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！

龙图腾网获悉哈尔滨工业大学申请的专利基于循环神经网络观测器的变体飞行器终端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：CN118915435B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202410915969.5，技术领域涉及：G05B13/04；该发明授权基于循环神经网络观测器的变体飞行器终端滑模控制方法是由韦常柱;俞茗叶;许河川;孙智力;张峪浩;徐世昊设计研发完成，并于2024-07-09向国家知识产权局提交的专利申请。

本基于循环神经网络观测器的变体飞行器终端滑模控制方法在说明书摘要公布了：本发明公开了一种基于循环神经网络观测器的变体飞行器终端滑模控制方法，所述方法包括如下步骤：步骤1：构建变体飞行器姿态动力学与运动学模型，与姿态指令作差形成姿态控制误差模型；步骤2：基于姿态控制误差模型，构建终端滑模面；步骤3：设计基于循环神经网络的观测器，观测变体飞行器模型中的不确定扰动项；步骤4：基于终端滑模面和观测器的输出值，获得变体飞行器的控制量。本发明的循环神经网络观测器可同时利用当前时刻与过去时刻的量测信息，对于扰动的估计更为准确。同时本发明的终端滑模面能够显著提高响应速度，更适合于变体飞行器这类需要快速实现跟踪的对象。

本发明授权基于循环神经网络观测器的变体飞行器终端滑模控制方法在权利要求书中公布了：1.一种基于循环神经网络观测器的变体飞行器终端滑模控制方法，其特征在于所述方法包括如下步骤： 步骤1：构建变体飞行器姿态动力学与运动学模型，与姿态指令作差形成姿态控制误差模型； 步骤2：基于姿态控制误差模型，构建终端滑模面S，终端滑模面S定义为： 式中：λ1与λ2是正的增益系数；q和p是正奇数，且x1表示姿态角跟踪误差，x2表示姿态角跟踪误差的一阶导数； 步骤3：设计基于循环神经网络的观测器，观测变体飞行器模型中的不确定扰动项，具体步骤如下： 步骤3.1采用三层RNN实时估计不确定扰动项H，所述RNN由一个输入层、一个隐含层和一个输出层组成，RNN映射为： 式中：xi表示RNN的输入量；y包含RNN的输入变量和输出变量；N是迭代的步数；n是隐含层的节点个数；vk为输出层与隐含层之间的连接权值；sik和δik分别为径向基函数的中心和宽度；wi为输出层神经元递归权系数；Φk为隐含层中第k个神经元的阈值，且m是输入量的维度； 步骤3.2：为了简化符号，定义RNN隐含层所有参数向量δ、s、x和w，其中：δ是隐含层径向基函数所有的宽度δik组成的向量，s是隐含层径向基函数所有的中心sik组成的向量，x是所有输入量xi组成的向量，w是所有输出层神经元递归权系数wi组成的向量； 将RNN的输出层表示为向量的形式： yx,δ,s,w,v＝vTΦx,δ,s,w 其中v＝[v1v2…vn]T和Φ＝[Φ1Φ2…Φn]T，v代表RNN的权重，vi代表第i个权重，Φ代表RNN的激活函数，Φi代表第i个激活函数，i＝1,2,…,n； 步骤3.3：定义RNN观测器为： 式中：为RNN网络对于扰动项H的估计值；是径向基函数估计值；是径向基函数宽度的估计值；是径向基函数中心的估计值；是输出层神经元递归权系数的估计值； 步骤3.4：设计RNN观测器的自适应律为： 式中：η1,η2,η3,η4是自适应律中正的增益系数；A1是对的偏导数矩阵；A2是对的偏导数矩阵；A3是对的偏导数矩阵； 步骤4：基于终端滑模面和观测器的输出值，获得变体飞行器的控制量。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。