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！

龙图腾网获悉青岛科技大学申请的专利一种基于迭代学习控制的分布式约束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：CN120762273B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511274968.8，技术领域涉及：G05B13/02；该发明授权一种基于迭代学习控制的分布式约束优化控制方法是由林雪;董小春;张瑞坤;程尊水设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本一种基于迭代学习控制的分布式约束优化控制方法在说明书摘要公布了：本发明属于智能控制技术领域，具体涉及一种基于迭代学习控制的分布式约束优化控制方法，包括建立多智能体系统、确定优化目标函数、搭建多智能体系统的通信网络、基于终端迭代学习控制方法和分布式投影梯度算法设计控制协议、以及证明收敛性，实现最优解。本发明旨在解决多智能体系统在迭代环境下运行时完成优化任务的同时需遵循特定约束条件的问题，本发明的控制方法在确保具有重复运动特性受约束的多智能体系统完成优化任务的同时，避免了单点失效和鲁棒性差等问题。

本发明授权一种基于迭代学习控制的分布式约束优化控制方法在权利要求书中公布了：1.一种基于迭代学习控制的分布式约束优化控制方法，其特征在于，包括以下步骤： 步骤1、建立由n个智能体组成的多智能体系统，第i个智能体在第k次迭代中的动态描述如下：， 其中，表示第i个智能体的状态，表示控制输入；表示迭代重复次数；表示时间，其中T表示终端时刻；； 所述多智能体系统满足：系统的初始状态在每次迭代中都是相同的，即； 步骤2、确定优化目标函数，目标函数P1为， 其中，表示最小化，是智能体i对应的可微的局部目标函数，且函数仅为智能体i所知；对于任意，每个函数是-强凸的，并且具有-Lipschitz连续的梯度，即对任意，满足和，其中，；是一个闭凸集，表示所有智能体的约束集； 步骤3、搭建由有向图GV,E,A表示的多智能体系统的通信网络，其中节点集表示n个智能体，每个节点表示一个智能体，边集表示智能体之间的通信连接；表示邻接矩阵； 步骤4、基于终端迭代学习控制方法和分布式投影梯度算法，设计分布式控制协议：， 其中表示学习增益，标量表示非负权重，表示正的步长，且满足，，；表示智能体i的局部目标函数在处的梯度，每个函数的梯度集在集合X上是有界的，即； 步骤5、证明被控系统的状态随着迭代次数的增加在终端时刻收敛到目标函数的最优解，从而验证分布式控制协议的有效性。

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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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。