青岛科技大学林娜获国家专利权
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！
龙图腾网获悉青岛科技大学申请的专利一种基于神经网络的一致性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：CN120704130B 。
龙图腾网通过国家知识产权局官网在2025-12-09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：202510841941.6，技术领域涉及：G05B13/04；该发明授权一种基于神经网络的一致性学习控制方法是由林娜;彭慧明;池荣虎设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。
本一种基于神经网络的一致性学习控制方法在说明书摘要公布了：本发明属于智能控制技术领域，具体涉及一种基于神经网络的一致性学习控制方法，包括：S1、构建多智能体一致性输出的线性参数化模型；S2、通过神经网络输出相关的一致性输出来设计损失函数，通过梯度下降法获得沿时间和迭代两个方向的线性化参数更新算法；S3、运用神经网络的输出来设计控制器，构建多智能体系统基于神经网络逼近的一致性学习控制方案。本方案基于时间轴和迭代轴更新参数，无需系统模型及严格矩阵条件，实现全时间段完美跟踪。本发明突破误差作为指标参量的传统认知，通过神经网络直接拟合等效参数，解决复杂系统下投影算法拟合能力不足及非线性逼近误差问题，显著提升系统的收敛速度与一致性控制的适应性。
本发明授权一种基于神经网络的一致性学习控制方法在权利要求书中公布了：1.一种基于神经网络的一致性学习控制方法，其特征在于，包括以下步骤： S1、构建多智能体一致性输出的线性参数化模型； S2、通过神经网络模型，对之前时刻信息的输入和一致性输出进行拟合得到线性化参数，由一致性输出来设计损失函数，通过梯度下降法获得沿时间和迭代两个方向的神经网络参数更新算法； 步骤S2‑1、引入沿迭代的径向基神经网络方法，构建如下神经网络输出模型： 其中，为权重向量； 为隐藏层函数向量；n为隐藏层节点数； 步骤S2‑2、对神经网络未知参数进行更新，设计如下损失函数： 利用梯度下降法得到一致性输出与输入向量之间的神经网络参数估计算法如下： 其中，，和分别是，和的估计值；，和表示步长因子，S3、运用神经网络的输出来设计控制器，并将步骤S2获得的线性化参数运用到控制器的可调增益中，构建多智能体系统基于神经网络逼近的一致性学习控制方案。
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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励