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！

龙图腾网恭喜燕山大学申请的专利船体运动位姿极短期实时预报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：CN114298382B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202111521809.5，技术领域涉及：G06Q10/04；该发明授权船体运动位姿极短期实时预报方法是由张立杰;陈夏非;吴焕春;苑雷扬;强红宾;薛大鹏设计研发完成，并于2021-12-13向国家知识产权局提交的专利申请。

本船体运动位姿极短期实时预报方法在说明书摘要公布了：本发明提供了一种船体运动位姿极短期实时预报方法，其包括：在满足香农采样定理的条件下，以较大采样周期采集船体运动位姿数据，建立AR模型，采用贝叶斯信息BIC准则确定AR模型的阶数，采用限定记忆的递推最小二乘算法进行AR模型参数的在线更新，采用滚动预报的方式进行船体运动位姿多步预报，将预报所得的数据与一定时长的历史数据组合在一起，建立RBF神经网络模型进行拟合插值，获取船体运动位姿极短期预报数据。本发明采用限定记忆的递推最小二乘算法进行在线更新，建立RBF神经网络模型进行拟合插值，可有效提高预报算法的实时性，具有较高的预报准确性。

本发明授权船体运动位姿极短期实时预报方法在权利要求书中公布了：1.一种船体运动位姿极短期实时预报方法，其特征在于，其包括以下步骤：S1、在满足香农采样定理的条件下，以较大采样周期采集船体运动位姿数据；S2、利用采集的船体运动位姿时间序列数据建立AR模型：xt＝φ1xt-1+φ2xt-2+…+φpxt-p+εt1其中，xt表示当前时刻的位姿值；p表示AR模型的阶数，即为自变量的个数；εt表示误差；φ表示模型系数；S3、采用贝叶斯信息BIC准则确定AR模型的阶数p：BICp＝lge2+p+1lgNN3其中，N表示样本个数；e2表示均方差且表示位姿预报值；S4、采用限定记忆的递推最小二乘算法进行AR模型参数Φ的在线更新；S41、当数据窗口内有n个数据时，基于贝叶斯信息BIC准则确定的AR模型阶数p，组成训练集的样本输入矩阵X为：X＝[Θ1Θ2…Θn-p]T4其中，Θn-p表示单个的输入样本且Θn-p＝[xn-pxn-p+1…xn-1]T，对应的样本输出Y为：Y＝[xp+1xp+2…xn]Txn]T5；S42、固定估计参数所用数据的窗口长度，每采到一组新数据获得新的样本输入矩阵为： 对应新的样本输出矩阵为： S43、采用限定记忆的递推最小二乘算法进行AR模型参数Φ的在线更新： 其中，表示采集新数据后使用限定记忆法得到的AR模型参数Φ的估计值；表示增益系数；Pn+1表示协方差矩阵；为采集新数据后使用递推最小二乘算法得到的AR模型参数Φ估计值；S5、采用滚动预报的方式进行船体运动位姿多步预报：根据船体运动位姿的历史数据预报下一时刻数据，再组合历史数据预报下下时刻数据，直至预报时长；S6、将预报所得的数据与一定时长的历史数据组合在一起，建立RBF神经网络模型进行拟合插值，获取船体运动位姿极短期预报数据；其中所述RBF神经网络模型隐藏层的径向基函数采用高斯核函数： 其中，||X-Ci||表示向量范数，即X和Ci两个向量之间的距离；Ci表示第i个高斯核函数的中心，在输入样本中均匀选取；σi表示第i个高斯核函数的宽度系数；所述RBF神经网络模型输出层是将隐藏层的输出值进行加权求和：fX＝ΨW+b11其中，Ψ表示RBF神经网络模型隐藏层的输出值；W表示加权值；b表示偏置项；采用批处理最小二乘算法进行所述RBF神经网络模型输出层参数的在线估计。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街西段438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”。