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！

龙图腾网恭喜南京航空航天大学申请的专利基于神经网络的固定翼无人机编队有限时间容错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：CN114594784B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202210046500.3，技术领域涉及：G05D1/46；该发明授权基于神经网络的固定翼无人机编队有限时间容错控制方法是由张柯;方方;姜斌;陈谋;盛守照;甄子洋;邵书义设计研发完成，并于2022-01-13向国家知识产权局提交的专利申请。

本基于神经网络的固定翼无人机编队有限时间容错控制方法在说明书摘要公布了：本发明公开了一种基于神经网络的固定翼无人机有限时间编队容错控制方法：首先，考虑通过虚拟领导者‑跟随者结构进行编队控制，并且采用分布式编队方法进行信息交互，基于此设计相应的通信拓扑图并计算对应的邻接矩阵与拉普拉斯矩阵；然后，针对固定翼无人机的纵向模型，基于合理的假设条件简化动态模型为严格反馈形式，并且考虑升降舵偏转的失效故障；以反步法为基础、结合滑模控制，通过径向基函数神经网络处理模型的未知非线性函数，并且采用自适应估计升降舵的失效故障，从而实现有限时间的容错控制。本发明克服了固定翼无人机纵向模型作为高阶非线性系统导致难以编队容错控制的问题，使系统具有较强的鲁棒性并且能够在有限时间内稳定。

本发明授权基于神经网络的固定翼无人机编队有限时间容错控制方法在权利要求书中公布了：1.基于神经网络的固定翼无人机有限时间编队容错控制方法，其特征在于，包括如下步骤： 1通过虚拟领导者-跟随者结构进行编队控制，并且采用分布式编队方法进行信息交互，基于此设计相应的通信拓扑图并计算对应的拉普拉斯矩阵L； 2针对固定翼无人机的纵向的动态模型，基于合理的假设条件简化动态模型为严格反馈形式，针对模型中难以处理的非线性项、模型不确定性进行处理，并且考虑升降舵偏转的失效故障，形成统一的具有故障的严格反馈动态模型； 3基于径向基函数神经网络处理系统的未知非线性问题，结合自适应控制实现故障估计；基于反步法和滑模控制，实现编队系统的分布式有限时间容错控制； 在步骤1中，采用有向通信拓扑图，由表示多智能体系统的通讯拓扑；其中，表示通信图顶点的集合，vi表示第i个顶点，即第i个智能体，i＝1,2,…,N，N表示智能体数量；E＝eij表示通信图边的集合，表示能够直接获取第j个智能体的信息，j＝1,2,…,N；A＝[aij]∈RN×N是邻接矩阵，如果vi，vj∈E则aij＝1，否则aij＝0；定义关于G的入度矩阵D＝diagd1,d2,…,dN，定义拉普拉斯矩阵L＝[lij]RN×N，L＝D-A；定义矩阵B＝diagb1,b2,…,bN表示领导者与跟随者之间的通信拓扑，如果第i个跟随者能与领导者通信则bi＝1，否则bi＝0； 步骤2具体包括： 假设1：从领导者到每一个跟随者至少有一条通信路径； 步骤2中第i个跟随者无人机的纵向的动态模型表示如下： 其中，i＝1,2,,N，N表示智能体数量；Vi,hi,γi,αi,qi分别表示第i个跟随者无人机的速度、高度、航迹角、迎角和俯仰角速率；Ti,Di,Li,Mi分别代表了第i个跟随者无人机的推力、阻力、升力以及俯仰转动力矩；mi,Iiy表示第i个跟随者无人机的质量和俯仰转动惯量；g表示重力加速度； 假设2：由于在飞行过程中γi很小，因此可认为sinγi≈γi；由于Tisinαi＜＜Li，可将Tisinαi忽略不计； 通过简化得到第i个跟随者无人机的具有故障的严格反馈动态模型，如下表示： 其中，表示第i个跟随者无人机的具有乘性故障的真实控制输入量，δei是第i个跟随者无人机的待设计的控制输入量，0＜ρit＜1是第i个跟随者无人机的乘性故障；fVi＝-Dimi-gsinγi和是第i个跟随者模型中的已知非线性项，其中是静压，s＝1.463m2是参考面积，c＝0.451m是平均气动弦长，CM0＝-0.0954,CMα＝-2.8206,CMq＝-13.8189是气动系数；fγiVi,γi,fαiVi,γi,αi是第i个跟随者模型中的未知非线性项；都是第i个跟随者模型中已知的函数，其中是气动系数； 步骤3中基于径向基函数神经网络处理系统的未知非线性问题，结合自适应控制实现故障估计具体包括：根据步骤2所得严格反馈动态模型得到第i个跟随者的误差动态方程，具体为： 定义滤波误差yiγ＝γid-γic,yiα＝αid-αic,yiq＝qid-qic，得 其中，利用径向基函数神经网络逼近非线性函数的特点来处理fγiVi,γi和fαiVi,γi,αi，具体公式如下： 其中，Wiι *ι＝1,2∈Rm×1表示第i个智能体控制器中RBF神经网络的最优权值向量，m表示RBF神经网络隐藏神经元的数量；是基函数向量，Xiι是RBF神经网络的输入向量，Ciι和biι分别表示RBF神经网络高斯基函数的中心点向量和宽度；σiι *为第i个智能体控制器中RBF神经网络的近似误差，并且满足 是一个正实数； 步骤3中结合反步法与滑模控制的容错控制器设计方法如下： 首先定义滑模面为： 其中，eVi＝Vi-Vid,ehi＝hi-hid,eγi＝γi-γid,eαi＝αi-αid,eqi＝qi-qid分别是第i个跟随者的速度、高度、航迹角、迎角和俯仰角速率的跟踪误差；Vid和hid分别是第i个跟随者的期望速度信号和期望高度信号：以及V0和h0分别表示虚拟领导者的速度和高度，di和dj分别表示第i个跟随者和第j个跟随者与领导者之间的相对期望高度；γid,αid,qid是待设计的虚拟控制输入的估计值；参数aVi,bVi,cVi,ahi,bhi,chi是正实数；sgn·表示符号函数； 设计虚拟控制输入和实际控制输入如下： 自适应律如下： 其中，kmi,pmi是可调节的正实数，m＝V,h,γ,α,q,i＝1,2,…,N；和分别是Vid和hid的一阶导数；表示第i个智能体中RBF神经网络的自适应权值向量；表示第i个智能体中RBF神经网络的基函数向量；表示第i个智能体控制器中对乘性故障ρi的估计值；Γi1,Γi2是待设计的正定对角矩阵；ηi1和ηi2是待设计的正实数； 设计一阶低通滤波器如下： 其中，是正实数，γid,αid,qid分别是γic,αic,qic的估计值。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。