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！

龙图腾网获悉大连海事大学申请的专利一种基于极速学习的欠驱动无人船航路跟踪控制系统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：CN119960445B 。

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：202411991453.5，技术领域涉及：G05D1/43；该发明授权一种基于极速学习的欠驱动无人船航路跟踪控制系统是由王宁;贺新宇设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于极速学习的欠驱动无人船航路跟踪控制系统在说明书摘要公布了：本发明一种基于极速学习的欠驱动无人船航路跟踪控制系统：包括：建立模块I、建立模块II、建立模块III、识别模块、控制模块，基于识别出的未建模动力学、参数扰动以及外部环境干扰以及其余动态的集总未知项，以及纵荡视线制导律，采用基于极速学习的鲁棒自适应航路跟踪控制方法，设计基于单隐层前馈网络SLFN逼近的输出权重和相应的估计误差自适应率逼近集总未知项和减小逼近误差，提升辨识精度，并设计纵向控制器和艏向控制器对未建模动力学、参数扰动以及外部环境干扰以及其余动态的集总未知项进行补偿，使得无人船在动力学层面渐近稳定，实现无人船按照期望路径航行的跟踪控制，该方法提高了跟踪精度，有助于整个闭环系统的全局渐近稳定。

本发明授权一种基于极速学习的欠驱动无人船航路跟踪控制系统在权利要求书中公布了：1.一种基于极速学习的欠驱动无人船航路跟踪控制系统，其特征在于：包括： 建立模块I：用于建立欠驱动无人船运动学方程； 建立模块II：用于基于欠驱动无人船运动学方程，建立航路跟踪误差动力学方程； 建立模块III：用于建立纵荡视线制导律，能够使得驱动无人船在运动学层面渐近稳定，使得船舶延期望路径航行时，无人船与航行期望路径之间误差逐渐减小； 识别模块：用于采用极速学习在线辨识方法对无人船航行过程中的未建模动力学、参数扰动以及外部环境干扰以及其余动态的集总未知项进行识别； 控制模块：用于基于识别出的未建模动力学、参数扰动以及外部环境干扰以及其余动态的集总未知项，以及纵荡视线制导律，采用基于极速学习的鲁棒自适应航路跟踪控制方法，设计基于单隐层前馈网络SLFN逼近的输出权重和相应的估计误差自适应率逼近集总未知项和减小逼近误差，提升辨识精度，并设计纵向控制器和艏向控制器对未建模动力学、参数扰动以及外部环境干扰以及其余动态的集总未知项进行补偿，使得无人船在动力学层面渐近稳定，实现无人船按照期望路径航行的跟踪控制； 所述采用极速学习在线辨识方法对无人船航行过程中的未建模动力学、参数扰动、外部环境干扰以及其余动态的集总未知项进行识别的过程如下： 采用一种具有N个隐节点的单隐层前馈网络SLFN，用于在线辨识如下集总未知项： 20 其中，,是输出权重,是带有参数和的激活函数的归一化输出,N是隐层节点的个数； 假设存在一个最优的SLFN,其中N个隐节点随机生成,参数和,用最小函数逼近误差来识别非线性函数： 21 其中，是最小函数逼近误差MFAE的向量并且满足,最优输出权重由下式导出： 22 所述基于SLFN逼近的输出权重和相应的估计误差自适应率的表达式如下： 25 26 27 28 其中,,集合定义如下： 29 30 31 32 其中,是相应的上界，、为SLFN输出权重的估计量，、为逼近残差的估计量，是纵荡速度误差，是一阶线性滑模面，是带有参数和的激活函数的归一化输出，是包含纵荡、横荡与艏向角速度的向量； 所述纵向控制器设计如下： 33 其中,,纵向速度跟踪误差,为船舶质量惯性系数；为的估计值： 34 所述艏向控制器设计过程如下： 引入如下一阶线性滑模面s： 42 其中,,，是艏向角,；r是艏摇角速度； 艏向控制器设计如下： 43 其中：为船舶质量惯性系数； 其中,,为的估计值 44。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1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。