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！

龙图腾网获悉南京理工大学申请的专利基于核极限学习机的旋转稳定弹丸风速风向估计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：CN119598887B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411517225.4，技术领域涉及：G06F30/28；该发明授权基于核极限学习机的旋转稳定弹丸风速风向估计方法是由易文俊;刘君;张丁也设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于核极限学习机的旋转稳定弹丸风速风向估计方法在说明书摘要公布了：本发明为一种基于核极限学习机的旋转稳定弹丸风速风向估计方法。包括如下步骤：建立有风条件下的旋转稳定弹丸四自由度运动学模型；构建核极限学习机网络模型；根据构建好的核极限学习机网络模型，进行风速估计；仅需确定隐含层和输出层的连接权值矩阵，在确定连接权值矩阵的基础上，求解模型的输出矩阵，实现风速和风向估计。本发明采用多输入多输出模型，避免了单次估计只能估计出一个变量的问题，减小了工作量；只需要确定输入特征个数、核函数以及输出特征个数，即可建立网络模型；无需设定隐含层节点个数，从而不需要设定隐含层的初始权重和偏置，就可以基于最小二乘原理求解输出权值，实现弹丸的风速和风向估计。

本发明授权基于核极限学习机的旋转稳定弹丸风速风向估计方法在权利要求书中公布了：1.基于核极限学习机的旋转稳定弹丸风速风向估计方法，其特征在于，包括如下步骤： 步骤1：建立有风条件下的旋转稳定弹丸四自由度运动学模型； 步骤2：构建核极限学习机网络模型：确定输入层节点个数、核函数以及输出层节点个数； 步骤3：根据构建好的核极限学习机网络模型，进行风速估计：确定核函数参数σ、正则化系数C，然后求解模型的输出矩阵，实现风速和风向估计； 步骤1建立有风条件下的旋转稳定弹丸四自由度运动学模型为： 式中，g是重力加速度，m是弹丸的质量，S为弹丸的特征面积，d为弹丸的直径，l为弹丸的特征长度，J为弹丸的轴向转动惯量，γ为滚转角，为滚转角速度，ρ为空气密度，Vr为弹丸的相对速度，Wx、Wz为风速W在惯性坐标系下的分量，αW为风向、与正北方的夹角，αN为射向、与正北方的夹角，αex、αey、αez为动力平衡角αe在惯性坐标系下的分量，Cx0、Cx2分别为零升阻力系数和诱导阻力系数，C'y为升力系数导数，Cz”为马格努斯力系数的联合偏导数，m'xz为极阻尼力矩系数导数； 步骤2具体包括如下步骤： 步骤21：输入层节点数设定 基于四自由度模型，确定影响因素分别为弹丸的速度分量Vx、Vy、Vz，射程x，飞行高度y以及侧偏z； 步骤22：输出层节点数设定 采用核极限学习机实现对弹丸所受风速的估计，风速包括大小和方向； 步骤23：核函数选择 通过对输入数据归一化处理，输入数据的大小均被映射到[0,1]区间，选用高斯函数作为核函数； 输入层的节点个数为I＝6；输出层的节点个数为O＝2； 步骤3具体包括如下步骤： 步骤31：对数据集归一化处理； 采用min-maxnormalization归一化法，将全部数据映射到[0,1]区间内，归一化公式为： 其中，xi为原始输入数据，xmin为最小输入数据，xmax为最大输入数据，为归一化后的输入数据； 步骤32：训练网络，确定输出权重； 核函数矩阵定义如下： 选择高斯函数作为核函数，其表达式为： 其中，σ为核函数参数； 核极限学习机的网络模型为Hβ＝T，其中，H为隐含层的输出矩阵，β为隐含层和输出层之间的连接权值矩阵，T为输出矩阵； 设定核函数参数σ和正则化系数C，从而得到隐含层和输出层之间的连接权值矩阵；核极限学习机的训练过程采用最小二乘法求解输出权重β，具体为： 步骤33：网络预测，实现参数辨识： 在训练过程结束后，得到模型的输出权值矩阵β，根据式4-6，得到核极限学习机的输出为：

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。