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！

龙图腾网获悉北京科技大学申请的专利基于物理信息神经网络的四旋翼无人机近地飞行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：CN120315453B 。

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：202510467451.4，技术领域涉及：G05D1/46；该发明授权基于物理信息神经网络的四旋翼无人机近地飞行控制方法是由卢昊;欧阳正豪;郭祥贵;杨俊辉设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本基于物理信息神经网络的四旋翼无人机近地飞行控制方法在说明书摘要公布了：本发明公开了基于物理信息神经网络的四旋翼无人机近地飞行控制方法，属于无人机自动控制技术领域；对四旋翼无人机进行动力学建模，建立包含地面效应的运动方程；设计几何控制器作为基准控制器，实现基础飞行控制；在仿真环境中利用基准控制器采集无人机近地飞行状态参数；构建物理信息神经网络结构并设计损失函数，通过调整显式物理信息损失项的权重实现网络训练；设计集成物理信息神经网络和环境干扰观测器的复合抗干扰控制器，实现无人机近地面的飞行控制。本发明采用模型与数据混合驱动的方法，通过物理信息神经网络对地面效应进行精确估计，并结合环境干扰观测器实现复合抗干扰控制，有效提升了无人机在近地面飞行的控制精度和系统稳定性。

本发明授权基于物理信息神经网络的四旋翼无人机近地飞行控制方法在权利要求书中公布了：1.基于物理信息神经网络的四旋翼无人机近地飞行控制方法，其特征在于，包括以下步骤： S1、对四旋翼无人机进行动力学建模； S2、设计几何控制器作为基准控制器； S3、利用基准控制器在仿真环境中进行数据采集；所采集的数据为无人机近地轨迹跟踪飞行的状态参数，所述状态参数包括： ①四个螺旋桨的相对地面高度；②无人机三轴线速度；③无人机三轴角速度；④无人机姿态四元数；⑤四个电机的输入PWM信号； S4、设计物理信息神经网络结构及损失函数，并对其进行训练；具体包括如下内容： S4.1、构建神经网络结构，所述神经网络结构包括： ①输入层：具有18个神经元，用于接收所述状态参数； ②三个隐藏层：依次包含30、35、20个神经元，激活函数采用ReLU函数； ③输出层：具有4个神经元，用于输出四个螺旋桨上的地面效应干扰力估计值； S4.2、设计损失函数，所述损失函数包括： ①隐式物理信息损失项： 其中，Ns表示样本数量；i表示样本编号；j={1,2,3,4}表示四个螺旋桨；表示第i个样本的第j个螺旋桨上地面效应干扰力的理论值，表示神经网络对第i个样本的第j个螺旋桨上地面效应干扰力的预测输出变量； 单个样本i中的计算过程如下，基于多旋翼无人机的螺旋桨模型，螺旋桨j在无地面效应区域产生的推力为： 其中，CT是无量纲的常数，表示空气密度，Nij表示螺旋桨j以转每分钟为单位的转速，D表示螺旋桨的直径； 螺旋桨j在近地产生的推力为： 其中，表示螺旋桨j实际的升力系数；表示以弧度每秒为单位的转速； 与存在比例关系： 综合以上等式求得： 选取物理经验公式： 其中，Ca和Cb为根据四旋翼无人机桨叶几何形状确定的系数；R为旋翼半径；zij表示各个螺旋桨离地的高度； 计算得出螺旋桨j上的地面效应干扰力： ； ②显式物理信息损失项： 其中，表示第i个样本的第j个螺旋桨在无地面效应区域产生的推力；为预测比例项；为经验比例项； ③整体的网络损失函数： 其中，λca表示显式物理信息损失项Loss2的权重； S4.3、网络训练，包括以下步骤： S4.3.1、设计循环退火调度策略，设置，其中，表示取模操作，n表示神经网络当前训练的轮次索引；T表示神经网络的最大训练轮次；M表示循环退火的周期； 设置每个退火周期内λca保持最大值λmax的占比为μ； 当β＞μ时，； 当β≤μ时，； 以此调整显式物理信息损失项Loss2的权重λca； S4.3.2、对于神经网络中每一层的权重矩阵W进行奇异值分解： 其中，U为左奇异向量矩阵；为奇异值对角矩阵，其对角元素σ1、σ2、…、σr满足σ1≥σ2≥…≥σr≥0，r为矩阵的秩；VT为右奇异向量矩阵的转置； 权重矩阵W的Lipschitz常数γ等于最大奇异值σ1，对最大奇异值进行约束；设置一个奇异值阈值σmax，若σ1＞σmax，则Wnew=W*σmaxσ1，由此约束保证网络的Lipschitz连续性； S5、设计集成物理信息神经网络和环境干扰观测器的复合抗干扰控制器；所述环境干扰观测器用于估计除地面效应外的其它未知环境干扰，基于S1中所构建的四旋翼动力学模型，设计环境干扰观测器状态方程： 其中，表示中间观测变量；m表示无人机的质量；g表示重力加速度；e3表示向量[0,0,1]T；表示无人机的线速度；l=αm，α为正的增益系数；pv=α*v，用于估计其它未知干扰：； 通过物理信息神经网络和环境干扰观测器的集成实现复合抗干扰控制，复合抗干扰控制器设计为： 其中，、以及均为正的增益系数；、分别为位置、速度的误差项；为期望的加速度；为饱和函数；表示物理信息神经网络预测的地面效应干扰力；表示环境干扰观测器估计的其它环境干扰。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30号北京科技大学；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。