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！

龙图腾网获悉吉林大学申请的专利一种基于注意力机制的LSTM神经网络车辆悬架系统状态观测器的搭建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：CN116341099B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310124436.0，技术领域涉及：G06F30/15；该发明授权一种基于注意力机制的LSTM神经网络车辆悬架系统状态观测器的搭建方法是由刘善辉;庄晔设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本一种基于注意力机制的LSTM神经网络车辆悬架系统状态观测器的搭建方法在说明书摘要公布了：本发明涉及一种基于注意力机制的LSTM神经网络车辆悬架系统状态观测器的搭建方法，以观测未知状态信息，属于汽车底盘悬架领域。具体步骤：在仿真软件上搭建半车悬架系统动力学模型，仿真得到悬架系统状态变量以及路面信息；数据预先处理；设计基于注意力机制的编码器‑解码器神经网络模型；随机初始化参数；利用贝叶斯优化选择超参数；利用小批量随机下降和动量优化进行优化状态观测器模型；利用dropout正则化、提前停止的方法优化模型，防止状态观测器模型过拟合；悬架状态观测器模型训练及保存；模型精度验证。基于所述观测器，解决了非线性半车悬架系统未知状态变量以及路面信息、位移输入谱、力输入谱的观测问题，具有更高精度、更快计算速度优势。

本发明授权一种基于注意力机制的LSTM神经网络车辆悬架系统状态观测器的搭建方法在权利要求书中公布了：1.一种基于注意力机制的LSTM神经网络车辆悬架系统状态观测器的搭建方法，包括以下步骤： 步骤1，在仿真软件上搭建半车悬架系统动力学模型，仿真得到悬架系统状态变量以及路面信息； 步骤2，包括：2.1数据预先处理和2.2设计状态观测器模型， 2.1所述数据预先处理包括： 2.1.1将状态变量数据分为输入与输出，便于传感器测量的状态量为输入，难以测量得到的状态量以及路面信息为输出； 2.1.2将状态变量化为固定时间步长的时间序列，并对数据进行归一化处理； 2.1.3利用随机抽样，将所有数据分为训练集，验证集和测试集，分配的比例为10:2:2； 上述中训练集的数据用来状态观测器模型的训练，验证集的数据用来在训练过程中交叉验证模型的准确性，并迭代优化模型；测试集中的数据用来最终测试模型的泛化能力，检验状态观测模型对于未知状态变量的估计精度； 2.2所述设计状态观测器模型：搭建编码器-解码器神经网络模型，在编码器层与解码器层之间搭建注意力机制层；编码器层将输入序列中的信息进行处理，每个神经元接受该时间步长的输入以及上一个时间步长的输出，并将序列信息记忆保留；注意力机制层将编码器层的输出与上一步长的解码器输出结合，并评价其对应关系，可以着重学习与目标输出关系密切的数据；解码器层将注意力机制层的输出作为输入，输出每个时间步长对应的状态变量信息； 步骤3，利用Glorot初始化超参数：根据每层的输入个数和输出个数来决定随机初始化参数的分布范围； 步骤4，利用贝叶斯优化选择超参数：学习率、各层中的神经元数；首先是确定目标函数，然后确定各个超参数的分布域空间，并进行算法设计优化状态观测器模型，最后展示所有最优模型超参数； 步骤5，利用小批量随机下降和动量优化进行优化状态观测器模型； 步骤6，利用dropout正则化、提前停止的方法优化模型，防止状态观测器模型过拟合； 步骤7，模型训练及保存：将车身俯仰角θ、车身加速度前悬架相对位移后悬架相对位移前悬架非簧载质量加速度后悬架非簧载质量加速度状态变量的时间序列作为输入；将车辆前悬架非簧载质量位移后悬架非簧载质量位移状态变量以及前轮路面位移后轮路面位移前轮轮胎动载荷后轮轮胎动载荷前轮路面力输入后轮路面力输入的时间序列作为输出，导入数据进行状态观测器模型训练，并保存观测器模型； 步骤8，模型精度验证：将预测的未知的状态变量与验证集中的输出量进行比较，获得96.35％的模型精度，比传统建模方式更加准确。

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吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699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。