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！

龙图腾网获悉南京航空航天大学申请的专利一种多无人直升机协作搬运绳索拉力估计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：CN114840980B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210366523.2，技术领域涉及：G06F30/20；该发明授权一种多无人直升机协作搬运绳索拉力估计方法是由苏子康;陈嘉;徐忠楠;邢卓琳设计研发完成，并于2022-04-08向国家知识产权局提交的专利申请。

本一种多无人直升机协作搬运绳索拉力估计方法在说明书摘要公布了：本发明公开了一种多无人直升机协作搬运绳索拉力估计方法，用于解决协作搬运过程中因无人机绳索拉力无法直接测量，而影响轨迹跟踪控制精度这一问题。本发明将绳索拉力视为系统扰动，设计了一种基于最小学习参数的回声状态网络估计器，通过无人机的飞行状态信息，对系统中的集总扰动进行估计，从而较准确估计出系统中所受绳索拉力。本发明所提出的回声状态网络能够准确获取系统的绳索拉力估计值，便于后续控制器设计中针对性的对其进行补偿控制，增强了系统的抗干扰能力，有效地抑制了物体在飞行过程中摆动对无人机带来的影响，提高了多无人直升机协作搬运系统的轨迹跟踪精度。

本发明授权一种多无人直升机协作搬运绳索拉力估计方法在权利要求书中公布了：1.一种多无人直升机协作搬运绳索拉力估计方法，其特征在于：所述方法将绳索拉力作为扰动，根据无人机的飞行状态信息，设计一种基于最小学习参数的回声状态网络估计器，对系统中不可测量的集总扰动进行估计，从而估计出绳索拉力，具体包括以下步骤： 步骤S1、根据无人机与绳索之间存在的约束关系，运用Baumgarte方法获取对应约束方程； 步骤S2、将无法测量的拉力相关项Fpi视为系统扰动，根据回声状态网络逼近原理，构建回声状态网络状态干扰估计器对Fpi进行估计； 步骤S3、设计权重向量自适应更新律，确定回声状态网络中的标称权重向量； 步骤S4、通过simulink实验仿真，确定回声状态网络的相关参数，完成最小学习参数回声状态网络估计器的设计； 在步骤S2中,由于无人机和载荷存在耦合动力学关系导致绳索上的拉力难以测量，因此将无法测量的拉力相关项Fpi视为系统扰动，并且由无人机六自由度模型可知绳索拉力相关项仅作用于速度环，故仅需针对速度环设计绳索拉力估计器； 采用了神经网络中具有强大学习能力以及逼近能力更优越的回声状态网络；设计回声状态网络状态干扰估计器的过程如下： 首先获取系统输出的无人机飞行状态信息，包括速度、姿态角、姿态角速度；然后根据连续函数分离技术和回声状态网络逼近技术，将输入X2和输出F映射为： 式中：表示估计误差，其上界为X2∈Rm,H∈Rk×1,y2 back∈Rl×1分别是输入，状态和输出向量；Γ*∈Rk×l为理想权重向量，Γ2∈Rk×k，Γ2 back∈Rk×l依次为输入层到隐藏层，隐藏层到隐藏层以及输出层到隐藏层的权重矩阵，Hψ2＝[h1ψ2,h2ψ2,...,hkψ2]T∈Rk为高斯基函数，并且 式中：ψ∈Rm为输入向量；c＝[c1,c2,...,cm]T∈Rm为中心向量；bj变量表示基函数宽度； 然后根据上述公式设计出速度环的回声状态网络状态干扰估计器和 式中：为理想权重Γ0,2的估计值；H2ψ2＝[h2xψ2,h2yψ2,h2zψ2]T为高斯基函数；Xi2为估计器的输入；D2＝[D2x,D2y,D2z]T为待设计的估计器增益；是状态估计误差； 在步骤S3中,由于回声状态网络中的期望权重向量参数未知，需额外设计权重向量自适应更新律 式中：υ2＝diagυ2x,υ2y,υ2z为自适应增益矩阵；γ2＝diagγ2x,γ2y,γ2z为待调参数； 因标称权重向量数量繁多且实时更新，为了减小计算负担，采用最小参数技术，即用标称权重向量的模||Γ*||2替代标称权重向量，从而大幅减少回声状态网络的计算负担。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。