Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种无人机机库无线充电效率预测方法 

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!

申请/专利权人:广州优飞智能设备有限公司;国网湖南省电力有限公司超高压变电公司

摘要:本发明提出一种无人机机库无线充电效率预测方法,涉及机器学习技术领域。本发明提出MDPM预测模型,包括多尺度特征提取模块、动态模式融合模块和预测解码层,具体地,多尺度特征提取模块用于处理无人机机库无线充电数据中的长期依赖性和复杂的多周期特性,动态模式融合模块用于处理无人机机库无线充电数据中的短期动态变化和长期历史模式的结合,预测解码层使得模型能够多步预测,各模块在捕捉多周期性、处理复杂非线性无人机机库无线充电数据、以及整合多种特征进行预测方面都有较好效果。

主权项:1.一种无人机机库无线充电效率预测方法,其特征在于,包括以下步骤:S1、通过传感器收集无人机机库无线充电的相关数据,包括无人机机库无线充电时所处环境数据及无人机机库无线充电设备本身参数数据;S2、对无人机机库无线充电相关数据进行预处理,包括数据异常值处理与归一化,并划分数据集;S3、构建多尺度特征提取模块,用于处理无人机机库无线充电数据中的长期依赖性和复杂的多周期特性,具体步骤如下:S31、输入无人机机库无线充电序列数据,其中为时间步长,为无人机机库无线充电数据的特征数,随机选择两个重叠的子序列,并通过全连接层映射到潜在表示,使用时间序列掩蔽进行数据增强操作;S32、使用多层时域卷积网络提取无人机机库无线充电数据的上下文特征表示,之后通过一组1D扩张卷积层和随机池化操作提取无人机机库无线充电数据中的时间域表示;S33、通过短时傅里叶变换和全连接层将上下文特征表示转换到频率域得到频率域特征,提出频率特征注意力,得到加权后的频率域表示,将时间域表示和频率域表示融合得到多尺度表示;S4、构建动态模式融合模块,用于处理无人机机库无线充电数据中的短期动态变化和长期历史模式的结合,具体步骤如下:S41、通过门控神经网络对短期无人机机库无线充电数据编码,得到上下文潜在表示;S42、将多尺度表示和上下文潜在表示通过全连接层映射,并使用稀疏多头注意力融合,得到融合特征表示;S43、使用径向流来近似无人机机库无线充电数据的概率密度;S5、构建预测解码层,将门控神经网络作为解码器,进行自回归解码并实现多步预测。

全文数据:

权利要求:

百度查询: 广州优飞智能设备有限公司 国网湖南省电力有限公司超高压变电公司 一种无人机机库无线充电效率预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。