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！

龙图腾网获悉南京邮电大学;杭州昊舜视讯科技有限公司申请的专利一种预设时间下的UAV-UGV最优控制方法及系统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：CN119717793B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202411569033.8，技术领域涉及：G05D1/43；该发明授权一种预设时间下的UAV-UGV最优控制方法及系统是由熊师洵;陈树翰;熊骏;朱云霞;江雪;张娜设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种预设时间下的UAV-UGV最优控制方法及系统在说明书摘要公布了：本发明公开了一种预设时间下的UAV‑UGV最优控制方法及系统，涉及跟踪控制技术领域，包括以下步骤：获取UAV‑UGV相关数据，将UAV‑UGV相关数据输入至预先建立的UAV和UGV的非线性动力学模型内，输出得到UAV‑UGV误差系统，其中，所述预先建立的UAV和UGV的非线性动力学模型基于UAV‑UGV的通信拓扑结构进行构建；基于强化学习方式对UAV‑UGV误差系统进行异构编队跟踪邻居误差的计算，通过求解HJB方程得到最优控制输入序列，将最优控制输入序列输入至预先建立的基于神经网络的预设时间强化学习控制器内，输出得到UAV和UGV最优编队预设时间。

本发明授权一种预设时间下的UAV-UGV最优控制方法及系统在权利要求书中公布了：1.一种预设时间下的UAV-UGV最优控制方法，其特征在于，方法包括以下步骤： 获取UAV-UGV相关数据，将UAV-UGV相关数据输入至预先建立的UAV和UGV的非线性动力学模型内，输出得到UAV-UGV误差系统，其中，所述预先建立的UAV和UGV的非线性动力学模型基于UAV-UGV的通信拓扑结构进行构建； 基于强化学习方式对UAV-UGV误差系统进行异构编队跟踪邻居误差的计算，通过求解HJB方程得到最优控制输入序列，将最优控制输入序列输入至预先建立的基于神经网络的预设时间强化学习控制器内，输出得到UAV和UGV最优编队预设时间； 基于强化学习方式对UAV-UGV误差系统进行异构编队跟踪邻居误差的计算包括定义基于强化学习方式的异构编队跟踪邻居误差、定义最佳分布式性能指标以及求解HJB方程； 定义基于强化学习方式的异构编队跟踪邻居误差的实现方法为： 对于第i个UAVUGV的跟踪邻居误差定义如下： 位置邻居误差： 速度邻居误差： 令得： 组合邻居误差： 令得： 动态组合邻居误差： 定义最佳分布式性能指标的实现方法为： 基于公式14，分布式性能指标定义如下： 其中， 基于公式15，最佳分布式性能指标定义如下： HJB方程为： 通过对公式16的方程两侧求取公式14的时间导数，得到分布的HJB方程如下： 通过求解HJB方程得到最优控制输入序列的过程如下： 最优控制输入序列与最佳分布式性能指标16具有唯一的关联，故而最优控制输入序列需要是分布式HJB方程17的唯一控制解，通过来求解，求解如下： 即，最优控制输入为： 将最佳控制输入变换成： 其中，k和k是确定的非负数，ψ是一个辅助函数，定义如下： 时变函数的定义如下： 未知函数不能直接求解，用NNs来表示： 其中，是无人机理想的重量；W是基函数向量；ξ是近似误差。

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南京邮电大学;杭州昊舜视讯科技有限公司，其通讯地址为：210023 江苏省南京市亚东新城区文苑路9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。