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系统的智能任务监管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：CN116245286B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310255761.0，技术领域涉及：G06Q10/063；该发明授权面向多非完整约束移动机器人系统的智能任务监管方法是由黄捷;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系统的智能任务监管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系统的智能任务监管方法，包括以下步骤：步骤S1，在零空间行为控制方法的行为设计框架内，引入非完整约束，推导具有非完整约束零空间行为控制的行为设计范式NSBC‑NCs，并在该范式的基础上完成多非完整约束移动机器人系统的基本行为设计，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多非完整约束移动机器人的复合行为；通过学习最优的联合行为优先级策略，从而在实际使用中指导多非完整约束移动机器人系统进行行为优先级的切换，进而提升它们任务执行过程的动态性能。

本发明授权面向多非完整约束移动机器人系统的智能任务监管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系统的智能任务监管方法，其特征在于：包括以下步骤： 步骤S1，在零空间行为控制方法的行为设计框架内，引入非完整约束，推导具有非完整约束零空间行为控制的行为设计范式NSBC-NCs，并在该范式的基础上完成多非完整约束移动机器人系统的基本行为设计，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多非完整约束移动机器人的复合行为； 步骤S2，将零空间行为控制的行为切换问题建模为一个协作式马尔科夫博弈问题，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，选取多非完整约束机器人的位置、速度和势场值为强化学习算法的状态集合，设计奖励函数，从而构建多智能体强化学习任务监管器MARLMS； 步骤S3，以跟踪性能和惰性惩罚为指标构建优化问题的代价函数，设置动力学模型和避障为优化问题的约束，从而设计模型预测冗余规划器MPCRR； 所述步骤S3具体为： 注意，多智能体强化学习任务监管器和模型预测控制必须使用相同的运动学模型和相 同的采样时间；然后，第个非完整约束移动机器人的代价函数设计如下： 其中，为从时间步到时间步的跟踪误差，为正定矩阵，为惩罚因子，为速度因子，为欧几里得范数； 因此，一组离散的固定步长有限维度非线性优化问题描述为 其中，和分别为第个非完整约束移动机器人的初始位置和初始速度；表示从时间步到时间步，为模型预测控制冗余规划器的非完整约束 矩阵； 滚动优化问题通过MATMPC非线性求解器工具箱进行求解；如果安全约束没有被违反， 则且，因为惰性惩罚项小到被忽略；否则，模型预测控制冗余规划器会重 新规划参考指令；惰性惩罚项的设置是为了避免多非完整约束移动机器人系统保持在一些 最小极值状态。

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”。

以上内容由龙图腾AI智能生成。