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！

龙图腾网获悉南京信息工程大学申请的专利一种基于强化学习的四旋翼无人机姿态预设性能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：CN120821291B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511301110.6，技术领域涉及：G05D1/49；该发明授权一种基于强化学习的四旋翼无人机姿态预设性能控制方法是由李鑫鑫;郑柏超;刘畅设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本一种基于强化学习的四旋翼无人机姿态预设性能控制方法在说明书摘要公布了：本发明公开了一种基于强化学习的四旋翼无人机姿态预设性能控制方法，包括：考虑时变惯性参数及外部未知干扰，建立无人机姿态动力学方程；构建分通道预设性能控制器，结合预设性能和非奇异快速终端滑模控制技术生成鲁棒控制量；设计强化学习参数生成器，通过时序特征提取网络和残差网络动态优化12个时变参数估计值；建立在线强化学习训练机制，构建多目标奖励函数，通过多目标奖励函数优化参数生成器的输出。本发明采用强化学习方法替代传统自适应方法估计时变参数，通过分通道控制架构实现多自由度解耦优化，在时变惯性参数工况下实现跟踪误差预设性能约束，显著提升姿态系统的动态调节能力和抗干扰鲁棒性。

本发明授权一种基于强化学习的四旋翼无人机姿态预设性能控制方法在权利要求书中公布了：1.一种基于强化学习的四旋翼无人机姿态预设性能控制方法，其特征在于，包括如下步骤： 步骤1，考虑时变参数和外部未知干扰，建立四旋翼无人机数学模型，并定义状态变量，建立面向控制的四旋翼无人机状态方程；具体过程如下： 考虑时变参数和外部未知干扰，四旋翼无人机数学模型描述为： 其中，和分别表示无人机在惯性系中的横滚、俯仰和偏航姿态角，和分别为横滚、俯仰和偏航通道的空气阻力系数，、和均为无人机姿态系统的惯性矩阵，和分别表示无人机滚转、俯仰和偏航运动的控制力矩，和分别为作用在横滚、俯仰和偏航通道的外部扰动； 定义状态变量，则面向控制的四旋翼无人机状态方程设计如下： 其中，，，，，，，，，，和分别表示四旋翼无人机横滚、俯仰和偏航通道的控制输入； 步骤2，选取时变预设性能边界函数，并引入误差变换函数，结合四旋翼无人机状态方程设计分通道预设性能姿态控制器，通过误差变换函数保证无人机姿态系统的跟踪误差满足预设性能约束；具体过程如下： 步骤2.1，选取光滑递减的正函数为时变预设性能边界函数，、分别表示预设的稳态误差下限和上限，为自然对数的底数，为预设的正常数，表示时间，分别表示横滚、俯仰和偏航通道； 无人机姿态系统的跟踪误差满足如下性能约束： 其中，和均为超调抑制参数，，，满足； 引入误差变换函数如下： 其中，为归一化跟踪误差，； 步骤2.2，设计三通道非奇异快速终端滑模函数： 其中，均为大于零的参数，均为正奇数，为正实数，且满足 步骤2.3，基于滑模函数建立四旋翼无人机三通道姿态控制律： 其中，为的估计值，为分离出的常数项，，， 和均为待设计控制增益，，，，、和分别为、和的估计值，和分别为和分离出的常数项，、和分别为、和的估计值，和分别为和分离出的常数项，、和分别为、和的估计值，和分别为和分离出的常数项，和分别为和的参考轨迹；为正的时变可积函数，满足：，，为积分变量，和分别为的上界和下界，； 步骤3，构建深度强化学习参数生成器即Actor网络，基于分通道预设性能姿态控制器确定Actor网络的输入和输出，其中，输入为无人机的状态向量，输出为时变参数调整量； 步骤4，基于深度确定性策略梯度的在线强化学习训练机制对Actor网络及与Actor网络相对应的Critic网络进行训练，定义多目标奖励函数，通过多目标奖励函数优化Actor网络的输出； 步骤5，利用Actor网络输出当前时刻的时变参数调整量，通过平滑更新机制与上一时刻的时变参数进行融合，得到当前时刻的时变参数，代入分通道预设性能姿态控制器，得到当前时刻的无人机各通道控制输入，实现无人机姿态预设性能控制。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。