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！

龙图腾网获悉北京理工大学申请的专利基于模糊神经网络序列凸优化的电动无人机轨迹优化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：CN116126011B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211524903.0，技术领域涉及：G05D1/495；该发明授权基于模糊神经网络序列凸优化的电动无人机轨迹优化方法是由刘莉;田维勇;贺云涛;张晓辉设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本基于模糊神经网络序列凸优化的电动无人机轨迹优化方法在说明书摘要公布了：本发明公开的基于模糊神经网络序列凸优化的电动无人机轨迹优化方法，属于无人机领域。本发明实现方法为：在无人机质点动力学方程上引入剩余能量方程，构建混合能源系统状态方程，在信赖域范围内对状态方程和避障约束进行凸化，构建混合电动无人机飞行轨迹问题凸优化模型；针对信赖域大小调整问题，依据约束违背度和目标函数增量设计模糊神经网络，通过模糊神经网络实现对信赖域的自适应调整，提高序列凸优化方法的最优性，加快序列凸优化方法的收敛速度；通过凸优化方法进行迭代求解，获得混合电动无人机的低能量消耗飞行轨迹。无人机按照优化得到的轨迹飞行能够最大化利用太阳能电池，降低混合能源系统能量消耗，增加无人机的飞行航时。

本发明授权基于模糊神经网络序列凸优化的电动无人机轨迹优化方法在权利要求书中公布了：1.基于模糊神经网络序列凸优化的电动无人机轨迹优化方法，其特征在于：包括以下步骤， 步骤一：对初始条件s0、终端条件sf、边界条件smin,smax,umin,umax、障碍信息Λm、初始信赖域ε,收敛容许误差ξ进行初始化；以从起点到终点的直线飞行轨迹对参考轨迹进行初始化，其中为参考轨迹，K为飞行轨迹离散数量； 所述电动无人机为太阳能电池燃料电池锂电池混合电动无人机； 步骤二：以无人机的飞行状态、剩余需求能量Esd为状态量，以螺旋桨产生的拉力T、垂直过载nv、水平过载nh为控制量，构建无人机轨迹优化问题的状态方程；利用步骤一初始化得到的参考轨迹对无人机轨迹优化问题的状态方程进行凸化，即在参考轨迹的信赖域范围内进行一阶Taylor多项式展开，即得到凸化后的无人机轨迹优化问题的状态方程，同时利用初始化得到的参考轨迹对无人机轨迹优化问题的避障约束进行凸化；进一步以满足凸优化条件的剩余需求能量为优化目标函数，构建混合电动无人机飞行轨迹凸优化模型，有利于采用凸优化方法求解；此外，由于太阳能电池具有最高的输出优先级，以剩余需求能量为优化目标，能够最大限度利用太阳能，降低混合能源系统的燃料消耗，提高无人机飞行航时； 所述无人机的飞行状态包括无人机的空间位置、飞行速度、航迹倾角和航向角；所述剩余需求能量为无人机飞行所需能量减去机翼表面太阳能电池产生的能量； 步骤三：采用凸优化方法对步骤二构建的混合电动无人机飞行轨迹凸优化模型进行求解，得到混合电动无人机飞行轨迹，并利用优化获得的混合电动无人机飞行轨迹更新步骤一所述的参考轨迹 步骤四：以约束违背度ΔC和目标函数增量ΔJ作为模糊神经网络的输入，以信赖域ε大小作为模糊神经网络输出，构建模糊规则库，搭建主要由模糊推理机和神经网络组成的模糊神经网络；通过模糊神经网络自适应调整信赖域，提升序列凸优化方法优化获得的混合电动无人机飞行轨迹的最优性，且能够加快序列凸优化方法的收敛速度； 步骤五：如果迭代过程中，优化获得的飞行轨迹满足预设迭代收敛准则，则迭代过程终止，取当前优化的混合电动无人机飞行轨迹为最优飞行轨迹，转入步骤六；否则，返回步骤二并继续迭代； 步骤六，将步骤五中所得到的包含状态变量、控制变量、离散化时间步长的飞行轨迹输出，混合电动无人机按照优化得到轨迹飞行，能够最大化利用太阳能，降低混合电动无人机的能量消耗，提高无人机的飞行航时。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。