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！

龙图腾网获悉北京科技大学申请的专利一种物理信息引导的选择性注意Koopman算子学习方法及装置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：CN121455061B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511683953.7，技术领域涉及：G05B19/408；该发明授权一种物理信息引导的选择性注意Koopman算子学习方法及装置是由李玉玲;陶柏霖;李琳琳;苏荣;董洁设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本一种物理信息引导的选择性注意Koopman算子学习方法及装置在说明书摘要公布了：本发明公开一种物理信息引导的选择性注意Koopman算子学习方法及装置，涉及非线性系统建模与智能控制技术领域。方法包括：基于平面三自由机械臂系统，构建稀疏物理感知Koopman学习模型；引入基于加速度信息的物理一致性约束机制、物理信息引导的自适应类注意力机制和三时间尺度协调训练策略，构建Koopman学习模型的总损失函数；根据Koopman学习模型的总损失函数对模型进行训练，获得训练好的Koopman学习模型；将当前平面三自由机械臂系统的状态和控制输入，输入训练好的Koopman学习模型中，输出机械臂系统下一时刻的状态。采用本发明可提高模型的可解释性、计算效率以及预测结果的准确性。

本发明授权一种物理信息引导的选择性注意Koopman算子学习方法及装置在权利要求书中公布了：1.一种物理信息引导的选择性注意Koopman算子学习方法，其特征在于，所述方法包括： S1、获取平面三自由机械臂系统的状态序列和控制输入序列；基于所述机械臂系统的状态序列和控制输入序列，构建数据矩阵；基于数据矩阵，构建二次规划问题并求解，获得Koopman算子； S2、基于Koopman算子构建深度Koopman模型，并定义升维空间预测误差损失函数；基于Koopman算子构建状态重构损失函数； S3、基于平面三自由机械臂系统，构建稀疏物理感知Koopman学习模型；其中，所述Koopman学习模型包括物理信息引导的深度Koopman网络模型和类注意力网络； S4、将平面三自由机械臂的加速度信息作为物理约束，构建物理信息损失函数；基于升维空间预测误差损失函数、状态重构损失函数以及物理信息损失函数，构建物理信息引导的深度Koopman网络模型的损失函数； S5、构建类注意力网络的损失函数；基于物理信息引导的深度Koopman网络模型的损失函数和类注意力网络的损失函数，构建所述Koopman学习模型的总损失函数；根据所述Koopman学习模型的总损失函数，采用三时间尺度训练策略对所述Koopman学习模型进行训练，获得训练好的Koopman学习模型； S6、获取当前平面三自由机械臂系统的状态和控制输入；将当前平面三自由机械臂系统的状态和控制输入，输入训练好的Koopman学习模型中，输出机械臂系统下一时刻的状态。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。