(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110372862.7 (22)申请日 2021.04.07 (65)同一申请的已公布的文献号 申请公布号 CN 113536655 A (43)申请公布日 2021.10.2 2 (73)专利权人 北京聚树核科技有限公司 地址 100088 北京市海淀区知春路6号(锦 秋国际大厦)5层A0 5-2 (72)发明人 王培培　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 阴亮 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) H02S 20/32(2014.01) (56)对比文件 CN 108536123 A,2018.09.14 CN 112001433 A,2020.1 1.27 CN 106444056 A,2017.02.2 2 CN 101997446 A,201 1.03.30 CN 111241744 A,2020.0 6.05 审查员 杨阳 (54)发明名称 定日镜人工智能纠偏方法、 装置、 电子设备 及存储介质 (57)摘要 本公开涉及定日镜人工智能纠偏方法、 装 置、 电子设备及存储介质， 该方法包括： 读取样本 数据； 根据所述样本数据训练LSTM网络， 得到 LSTM网络模型； 将所述定日镜的序列数据输入所 述LSTM网络模型， 经过所述LS TM网络模型计算后 输出所述定日镜的纠偏数据； 以及使用所述定日 镜的所述纠偏数据修正所述定日镜日常的追踪 运行参数。 使用包括了长短期记忆人工智能机器 学习的方法对定日镜的样本数据进行高效地学 习， 从而使定日镜进行 更高精度的追 踪。 权利要求书2页 说明书9页 附图3页 CN 113536655 B 2022.07.22 CN 113536655 B 1.定日镜人工智能纠偏方法包括： 读取样本数据， 其中所述样本数据包括样本序列数据和样本纠偏数据， 所述样本序列 数据包括与偏差量有关的数据， 所述样本纠偏数据为根据所述与偏差量有关的数据进 行回 归运算而确定的； 根据所述样本数据训练LSTM网络， 得到LSTM网络模型； 将所述定日镜的序列数据输入所述LSTM网络模型， 经过所述LSTM网络模型计算后 输出 所述定日镜的纠偏数据； 以及 使用所述定日镜的所述纠偏数据修 正所述定日镜日常的追踪运行参数。 2.如权利 要求1所述的方法， 其中所述根据所述样本数据训练LSTM 网络， 得到LSTM网络 模型包括： 对所述样本数据进行 预处理； 在所述LSTM网络 中， 将经过预处理的所述样本序列数据作为输入与具有第一数量单元 的第一LSTM隐含层相连， 所述第一LSTM隐含层接着与第一丢弃层相连， 并由所述第一丢弃 层通过全连接层与 作为输出的所述样本纠偏数据相连； 以及 使用优化器对所述 LSTM网络进行迭代优化训练， 以获得 所述LSTM网络模型。 3.如权利 要求1所述的方法， 其中所述根据所述样本数据训练LSTM 网络， 得到LSTM网络 模型包括： 对所述样本数据进行 预处理； 在所述LSTM网络 中， 将经过预处理的所述样本序列数据作为输入与具有第一数量单元 的第一LSTM隐含层相连， 所述第一LSTM隐含层接着与第一丢弃层相连， 所述第一丢弃层再 与具有第二数量单元的第二LSTM隐含层相连， 所述第二LSTM隐含层接着与第二丢弃层相 连， 并由所述第二丢弃层通过全连接层与 作为输出的所述样本纠偏数据相连； 以及 使用优化器对所述 LSTM网络进行迭代优化训练， 以获得 所述LSTM网络模型。 4.如权利要求2或3所述的方法， 其中所述对所述样本数据进行 预处理包括： 将同一定日镜同一天内的各组数据拼成矩阵； 用元胞数组组合所述矩阵得到样本元 胞数组； 以及 对所述样本元 胞数组进行处 理， 使其正态化分布在0 至1之间， 并保存均值和标准差 。 5.如权利要求2或3所述的方法， 其中所述使用优化器对所述LSTM网络进行迭代优化训 练包括： 采用梯度下降优化器对所述 LSTM网络进行迭代优化训练。 6.如权利要求3所述的方法， 其中， 所述第一数量小于所述第 二数量， 并且所述第 一丢弃层的丢弃率小于所述第 二丢弃层 的丢弃率。 7.如权利要求1所述的方法， 其中所述读取样本数据包括： 读取每个定日镜分散在每一天内的至少6组样本序列数据， 并忽略不相关的部分数据。 8.定日镜人工智能纠偏装置包括： 数据读取模块， 配置为读取样本数据， 其中所述样本数据包括样本序列数据和样本纠 偏数据， 所述样本序列数据包括与偏差量有关的数据， 所述样本纠偏数据为根据所述与偏 差量有关的数据进行回归运 算而确定的；权　利　要　求　书 1/2 页 2 CN 113536655 B 2模型训练模块， 配置为 根据所述样本数据训练LSTM网络， 得到LSTM网络模型； 模型计算模块， 配置为将所述定日镜的序列数据输入所述LSTM网络模型， 经过所述 LSTM网络模型计算后输出 所述定日镜的纠偏数据； 以及 结果应用模块， 配置为使用所述定日镜的所述纠偏数据修正所述定日镜日常的追踪运 行参数。 9.电子设备包括处理器、 通信接口、 存储器和通信总线， 其中所述处理器、 所述通信接 口和所述存 储器通过 所述通信总线完成相互间的通信； 所述存储器用于存放计算机程序； 所述处理器配置为在执行所述存储器上所存放的所述计算机程序时， 实现权利要求1 ‑ 7中任一权利要求所述的方法。 10.计算机可读存储介质， 其上存储有计算机程序， 所述计算机程序被处理器执行时实 现如权利要求1 ‑7中任一权利要求所述的方法。权　利　要　求　书 2/2 页 3 CN 113536655 B 3