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！

龙图腾网获悉华中科技大学;中国船舶科学研究中心申请的专利一种无人艇集群围捕控制模型的构建方法及其应用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：CN116400700B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310388896.4，技术领域涉及：G05D1/43；该发明授权一种无人艇集群围捕控制模型的构建方法及其应用是由卢仁智;周则兴;朱菲;李桃满设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种无人艇集群围捕控制模型的构建方法及其应用在说明书摘要公布了：本发明属于无人艇集群围捕控制技术领域，具体涉及一种无人艇集群围捕控制模型的构建方法及其应用，包括：搭建无人艇集群围捕控制网络，其输入为各无人艇的观测值，输出为作为动作决策的各无人艇运动控制器的输入控制量；采用强化学习的方式，基于奖励函数训练所述控制网络，得到无人艇集群围捕控制模型；其中，奖励函数包括：基于在渐进围捕过程中该无人艇船体与其它各无人艇之间的距离以及预设的无人艇间安全距离所确定的第一负奖励项；基于在渐进围捕过程中该无人艇船体与围捕目标之间的距离以及预设极限距离所确定的第二负奖励项；以及用于加快训练收敛速度的激励函数项。本发明摆脱普遍通过分层控制的思路，并完成指定的围捕任务。

本发明授权一种无人艇集群围捕控制模型的构建方法及其应用在权利要求书中公布了：1.一种无人艇集群围捕控制模型的构建方法，其特征在于，包括： 搭建无人艇集群围捕控制网络，其输入为各无人艇的观测值，输出为作为动作决策的各无人艇运动控制器的输入控制量；采用强化学习的方式，基于奖励函数训练所述控制网络，得到无人艇集群围捕控制模型； 其中，所述奖励函数用于评估对每个无人艇当前的动作决策是否有利于围捕任务的完成，通过以下几项加权求和得到：基于在渐进围捕过程中该无人艇船体与其它各无人艇之间的距离以及预设的无人艇间安全距离所确定的第一负奖励项；基于在渐进围捕过程中该无人艇船体与围捕目标之间的距离以及预设极限距离所确定的第二负奖励项；以及用于加快训练收敛速度的激励函数项； 所述激励函数通过以下几项加权求和得到：用于根据无人艇集群完成围捕任务与否而对应给出一个奖励值的第一激励项；用于根据该无人艇与其左右邻居关于围捕目标的角度满足预设的激励条件与否而对应给出一个激励值的第二激励项；用于根据该无人艇与围捕目标的实际距离小于预设的最大激励距离与否而对应给出一个奖励值的第三激励项；以及预设定值的负奖励项； 其中，所述第一激励项设计为： 式中，Rdone_i表示第一激励项，用于根据无人艇集群完成围捕任务与否而对应给出一个奖励值；Derror表示预设的第i个无人艇与围捕目标之间的实际距离相对理想围捕距离的最大允许误差；θerror表示预设的表征完成围捕任务的相邻两无人艇关于围捕目标的实际夹角与理想围捕夹角2π之间的最大允许误差；Rθ_i表示第i艘无人艇分别和左右邻居关于围捕目标的实际夹角与理想围捕夹角2π之间的实际误差的和；xi表示第i个无人艇的二维坐标位置；xj表示第j个无人艇的二维坐标位置；‖·‖表示一个二维向量的绝对值；n表示所述无人艇集群中无人艇总个数； 所述第二激励项设计为： 式中，Rθ_active表示第二激励项，用于根据第i个无人艇与其左右邻居关于围捕目标的角度满足预设的激励条件与否而对应给出一个激励值，所述预设的激励条件为角度范围2π-θa,2π+θa；θi_left表示第i个无人艇与其左邻居关于围捕目标所形成的夹角；θi_right表示第i个无人艇与其右邻居关于围捕目标所形成的夹角；θa表示预设的相邻两无人艇关于围捕目标的实际角度与理想围捕角度2π之间的最大激励误差，其取值大于θerror的取值；|·|表示一个一维向量的绝对值； 所述第三激励项设计为： 式中，Rd_active表示第三激励项，当第i个无人艇与围捕目标的实际距离小于预设的无人艇与围捕目标之间的最大激励距离Dactive时，对应有一个奖励，Dactive取值大于Ds_goal，Ds_goal表示无人艇与静态围捕目标之间的安全距离，作为所述预设极限距离；xgoal表示静态围捕目标的二维坐标位置； Rstep＝k，k为一个负常数； 式中，Rstep表示第i个无人艇每次状态更新的负奖励项，用于防止无人艇一直获得激励奖励而没有完成任务的情况发生,其取值为预设的负常数。

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华中科技大学;中国船舶科学研究中心，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。