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！

龙图腾网获悉天津大学申请的专利应用于无人系统集群的避碰学习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：CN121143464B 。

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：202511700428.1，技术领域涉及：G05D1/695；该发明授权应用于无人系统集群的避碰学习控制方法是由王珂;许振钰;穆朝絮;吕茂隆设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本应用于无人系统集群的避碰学习控制方法在说明书摘要公布了：本发明提供了一种应用于无人系统集群的避碰学习控制方法，可以应用于人工智能技术领域。该避碰学习控制方法包括：根据无人系统集群中多个无人系统各自的实时位置，确定多个无人系统各自的状态向量；根据多个无人系统之间的通信权重、每个无人系统的状态向量和每个追随无人系统相对于领航无人系统的期望编队向量输入误差动力学模型，得到多个无人系统各自的编队误差；针对每个无人系统，将编队误差输入评价神经网络，得到预测控制参数；基于多个无人系统各自的实时位置和障碍物的实时位置，确定综合障碍函数值；基于综合障碍函数值对预测控制参数进行校正，得到目标控制参数，以便于利用目标控制参数控制无人系统集群进行编队运动。

本发明授权应用于无人系统集群的避碰学习控制方法在权利要求书中公布了：1.一种应用于无人系统集群的避碰学习控制方法，其特征在于，所述方法包括： 基于无人系统的动力学模型，根据无人系统集群中多个无人系统各自的实时位置，确定多个所述无人系统各自的状态向量，其中，多个所述无人系统包括领航无人系统和多个追随无人系统，所述无人系统的动力学模型是基于第一连续函数、第二连续函数和所述无人系统的实时控制参数构建得到，所述第一连续函数表征所述无人系统在无控制影响下的状态向量的变化，所述第二连续函数表征所述无人系统在有控制影响下的状态向量的变化量与所述无人系统集群的控制参数之间的映射关系； 根据多个所述无人系统之间的通信权重、每个所述无人系统的所述状态向量和每个所述追随无人系统相对于所述领航无人系统的期望编队向量输入误差动力学模型，得到所述无人系统集群中多个所述无人系统各自的编队误差，其中，所述通信权重表征多个所述无人系统之间的通信关联程度，所述误差动力学模型是基于与所述第一连续函数对应的无人系统的控制映射参数、与所述第二连续函数对应的无人系统的状态向量的无控制变化量构建得到； 针对每个所述无人系统，将所述编队误差输入评价神经网络，得到预测控制参数； 基于多个所述无人系统各自的实时位置和障碍物的实时位置，确定综合障碍函数值，其中，所述综合障碍函数值用于在满足安全约束条件的情况下调整所述无人系统集群的编队； 基于所述综合障碍函数值对所述预测控制参数进行校正，得到目标控制参数，以便于利用所述目标控制参数控制所述无人系统集群进行编队运动； 其中，所述评价神经网络包括编队控制器，所述编队控制器用于执行以下操作： 针对所述无人系统集群中第i追随无人系统，基于代价函数根据第i追随无人系统的第i编队误差和第i候选控制参数，确定第i候选控制参数在第i编队误差下的代价值； 基于所述代价值关于所述第i编队误差的偏导数和第j追随无人系统的第j候选控制参数对应的第j编队误差变化值，确定实时贝尔曼误差，其中，所述第j编队误差变化值表征与所述第j候选控制参数对应的第j编队误差的变化趋势，i、j分别大于或等于1且小于N，i不等于j，N为通信集合中与所述第i追随无人系统通信的所述无人系统的数量，所述第j追随无人系统与所述第i追随无人系统直接通信； 在所述实时贝尔曼误差满足第一预设条件的情况下，确定所述候选控制参数为参考控制参数，其中，所述参考控制参数用于评估所述评价神经网络的训练结果。

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天津大学，其通讯地址为：300354 天津市津南区海河教育园区雅观路135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。