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！

龙图腾网获悉南京航空航天大学申请的专利一种基于Actor-Critic的小型固定翼无人机自适应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：CN116610133B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310547901.1，技术领域涉及：G05D1/49；该发明授权一种基于Actor-Critic的小型固定翼无人机自适应控制方法是由赵振根;孔飞;何海洋;石鹏程设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种基于Actor-Critic的小型固定翼无人机自适应控制方法在说明书摘要公布了：本发明公开了一种基于Actor‑Critic的小型固定翼无人机纵向抗干扰控制方法，步骤如下：首先，建立扰动下的无人机纵向模型；其次，设计性能函数评估无人机的控制性能，Critic逼近非线性性能函数，Actor学习最小化性能函数的最优控制律；再次，加入干扰神经网络估计无人机最坏情况下的扰动，并采用动量神经网络提高学习速度。本发明通过强化学习技术，使用神经网络实现性能函数与最优控制律的逼近，实现扰动下无人机的自适应控制。本发明不仅能够加强无人机的抗干扰能力，也能加快强化学习控制律的收敛速度。

本发明授权一种基于Actor-Critic的小型固定翼无人机自适应控制方法在权利要求书中公布了：1.一种基于Actor-Critic的小型固定翼无人机自适应控制方法，其特征在于，包括如下步骤： S1，根据小型固定翼无人机纵向动力学构建性能函数； S2，构建Actor网络和Critic网络，采用带有动量系数的神经网络加强无人机控制器的稳定性； S3，对Actor神经网络和Critic神经网络进行信息传递构建，同时构建Disturbance神经网络对无人机加入扰动来测试干扰下无人机的飞行能力； S4，通过Critic计算出目标控制律和扰动极值，然后通过反向传播算法进行Actor神经网络、Critic神经网络和Disturbance神经网络的权值更新； S5，重复步骤S4，当满足收敛条件时，Actor神经网络、Critic神经网络和Disturbance神经网络的停止迭代；若不满足收敛条件，则继续进行迭代； 步骤S2中，Actor采用单隐藏层双层神经网络，Actor进行目标控制律的逼近： Na为Actor神经网络隐藏层的神经元个数，为Actor网络第j个输入层节点到第i个隐藏层节点的权值，为Actor第j个隐藏层节点到第i个输出层节点的权值，σa为Actor激活函数，na为Actor输入层节点数，xk＝[vkγkαkqk]T为无人机系统状态，vk、γk、αk、qk分别表示k时刻无人机的速度、航迹角、迎角和俯仰角速度； 对于Critic，采用单隐藏层双层神经网络进行性能函数逼近，则Critic输出为： Nc为Critic隐藏层神经元个数，代表Critic从第j个输入层节点到第i个隐藏层节点的权值,为Critic第i个隐藏层节点到输出层的权值，σc为Critic的激活函数，zck为Critic的输入，nc为Critic的输出层节点数； 步骤S3中，Disturbance网络采用带有动量梯度的神经网络进行构建，则Disturbance的输出为： Disturbance网络的激活函数σd为双曲正切函数； 输入层和隐藏层之间的权值定义为： Nd为Disturbance隐藏层神经元个数，为Disturbance输入层第j个节点到隐藏层第i个节点的权值；定义隐藏层和输出层之间的权值为： 为Disturbance从第i个隐藏层节点到输出层的权值； 步骤S4中，Critic逼近性能函数，同时计算贝尔曼方程误差进行神经网络反向传播来权值更新： ηc为Critic学习率，eck为k时刻Critic的TD误差，Eck为k时刻Critic误差指标，λ为性能函数衰减因子； Actor用于目标控制律的逼近，使得性能函数的值为最优值： eak为k时刻Actor网络逼近误差，Eak为k时刻Actor网络误差指标，为Actor使用k时刻的权值在k-1时刻的输出，u*xk-1为k-1时刻的目标控制律。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。