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！

龙图腾网获悉大连海事大学申请的专利面向环绕警戒的船舶空海协同任务制导与增益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：CN120010253B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510120490.7，技术领域涉及：G05B13/04；该发明授权面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法是由张国庆;徐轶晖;朱洺绪;李纪强;王庭跃;弓永军;张显库;章文俊;杨雪;柳晨光设计研发完成，并于2025-01-25向国家知识产权局提交的专利申请。

本面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法在说明书摘要公布了：本发明公开了一种面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法，包括：构建混合阶的船舶‑无人机非线性系统模型；设定航路点路径规划参考路径，产生船舶参考信号；获取船舶的实时位置和无人机环绕半径，结合虚拟无人机产生无人机参考信号；根据参考信号定义船舶‑无人机的运动学误差，设计虚拟控制律；引入动态面技术，获取虚拟控制律的动态面信号，定义动力学误差；使用径向基函数神经网络和最小学习参数技术对船舶‑无人机系统的非线性项进行逼近，引入MLP技术对外界干扰进行化简，设计预设性能控制律和执行器增益的自适应律，实现对无人机环绕警戒任务下的路径跟踪控制；本发明能够保证控制精度、降低控制器设计复杂度，充分发挥无人机机动性，实现船舶和无人机执行环绕警戒任务的目标。

本发明授权面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法在权利要求书中公布了：1.一种面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法，其特征在于，包括： S1：构建混合阶的船舶‑无人机非线性系统模型，作为后续步骤中所设计控制律的被控对象，构建混合阶的船舶‑无人机非线性系统模型，模型如公式1‑5所示，12345式1中，表示船舶的前进、横漂位移以及艏摇角，表示无人机的前进、横漂、升沉位移，表示无人机横摇、纵摇和艏摇角；表示船舶的前进、横漂、艏摇速度，和表示无人机沿着以机身为原点的坐标系中的轴的速度和转动角速度；，和表示船舶‑无人机系统的非线性项，具体展开如公式3所示；公式2为中间变量； 表示船舶在前进、横漂、艏摇方向上的附加质量，表示无人机质量，表示无人机沿着轴的转动惯性；，，，均为未知系统执行器增益矩阵；其中为船舶执行器增益，为无人机执行器增益； 表示船舶控制输入，和分别表示船舶螺旋桨转速和舵角，和为无人机控制输入，具体展开如公式4和5所示，其中为无人机螺旋桨转子转速； ，和分别表示船舶在前进、横漂、艏摇和无人机在前进、横漂、升沉、横摇、纵摇、艏摇方向上受到的外界干扰力力矩；表示重力加速度； 公式3中，，，均表示固定执行器增益矩阵，其中是无人机中心到每个转子的距离；表示模型的非线性阻尼项；表示无人机沿着轴的转动阻力系数； ，，分别表示船舶在前进、横漂和艏摇方向上的非线性项，，，分别表示无人机 在前进、横漂、升沉方向上的非线性项，分别表示无人机在横摇、纵摇、艏摇方向上的非线性项，分别表示无人机在上的增益系数； S2：设定航路点路径，使用虚拟船舶根据所述航路点路径规划参考路径，并产生船舶参考信号；获取船舶的实时位置和无人机环绕半径，并结合虚拟无人机产生无人机参考信号； 所述船舶参考信号包括船舶位置参考信号和船舶姿态参考信号，具体步骤如下： S21、设定航路点路径和船舶转弯半径，在除起始点和终点的每个航路点前后依照设定的转弯半径选取目标点和； S22、使用虚拟船舶根据所述航路点路径规划参考路径，如公式6所示，6式中，表示虚拟船舶船舶的前进、横漂距离和艏向角，即船舶位置参考信号，表示船舶的前进速度和艏摇角速度，根据实际情况设定，的计算式如公式7所示，7式中，是船舶到目标点的距离，，是船舶到目标点的方位角，表示船舶与目标点的偏差角；表示船舶的横向加速度； 实船到船舶的方位角如公式8所示，8式中，表示实船到船舶的方位角，即船舶姿态参考信号，，表示船舶的前进、横漂距离误差； S23、获取船舶的实时位置和无人机环绕半径； S24、使用虚拟无人机获取无人机的参考信号，如公式9所示， 9式中，表示虚拟无人机的前进、横漂距离和艏向角，即无人机的参考信号，是设定的无人机环绕周期，是设定的无人机环绕半径，是船舶到虚拟无人机的方位角，它的初始值，，是无人机的前进、横移距离误差，是无人机的期望升沉高度； S3：根据船舶参考信号和无人机参考信号，定义船舶‑无人机的运动学误差，并设计对应的虚拟控制律，以消除船舶‑无人机非线性系统模型的运动学误差；所述运动学误差包括船舶‑无人机的位置误差和姿态误差，具体步骤如下： S31、根据船舶参考信号和无人机参考信号定义船舶‑无人机的位置误差，如公式10所示，10式中，表示船舶位置误差，表示无人机升沉距离误差； S32、对所述船舶‑无人机的位置误差求导，如公式11所示，11式中，是船舶的艏摇角度误差； S33、定义船舶‑无人机的位置误差的预设性能函数，如公式12所示，12式中，，为位置误差的预设性能函数，和为的初始值和最终收敛值，是一个常数； 定义船舶‑无人机的位置误差的转换误差，如公式13所示，13式中，表示位置误差的转换误差； S34、设计船舶‑无人机的位置误差虚拟控制律，如公式14所示，14式中，为虚拟控制律的设计参数； S35、根据船舶参考信号和无人机参考信号定义船舶‑无人机的姿态误差，如公式15所示，15式中，表示船舶艏摇角误差，表示无人机横摇角误差，表示无人机纵摇角误差，表示无人机艏摇角误差；表示无人机的参考横摇角，表示无人机的参考纵摇角； S36、对所述船舶‑无人机的姿态误差求导，如公式16所示，16S37、定义船舶‑无人机的姿态误差的预设性能函数，如公式17所示，17式中，，为姿态误差的预设性能函数，和为的初始值和最终收敛值，是一个常数； 定义船舶‑无人机的姿态误差的转换误差，如公式18所示，18式中，，表示姿态误差转换误差； S38、设计船舶‑无人机的姿态误差虚拟控制律，如公式19所示，19式中，为姿态误差虚拟控制律的控制参数； S4：引入动态面技术，获取所述虚拟控制律的动态面信号，根据所述动态面信号定义动力学误差；所述动力学误差包括船舶‑无人机的速度误差和角速度误差，具体步骤如下： S41、引入动态面技术，对位置误差虚拟控制律的导数和姿态误差虚拟控制律的导数进行降阶处理，得到位置误差的动态面误差和姿态误差的动态面误差，如公式20和21所示，2021式20中，是的动态面信号，为时间常数，位置误差的动态面误差为，表示位置误差的虚拟控制律； 式21中，是的动态面信号，为时间常数，姿态误差的动态面误差为，表示姿态误差的虚拟控制律； S42、定义船舶‑无人机的速度误差并进行求导，如公式22和23所示，2223式中，表示船舶的前进，无人机的前进、横漂和升沉速度误差，表示位置误差的动态面信号矩阵； 定义船舶‑无人机的角速度误差并进行求导，如公式24和25所示，2425式中，表示船舶艏摇、无人机横摇、纵摇和艏摇的角速度误差； ，表示姿态误差的动态面信号矩阵； S5：使用径向基函数神经网络和最小学习参数技术同时对所述船舶‑无人机非线性系统模型的非线性项进行逼近，引入MLP技术对外界干扰进行化简，如公式26和27所示，2627式中，和表示船舶‑无人机非线性系统模型的非线性项，，，，，为最小学习参数技术中的中间变量； 表示的神经网络权重更新律，表示的神经网络权重更新律，为的范数；和表示高斯函数，和表示逼近误差，是逼近误差的最大值，是逼近误差的最大值，是外界环境干扰的最大值，是外界环境干扰的最大值；表示中间变量，如公式28所示，28； S6：使用逼近化简后的船舶‑无人机非线性系统模型、所述动力学误差，设计预设性能控制律和执行器增益的自适应律，具体步骤如下： S61、获取实际控制输入，并将实际控制输入转换为预设性能控制律和执行器增益的自适应律，如公式29所示，29式中，为船舶前进方向，艏摇角，无人机前进，横漂，升沉方向，横摇、纵摇和艏摇角的预设性能控制律；表示船舶的螺旋桨转速；表示船舶的舵角； ，，，，，； 分别是的估计值；分别表示执行器增益的自适应参数，即自适应律，和表示执行器增益的矩阵，和表示预设性能控制律矩阵； S62、使用逼近化简后的船舶‑无人机非线性系统模型、公式23和29，引入MLP技术、耦合增益自适应技术以及反步法，设计速度误差的预设性能控制律和执行器增益的自适应律，如公式30‑32所示，303132式中，为设计参数，，表示最小学习参数引入的自适应参数，是的估计值；，表示的鲁棒阻尼项，其中为常数；表示速度误差的预设性能控制律，表示自适应参数的导数； S63、使用逼近化简后的船舶‑无人机非线性系统模型、公式25和29，引入MLP技术、耦合增益自适应技术以及反步法，设计角速度误差的预设性能控制律和执行器增益的自适应律，如公式33‑35所示，333435式中，为设计参数，，是的估计值，，为的鲁棒阻尼项，其中为常数；表示角速度误差的预设性能控制律，为最小学习参数技术引入的自适应参数，，，表示执行器增益的自适应参数的导数； S7：根据预设性能控制律和执行器增益的自适应律实现对无人机环绕警戒任务下的路径跟踪控制。

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大连海事大学，其通讯地址为：116000 辽宁省大连市甘井子区凌水街道凌海路1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”。