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！

龙图腾网获悉西北工业大学申请的专利基于模型预测控制和控制律学习的无人船集群协同追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：CN119472657B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411545951.7，技术领域涉及：G05D1/43；该发明授权基于模型预测控制和控制律学习的无人船集群协同追踪控制方法是由李慧平;杨启帆;杨坤峰设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本基于模型预测控制和控制律学习的无人船集群协同追踪控制方法在说明书摘要公布了：本发明涉及一种基于模型预测控制和控制律学习的无人船集群协同追踪控制方法，属于无人船艇编队轨迹追踪控制领域。旨在解决现有的集中式控制算法计算复杂度高、分布式控制算法控制效果差的问题。首先建立了无人船的运动学和动力学模型，之后设计了分布式双模控制算法和集中式模型预测控制算法，并构建了长短期记忆网络LSTM来学习全局控制律与分布式控制律之间的深层映射关系，随后，针对离线学习方法可扩展性差的问题，设计了一种自适应模型切换策略，根据追踪轨迹的特征自适应切换LSTM模型，在减少计算时间的同时提高了协同控制效果，确保多无人船系统能实时地以各类期望队形追踪时变的目标轨迹。

本发明授权基于模型预测控制和控制律学习的无人船集群协同追踪控制方法在权利要求书中公布了：1.一种基于模型预测控制和控制律学习的无人船集群协同追踪控制方法，其特征在于，包括： 步骤1：建立无人船集群的轨迹追踪误差模型；所述步骤1中，建立多无人船系统的轨迹追踪误差模型，具体为： 首先，定义无人船在世界坐标系的坐标为，航向角为，随后，建立无人船的运动学和动力学模型 其中，是无人船的状态，是无人船的线速度和角速度，假设多无人船系统内部所有无人船的模型相同，则无人船的速度更新方程为： 其中，、、、、、是与附加质量和阻尼有关的无人船内部参数，是前向推力，是偏航力矩； 定义无人船的船头状态为，则其船头运动学模型为 其中，为无人船中点距离船头的长度；当无人船追踪目标轨迹时，虚拟追踪目标的运动学方程如下： 其中，为虚拟追踪目标的线速度和角速度；定义追踪误差为，其更新方程为 其中，，无人船与虚拟追踪目标的角度差为；定义离散化的追踪误差为： 其中，，，是控制间隔，； 步骤2：利用无人船集群的全局信息，基于轨迹追踪误差模型设计集中式模型预测控制算法，计算最优的全局控制律； 步骤3：利用无人船集群的内部交互信息，基于轨迹追踪误差模型设计由分布式模型预测控制算法和反馈控制律构成的双模轨迹追踪控制算法，计算最优的分布式控制律；所述步骤3中，设计分布式模型预测控制算法，具体为： 分布式模型预测控制的优化问题如下所示： 其中，和分别是根据控制输入和线速度预测的无人船头状态和无人船追踪误差；和是根据可行解和线速度预测的无人船的船头坐标和追踪误差，、、是权重矩阵； 所述步骤3中，设计由分布式模型预测控制算法和反馈控制律构成的双模轨迹追踪控制算法，具体为： 在分布式框架中，利用时刻计算的最优控制输入和反馈控制律构建如下所示的可行解： 其中，，是追踪控制律，其被定义为： 当无人船追踪误差进入终端不变集后，反馈控制律为，其中，反馈增益和终端不变集的设计如下所示：对于任意和，不等式恒成立，其中，，； 步骤4：随机采样不同的目标轨迹和期望队形，以双模轨迹追踪控制算法的分布式控制律作为输入，以集中式模型预测控制算法计算的全局控制律为输出，构建序列到序列问题的训练集；基于目标轨迹和期望队形计算追踪特征值，基于追踪特征值对训练集进行分类； 步骤5：建立基于LSTM模型的控制律学习策略，学习全局控制律与分布式控制律之间的深层映射关系；基于分类的训练集训练不同类别的追踪特征值对应的LSTM模型； 步骤6：在接收到目标轨迹和期望队形后，根据追踪特征值选择最优的LSTM模型；基于分布式控制律实时计算近似全局控制律，基于近似全局控制量控制无人船集群追踪时变轨迹。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。