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！

龙图腾网获悉同济大学申请的专利一种基于深度学习模型的主动展开式端头装置优化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：CN119442910B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411594810.4，技术领域涉及：G06F30/27；该发明授权一种基于深度学习模型的主动展开式端头装置优化控制方法是由黄雨;刘侃侃;罗森林;王华进;张云秋;张锋;叶斌;毛无卫设计研发完成，并于2024-11-10向国家知识产权局提交的专利申请。

本一种基于深度学习模型的主动展开式端头装置优化控制方法在说明书摘要公布了：本发明公开了一种基于深度学习模型的主动展开式端头装置优化控制方法。首先，在主动展开式端头装置的每一个滑块上安装高精度传感器，通过高速数据采集卡实时采集试验过程中关键数据，包括滑块位移和速度、剪切力、摩擦力等；随后对采集到的数据进行预处理；构建CNN‑LSTM混合模型，并采用处理后的数据进行训练；训练完成后，进一步对模型进行验证和优化；最后，将优化后的CNN‑LSTM模型应用于滑块主动控制系统，实时预测并调整滑块的位移和速度，确保滑块与试样在大变形过程中高度匹配，从而有效消除摩擦效应。本发明通过深度学习模型实现对滑块的高精度控制，大幅提升了试验数据的准确性与系统的适应能力，在复杂的实验条件下表现出优异的控制效果。

本发明授权一种基于深度学习模型的主动展开式端头装置优化控制方法在权利要求书中公布了：1.一种基于深度学习模型的主动展开式端头装置优化控制方法，所述主动展开式端头装置包括：圆形承载基底，用于承载其他零部件装置并设有相应的滑动部件；导轨系统，包含多组导轨块和若干精密滚珠，导轨块可在圆形承载基底上沿半径方向运动；滑块系统，包括围绕基底圆心沿半径方向设置的多圈滑块，滑块与导轨块配合，滑块之间设有耐压弧形橡胶膜；滑块主动控制系统，包括微型伺服电机、传力杆、传感器、控制单元；其特征在于，控制方法的实施步骤包括： 步骤1：传感器布置与数据采集； 步骤2：数据预处理以及数据集建立； 步骤3：CNN-LSTM混合模型的构建； 步骤4：CNN-LSTM混合模型的训练； 步骤5：CNN-LSTM混合模型验证与优化； 步骤6：模型部署与实时控制:将经过验证和优化的CNN-LSTM混合模型部署在主动展开式端头装置的滑块主动控制系统中，实现对滑块运动的实时高精度控制; 所述CNN-LSTM混合模型，包括CNN部分和LSTM部分，其中，CNN部分用于提取滑块运动的空间特征，LSTM部分用于捕捉时间序列特征的优势； 所述CNN部分包含多层一维卷积层、池化层和批归一化层，其中： 第一层卷积层采用64个一维卷积核，每个卷积核的大小为3×3，旨在提取滑块运动的低层次特征，该层通过卷积操作捕捉局部特征并进行特征映射，输出形状为L-3+1，64，其中L为输入长度，激活函数采用ReLU，用于引入非线性； 第一层最大池化层紧随第一层卷积层之后，采用池化窗口大小为2，旨在降低特征维度，减少计算复杂度，并防止过拟合；经过池化后，输出形状为L-3+12，64； 第二层卷积层使用128个一维卷积核，每个卷积核的大小为3×3，进一步提取深层次的特征，该层增强了模型对滑块运动的空间理解能力，输出形状为L-3+12-3+1，128，激活函数采用ReLU； 第二层最大池化层紧随第二层卷积层之后，继续降低特征维度，输出形状变为L-3+12-3+12，128； 批归一化层被添加在每层卷积层之后，以稳定网络的训练过程，防止内部协变量偏移，提升模型的训练速度和稳定性； CNN部分提取的特征随后被输入到LSTM部分； 所述LSTM部分包含两层LSTM单元，其中： 第一层LSTM单元包含256个隐藏单元，能够有效处理输入序列数据中的时间信息；这一层设置为返回序列，使得每个时间步的输出都传递给下一层，从而保留完整的时间序列信息； 第二层LSTM单元包含128个隐藏单元，进一步深化对时间序列数据的理解；这一层不返回序列，仅输出最后一个时间步的状态，以适应全连接层的输入要求； 在第二层LSTM单元后还有全连接层，所述全连接层的输出为两个神经元，所述两个神经元分别对应滑块的最优位移和速度控制指令；上述两个神经元中，激活函数采用线性函数，以实现对连续控制参数的直接输出。

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同济大学，其通讯地址为：200092 上海市杨浦区上海市四平路1239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。