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！

龙图腾网获悉同济大学申请的专利一种磁浮列车悬浮系统的安全强化学习控制方法、设备及介质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：CN120215280B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510667687.2，技术领域涉及：G05B13/04；该发明授权一种磁浮列车悬浮系统的安全强化学习控制方法、设备及介质是由孙友刚;赵小宁;吉文;徐俊起;方鹭洋设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本一种磁浮列车悬浮系统的安全强化学习控制方法、设备及介质在说明书摘要公布了：本发明公开了一种磁浮列车悬浮系统的安全强化学习控制方法、设备及介质，涉及磁浮控制技术领域，所述方法包括以下步骤：S1、构建悬浮系统动力学模型，作为训练环境；S2、将悬浮系统的控制问题建模为约束寻优问题；S3、将约束寻优问题转为无约束优化问题，对目标函数进行迭代求解；S4、构建代价函数，加快无约束优化问题的求解，设计惩罚项以引导系统状态远离安全边界；S5、在强化学习环境中，结合代价函数，对无约束优化问题进行迭代训练求解。本发明不依赖于精确的悬浮系统模型，无需针对每个特定挑战设计单独的控制策略，可通过与悬浮系统的交互自适应学习最优控制策略，具有较强的鲁棒性与灵活性。

本发明授权一种磁浮列车悬浮系统的安全强化学习控制方法、设备及介质在权利要求书中公布了：1.一种磁浮列车悬浮系统的安全强化学习控制方法，其特征在于，包括以下步骤： S1、构建考虑多种外部干扰、时滞及轨道不平顺的悬浮系统动力学模型，作为强化学习算法的训练环境； S2、将悬浮系统的控制问题建模为约束寻优问题，定义李雅普诺夫候选函数及稳定性约束条件； S3、将S2步骤的约束寻优问题转为无约束优化问题，并通过梯度下降法对目标函数进行迭代求解； S4、基于屏障函数构建代价函数，加快S3步骤无约束优化问题的求解，并结合悬浮系统的物理边界限制，设计惩罚项以引导系统状态远离安全边界； S5、在S1步骤建立的强化学习环境中，结合S4步骤的代价函数，对S3步骤的无约束优化问题进行迭代训练求解，得到具有稳定性保证与安全约束悬浮系统的强化学习智能体； 在所述S3的步骤中，所述无约束优化问题的目标函数为： ； 其中，和是拉格朗日乘子；是智能体在环境中接收到的观测值；是从经验回放池中采样得到的奖励求期望；是时刻的奖励；是代价； 考虑保证稳定性即可满足最大化奖励，上式简化为： ； 通过梯度下降法进行更新： ； 其中，是对求梯度；是对求梯度； 拉格朗日乘子通过最大化以下目标更新： ； 其中，是从经验回放池中获取的期望； 并被限制为正值： ； 其中，是学习率；是对求梯度； 李雅普诺夫批评家的损失函数定义为： ； 其中，是李雅普诺夫候选函数，作为更新的目标函数； 进一步的，选取为有限时间窗口内的代价和： ； 其中，是代价函数；是时刻的系统状态； 在所述S4的步骤中，所述屏障函数的设计包括： 定义系统的安全集合和度量系统状态是否在内的函数,满足： ； ； ； 其中，是安全边界；是维欧几里得空间；是实数集；是度量系统状态； 构造所述屏障函数，其满足当系统接近安全边界时，屏障函数值趋于无穷大，屏障函数为： ； 其中，是悬浮系统的安全边界，上式可满足屏障函数的要求： ； ； 其中，是对于任意系统状态； 将所述屏障函数与误差敏感项结合，形成综合所述代价函数： 增加代价项，提高平衡点附近的代价值设计为： ； 其中，是调整误差敏感程度的底数；，，是可调整的系数； 则总的代价为： ； 其中，，，，，，，，均为可调整的系数；是悬浮气隙；是气隙速度； 取，，，，，,,即为所构建的代价函数。

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同济大学，其通讯地址为：200000 上海市杨浦区四平路1239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”。