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！

龙图腾网获悉东南大学申请的专利基于高斯过程的多点线性化模型预测轨迹跟踪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：CN119414711B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411527685.5，技术领域涉及：G05B13/04；该发明授权基于高斯过程的多点线性化模型预测轨迹跟踪控制方法是由付俊杰;孔庆新;温广辉设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于高斯过程的多点线性化模型预测轨迹跟踪控制方法在说明书摘要公布了：本发明公开了一种基于高斯过程的多点线性化模型预测轨迹跟踪控制方法，包括针对自主水面无人艇ASV的轨迹跟踪问题，构建ASV动力学模型；采用高斯过程GP近似ASV的轨迹跟踪系统未建模动力学，得到GP预测模型；基于字典规模限制与最大似然法，建立字典数据与超参数的更新准则，优化GP预测模型；结合优化后的GP预测模型与ASV动力学模型，使用基于学习的模型预测控制MPC方法，构建GP‑MPC框架，并设计终端状态集；基于多点线性化方法，结合局部的线性模型预测控制LMPC方法，设计求解GP‑MPC框架优化问题的算法，实现ASV轨迹跟踪的实时控制。本发明在确保ASV轨迹跟踪精度的同时，显著降低了计算时间。

本发明授权基于高斯过程的多点线性化模型预测轨迹跟踪控制方法在权利要求书中公布了：1.基于高斯过程的多点线性化模型预测轨迹跟踪控制方法，其特征在于，包括以下步骤： S1、针对自主水面无人艇ASV的轨迹跟踪问题，构建ASV动力学模型； S2、将高斯过程GP引入ASV的轨迹跟踪系统，近似系统未建模动力学，得到GP预测模型；包括： 1应用GP对未建模动力学Ev的每一维度ejv进行建模，j＝1,2,3，给定GP先验以及包含n组数据的训练集zi为训练集中第i组输入数据，yi为训练集中第i组输出数据，第j维度的未建模动力学在测试点z处的GP后验分布dGPz为： 其中，ejz表示第j维度的未建模动力学在测试点z处的值，dGPz的均值和协方差为： 其中，Z为字典输入数据集，Y为字典输出数据集，[Kz,Z]1i＝kz,zi，[KZ,Z]ij＝kzi,zj，Kz,Z为z与Z的协方差矩阵，KZ,Z为Z与Z的协方差矩阵，为GP噪声的协方差，I为单位矩阵，Kz,z为z与z的协方差，KZ,z为Kz,Z的转置；设均值函数mz＝0，协方差函数为： 其中，为输出方差，z′为z的导数，为长度尺度协方差矩阵，表示为： 其中，li≥0，i＝1,…,nz，nz为测试点z的维度，核函数的超参数为： 2应用显式四阶Runge-Kutta方法，将具有附加扰动的ASV动力学模型离散化为： 其中，为tk+1时刻的状态，由离散状态变量和离散控制输入的部分分量构成，为针对状态的转化矩阵，为针对控制输入的转化矩阵，ftrue表示实际的ASV动力学模型，fnom表示名义的ASV动力学模型，是由每个维度独立训练的GP构建的多维GP来近似未建模动力学Ev，的分布为： 其中，表示未建模动力学在测试点处的值向量，表示第j维度的未建模动力学在测试点处的值，的均值和方差分别表示为： 其中，为对应GP在处的均值，为对应GP在处的协方差，d表示高斯过程； 高斯过程噪声ω的分布为为单个维度GP噪声的协方差，状态输入矩阵Bd用于选择受模型误差影响的状态； S3、基于字典规模限制与最大似然法，建立字典数据与超参数的更新准则，优化GP预测模型； S4、结合优化后的GP预测模型与ASV动力学模型，使用基于学习的模型预测控制MPC方法，构建GP-MPC框架，并设计终端状态集； S5、基于多点线性化方法，推导预测时域内的状态预测模型，结合局部的线性模型预测控制LMPC方法，设计求解GP-MPC框架优化问题的算法，实现ASV轨迹跟踪的实时控制。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路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”。

以上内容由龙图腾AI智能生成。