、马路、泥地和沙地四种不同的地形下的移动机器人行驶数据，数据集的输入变量为：地形类别、电机扭矩值T、x方向即前向与z方向即纵向上的线速度v、角速度ω和坡度值θ，输出变量为滑转率s； 步骤2：提出一种改进的CNN-LSTM网络模型，加入了隐藏状态增强模块和改进的注意力机制模块，改进的注意力机制模块为动态权重通道注意力机制DynamicWeightingSENet，DW-SENet，模型通过提取时空特征信息和捕捉时间序列特征，预测轮式移动机器人的滑转率，通过优化卷积层和池化层的组合及连接结构，高效地提取特征信息，在每一层中保持输入和输出维度的一致性，确保模型在不同层次上充分利用输入特征，避免因维度变化而导致信息丢失，提高特征的利用效率，加入的隐藏状态增强模块通过增加一个线性层学习隐藏状态中的信息，进一步优化隐藏状态的更新，加入的动态权重通道注意力机制模块DW-SENet在SENet基础上通过增加一个卷积层为每个通道生成动态权重矩阵，充分考虑不同输入变量对预测的影响，以调整和分配权重； 步骤3：设计一个考虑力学约束的复合损失函数，通过控制力学约束在复合损失函数中的权重，使得模型训练时误差收敛速度更快，训练所需轮次更少,增强模型的泛化能力和鲁棒性，根据步骤1的数据集划分比例为70％的训练集去训练模型，划分比例为30％的验证集输入到训练后所述的网络模型进行验证，验证完成后评估其性能指标。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；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。