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！

龙图腾网获悉重庆邮电大学申请的专利内部状态未知的无人集群系统输出同步优化控制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：CN115903901B 。

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：202211488163.X，技术领域涉及：G05D1/46；该发明授权内部状态未知的无人集群系统输出同步优化控制方法是由纪良浩;张翠娟;杨莎莎;郭兴;于凤敏;于南翔;李华青设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本内部状态未知的无人集群系统输出同步优化控制方法在说明书摘要公布了：本发明公开了一种内部状态未知的无人集群系统输出同步优化控制方法，包括：设计状态估计器，估计系统未知内部状态，对内部状态进行重构，根据重构的内部状态，重新定义局部误差系统。对于新的局部误差系统结合矩阵理论、系统稳定性理论进行误差系统稳定性分析。进一步，考虑系统精确模型未知下，优化控制策略，本发明提出了改进的Q‑学习算法。通过引入经验回放和目标网络，解决多无人机在跟环境交互过程中不能充分探索的问题，提高无人集群系统收敛速率，进一步降低系统资源的消耗。本发明中的无人集群系统内部状态未知，更符合现实。

本发明授权内部状态未知的无人集群系统输出同步优化控制方法在权利要求书中公布了：1.一种内部状态未知的无人集群系统输出同步优化控制方法，其特征在于，包括以下步骤： S1：根据无人集群系统各个无人机之间的连接情况，构建出所述无人集群系统的拓扑结构及拉普拉斯连接矩阵； S2：通过状态估计器估计所述无人集群系统未知的内部状态，将所述无人机划分为领导者无人机和追随者无人机，重构无人机的局部状态误差系统，并定义性能函数； 步骤S2中的领导者无人机与追随者无人机采用相对应的领导者动态方程与追随者动态方程进行更新；并根据所述领导者动态方程与追随者动态方程重构得到无人机的局部状态误差系统，基于所述无人机的局部状态误差系统确定性能函数，其中： 领导者无人机动态方程表示为： 追随者无人机动态方程表示为： 其中，x0k+1表示领导者无人机在k+1时刻的状态值，x0k表示领导者无人机在k时刻的状态值，y0k表示领导者无人机在k时刻的控制输出，xik+1表示追随者无人机i在k+1时刻的状态值，yik表示追随者无人机i在k时刻的控制输出，xik表示追随者无人机i在k时刻的状态值，μik表示追随者无人机i在k时刻的控制输入，A,Bi,C为不同的未知常数矩阵； 无人机的局部状态误差系统重构为： 其中，表示追随者无人机i在k时刻的局部状态误差系统，bi表示追随者无人机是否能接收领导者无人机的状态信息，bi＝1表示追随者无人机能够接收领导者无人机的信息，bi＝0表示追随者无人机不能接收领导者无人机的信息；aij≥0表示追随者无人机i接收追随者无人机j的状态信息情况，aij＞0表示追随者无人机i能够接收追随者无人机j的状态信息，aij＝0表示追随者无人机i不能接收追随者无人机j的状态信息；Ni表示追随者无人机i的邻居追随者无人机集合；表示追随者无人机i在k时刻的状态观测值，表示追随者无人机j在k时刻的状态观测值； 消耗性能函数表示为： 其中，追随者无人机i在k时刻的消耗性能函数，cieiyk,μik表示追随者无人机i在k时刻与环境交互过程中做了控制策略μik，Qi表示追随者无人机i的权重矩阵，Qi≥0；Ri表示追随者无人机i的对称矩阵，Ri＞0；0＜γ＜1是折扣因子； S3：采用Q学习算法中的Actor-Critic网络结构分别近似无人机的控制动作和性能函数，采用Critic网络对所述性能函数进行近似处理，Actor网络根据所述性能函数更新无人机的控制动作； S4：Critic网络对Actor网络近似的控制动作进行评价，Actor网络根据Critic网络的评价对控制动作进行调整，整个过程使用梯度下降更新；在训练神经网络参数时采用经验回放策略和目标网络技术，当Actor-Critic网络结构的神经网络参数不再更新时，即获取到近似优化输出一致控制策略。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。