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！

龙图腾网获悉南京工业大学申请的专利一种避障无人机分布式编队分数阶滑模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：CN115291622B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210595527.8，技术领域涉及：G05D1/46；该发明授权一种避障无人机分布式编队分数阶滑模控制方法是由钱默抒;吴柱;刘国勇;展凤江;马传焱;葛贤坤;诸庆生设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本一种避障无人机分布式编队分数阶滑模控制方法在说明书摘要公布了：本发明公开一种基于人工势场法和小脑模型神经网络的避障无人机分布式编队分数阶滑模控制方法，用于无人机编队避障控制和处理外部干扰和内部参数不确定性的影响。通过引入小脑模型神经网络来近似估计和补偿集总干扰的不利影响，并基于人工势场法设计出一种自适应分数阶滑模控制器。本发明实现了无人机编队闭环跟踪控制系统的稳定性和良好的避障性能，通过仿真实例验证了该方法具有一定的有效性和良好性能。

本发明授权一种避障无人机分布式编队分数阶滑模控制方法在权利要求书中公布了：1.一种基于改进的人工势场法和小脑模型神经网络的避障无人机分布式编队分数阶滑模控制方法，由以下步骤组成： 步骤1、建立第i架无人机动力学模型： 其中，i为编队中无人机的编号，i＝1,…,n，n为编队中无人机的数量，Vi，ψi，分别表示无人机的空速、俯仰角、航向角，xi，yi和zi为无人机的三维坐标，mi是机身质量，g是重力加速度，系统的控制输入为θi表示滚转角，Ti是发动机推力，uxi，uyi，uzi分别是X轴，Y轴，Z轴方向的控制输入，ni是动载荷系数，Di是阻力； 步骤2、将步骤1中的无人机动力学模型转化为状态空间方程，同时考虑集总干扰的建模： 定义pi＝[xi,yi,zi]T和分别为第i架无人机的位置向量和速度向量，则考虑集总干扰的非线性动力学模型可表示为： 其中dsi为集总干扰，Gi和Ri由下式所得： Gi＝[0 0‑g]T步骤3、根据步骤2，利用小脑模型神经网络来估计集总干扰，具体如下： 小脑模型神经网络输入与输出之间的关系式为： 其中y为输出向量，I为输入向量，W为接收域的连接权值向量，φ为多维接收域基底函数向量，和σ分别为高斯函数的均值和方差； 小脑模型神经网络在线逼近集总干扰dsi的表达式为： 其中，ε为逼近误差，W*，φ*，σ*分别为W，φ，σ的最优参数向量，W*T为W*的转置，dsi*为dsi的最优向量； 小脑模型神经网络估计误差可以表示为： 其中，分别为W，φ，dsi的估计值； 采用泰勒展开线性化技术将非线性函数转化为部分线性形式，即： 其中，和分别为和σ的估计值，H是高阶项，并有： 并且和被定义为： 根据以上公式得： 其中，不确定项表示逼近误差项，并假设其有界，即||Δ||≤δ，δ为正常数，||Δ||为Δ的欧几里得范数； 通过李雅普诺夫稳定性分析方法，得出小脑模型神经网络自适应律如下： 其中，λmax为矩阵的最大特征值，L为拉普拉斯矩阵，Λ为领导者的邻接矩阵，为克罗内克积，I3为3×3的单位矩阵，s为分数阶全局积分滑模，ησ，ζ1，ζ2和ζ3都为正常数，W0，σ0分别为W*，σ*的初始估计值； 步骤4、根据步骤2，基于改进的人工势场法设计出一种自适应分数阶滑模控制器； 基于改进的人工势场法设计的一种自适应分数阶滑模控制器由轨迹跟踪控制器和协同避障控制器两部分组成，即： u＝uα+uβ其中，u为整个编队的自适应分数阶滑模控制器，uα为整个编队的轨迹跟踪控制器，uβ为整个编队的协同避障控制器； 1轨迹跟踪控制器设计第i架无人机的位置跟踪误差向量eit和速度跟踪误差向量为： 其中pit和分别为无人机实际位置向量和期望位置向量，vit和分别为无人机实际速度向量和期望速度向量，t为时间； 无人机编队的分布式耦合位置跟踪误差可以描述为： 其中λi为领导者的邻接矩阵Λ的元素，aij为跟随者邻接矩阵的元素，ejt为第j架无人机的位置跟踪误差向量，j为无人机的编号，j＝1,…,n； 上式可以重写为： 其中，lii和lij都为拉普拉斯矩阵L的元素； 因此，分布式耦合位置跟踪误差向量可描述为： 其中，由上式得分布式耦合速度跟踪误差向量为： 对分布式耦合速度跟踪误差向量设计一个分数阶全局积分滑模： 其中，s为分数阶全局积分滑模，D‑α表示分布式耦合速度跟踪误差向量的分数积分，的导数为α∈0,1为分数阶阶次，c为正常数，ht可以表示为： 这里k为正常数，h0为ht的初始值，是初始分布式耦合速度跟踪误差向量，是在t＝0时刻的分数阶积分值； 为了有效减小滑模控制中的抖振问题，提高跟踪误差收敛的速率，使用的趋近律为： 其中η1，η2，都为正常数，tanh·为双曲正切函数； 轨迹跟踪控制器设计为： 2协同避障控制器设计协同避障通过在障碍物的表面设计一个虚拟智能体β，并使编队中无人机的速度与虚拟智能体β的速度保持一致，此外，在无人机与虚拟智能体β之间设计一个斥力函数，并在控制器中引入避障预测机制和凹凸函数； 假设障碍物为一个半径为ro球心为Oβ的球体，因此，虚拟智能体β的状态信息可由下式得出： pi,β＝τpi+I3‑τOβ,vi,β＝τPvi其中，pi,β，vi,β分别为第i架无人机所对应的虚拟智能体β的位置和速度，I3为3×3的单位矩阵，||·||为欧几里得范数； 在编队飞行中，第i架无人机不仅要共享已探测到的障碍物信息，还会接收来自邻近无人机的障碍物信息，通过将得到的障碍物信息进行比较，选取出一对障碍物信息，具体选择原则如下： 1当多对障碍物信息的速度值不同时，根据最大速度值max||vi,β||来选择对应的障碍物信息； 2当多对障碍物信息的速度值相同时，根据最小距离值min||pi‑pi,β||来选择对应的障碍物信息； 3如果以上两个条件都不满足，则随机选择一对障碍物信息； 因此，协同避障控制器设计为： 其中，i为无人机的编号，表示协同避障控制器，∈β，cp，cv都是正常数，pγ,β和vγ,β是根据上述原则选择出的虚拟智能体β的位置和速度，kβ为避障预测机制，其决定无人机在探测到障碍物时是否需要避障，ρz是一个连续光滑的凹凸函数，其能改变斥力对无人机的影响程度，kβ和ρz可由下式所得： 其中，ri为无人机的半径，rd为无人机的探测半径，ro为障碍物的半径，Oβ为障碍物中心，dio为无人机与障碍物之间的距离，dio＝||pi‑Oβ||，决定无人机受斥力场影响的最大范围，步骤5、验证无人机编队闭环控制系统的稳定性。

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南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30号电气工程与控制科学学院；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。