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城市对抗环境下无人集群系统安全强化学习协同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：CN121386439B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511988188.X，技术领域涉及：G05B13/04；该发明授权城市对抗环境下无人集群系统安全强化学习协同方法是由徐勇;杨加秀;万梦颖;邹苏郦设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本城市对抗环境下无人集群系统安全强化学习协同方法在说明书摘要公布了：本申请涉及无人集群系统技术领域。本申请公开了一种城市对抗环境下无人集群系统安全强化学习协同方法，其能够提高无人集群系统的编队性能。所述方法包括获取无人集群系统中领导者车辆的系统状态、第一跟随者无人车的第一观测状态和第二跟随者无人车的第二观测状态；采用分布式弹性观测器对系统状态、第一观测状态和第二观测状态进行网络攻击观测处理，获得观测结果，并基于观测结果对领导者车辆的状态进行安全估计，获得安全估计结果；在安全估计结果为安全时，采用增广动力学模型对系统状态、第一观测状态和第二观测状态进行计算处理，获得目标控制数据；基于目标控制数据对第一跟随者无人车进行编队控制。

本发明授权城市对抗环境下无人集群系统安全强化学习协同方法在权利要求书中公布了：1.城市对抗环境下无人集群系统安全强化学习协同方法，其特征在于，包括： 获取无人集群系统中领导者车辆的系统状态、第一跟随者无人车的分布式观测器的第一观测状态和第二跟随者无人车的分布式观测器的第二观测状态，所述第一跟随者无人车是所述无人集群系统中所有跟随者无人车中的任意一辆跟随者无人车，所述第二跟随者无人车是所有跟随者无人车中除所述第一跟随者无人车以外的任意一辆跟随者无人车； 采用分布式弹性观测器对所述领导者车辆的系统状态、所述第一观测状态和所述第二观测状态进行网络攻击观测处理，获得观测结果，并基于所述观测结果对所述领导者车辆的状态进行安全估计处理，获得安全估计结果； 在所述安全估计结果为安全的情况下，采用增广动力学模型对所述领导者车辆的系统状态、所述第一观测状态和所述第二观测状态进行计算处理，获得目标控制数据； 基于所述目标控制数据对所述第一跟随者无人车进行编队控制，所述编队控制用于在城市对抗环境下维持所述无人集群系统的编队队形的稳定； 采用增广动力学模型对所述领导者车辆的系统状态、所述第一观测状态和所述第二观测状态进行计算处理，获得目标控制数据的步骤的计算公式为： ； ； ； 其中，是所述目标控制数据；是所述第一跟随者无人车的增广系统的系统状态；是的导数；是所述第一跟随者无人车的增广系统的系统矩阵；是所述第一跟随者无人车的增广系统的输入矩阵；是所述第一跟随者无人车的分布式观测器的控制增益矩阵；是的转置；是用于反映所述第一跟随者无人车增广系统因受分布式观测器邻域误差影响所构建的增广误差项；是所述第一跟随者无人车观测状态受到的邻域误差项； 在所述安全估计结果为安全的情况下，采用增广动力学模型对所述领导者车辆的系统状态、所述第一观测状态和所述第二观测状态进行计算处理，获得目标控制数据的步骤之后，所述城市对抗环境下无人集群系统安全强化学习协同方法还包括：设置初始增益矩阵；采用离线策略模型对所述初始增益矩阵进行迭代求解处理，获得离线增益矩阵；采用在线策略模型对所述离线增益矩阵进行迭代求解处理，获得优化增益矩阵；基于所述优化增益矩阵和所述第一跟随者无人车的增广系统的系统状态进行累积计算处理，获得优化控制数据；基于所述优化控制数据对所述第一跟随者无人车进行编队控制。

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。