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！

龙图腾网获悉福州大学申请的专利面向多非完整约束移动机器人的强化学习行为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：CN116068900B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310255701.9，技术领域涉及：G05B13/04；该发明授权面向多非完整约束移动机器人的强化学习行为控制方法是由黄捷;张祯毅设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本面向多非完整约束移动机器人的强化学习行为控制方法在说明书摘要公布了：本发明提供了面向多非完整约束移动机器人的强化学习行为控制方法，基于非完整约束矩阵建立多非完整约束移动机器人的运动学模型，基于欧拉拉格朗日方程建立多非完整约束移动机器人的动力学模型，并根据所建立的运动学模型构建基本行为，同时通过零空间投影技术，将所设计的基本行为以不同的优先级顺序组合成为复合行为；应用本技术方案不仅可避免在任务执行阶段使用集中式单元，而且提升了行为优先级切换的动态性和智能性。

本发明授权面向多非完整约束移动机器人的强化学习行为控制方法在权利要求书中公布了：1.面向多非完整约束移动机器人的强化学习行为控制方法，其特征在于：包括以下步骤： 步骤S1，基于非完整约束矩阵建立多非完整约束移动机器人的运动学模型，基于欧拉拉格朗日方程建立多非完整约束移动机器人的动力学模型，并根据所建立的运动学模型构建基本行为，同时通过零空间投影技术，将所设计的基本行为以不同的优先级顺序组合成为复合行为； 步骤S2，将行为优先级切换建模为一个分布式部分可观测的马尔科夫决策过程，在集中式训练分布式执行的强化学习算法框架下，设置复合行为的参考速度指令作为强化学习算法的动作集合，选取非完整约束机器人的位置和优先级，以及其邻居机器人的位置和优先级作为强化学习算法的观测集合，设计奖励函数，从而构建分布式强化学习任务监管器DRLMSs； 步骤S3，以平衡控制性能和控制损耗为目标，引入辨识者-执行者-评论家强化学习算法，在线地辨识未知动力学模型、实施控制策略以及评估控制性能，从而设计强化学习控制器RLCs； 步骤S4，基于自适应控制理论，设计自适应补偿器，以维持最优的控制性能和实时抵消饱和效应； 所述步骤S4具体为：首先，考虑控制输入受到对称执行机构饱和约束的限制如下： 其中，τlim,i＞0是已知的阈值； 其次，将控制输入分为两项如下： τi＝τ0,i+τΔ,i,54 其中，是标称项，是补偿项，且满足如下条件： 最后，设计自适应补偿器为且具有更新率如下 其中，是设计的自适应补偿器参数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。