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！

龙图腾网获悉兰州理工大学申请的专利基于SAC算法的空间碎片智能捕捉与治理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：CN120941421B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511484825.X，技术领域涉及：B25J9/16；该发明授权基于SAC算法的空间碎片智能捕捉与治理方法及系统是由赵子文;陈辉;田博;王莉;赵永红;王旭昕;张虹芸;张新迪;张震宇;王涵宇设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本基于SAC算法的空间碎片智能捕捉与治理方法及系统在说明书摘要公布了：本发明涉及航天工程、空间机器人与智能控制技术领域，具体公开了基于SAC算法的空间碎片智能捕捉与治理方法及系统，方法包括：获取空间非合作目标的运动数据以及空间机器人的系统参数；基于运动数据和所述系统参数，构建混合滤波优化框架；使用SAC算法调整混合滤波优化框架中的混合权重及噪声遗忘因子，得到目标姿态的自适应估计；基于空间机器人的基座和空间机器人的机械臂分别定义状态空间和动作空间，基于所述状态空间和动作空间，通过SAC算法结合多目标奖励函数生成空间机器人的机械臂运动路径；将所述目标姿态的自适应估计反馈至所述机械臂运动路径中，实现滤波与控制的动态协同，完成空间非合作目标的稳定抓捕。

本发明授权基于SAC算法的空间碎片智能捕捉与治理方法及系统在权利要求书中公布了：1.基于SAC算法的空间碎片智能捕捉与治理方法，其特征在于，所述方法包括： 获取空间非合作目标的运动数据以及空间机器人的系统参数； 基于所述运动数据和所述系统参数，构建混合滤波优化框架； 使用SAC算法调整所述混合滤波优化框架中的混合权重及噪声遗忘因子，得到目标姿态的自适应估计； 基于空间机器人的基座和空间机器人的机械臂分别定义状态空间和动作空间，基于所述状态空间和动作空间，通过SAC算法结合多目标奖励函数生成空间机器人的机械臂运动路径； 将所述目标姿态的自适应估计反馈至所述机械臂运动路径中，实现滤波与控制的动态协同，完成空间非合作目标的稳定抓捕； 获取空间非合作目标的运动数据包括状态变量和量测值： 所述状态变量用于完整描述目标在空间中的运动状态，包括姿态四元数、三轴角速度和惯性变量；所述姿态四元数、三轴角速度和惯性变量共同构成了描述目标运动状态的完整变量集合，并以转置形式进行数据处理，其中，所有参数的参考坐标系均为非合作目标自身的坐标系； 所述量测值为通过测量设备实际获取的目标运动数据，包括姿态四元数、三轴角速度和惯性变量，量测值为在状态变量基础上叠加量测噪声后的结果，获取过程为：将所述状态变量通过13维单位矩阵转换后，加入量测噪声中得到量测值； 使用SAC算法调整所述混合滤波优化框架中的噪声遗忘因子的过程具体为： 对于自适应EKF，过程噪声与观测噪声更新为： 其中，为更新后的过程噪声均值，为遗忘因子，为k+1时刻的遗忘因子，为k+1时刻的状态估计值，Ξk+1|k为从k时刻到k+1时刻的状态转移矩阵，Ξk+1为状态转移矩阵，为状态转移矩阵的转置，为更新后的过程噪声协方差，为k+1时刻的观测误差，为k+1时刻的观测误差的转置，Kk+1为k+1时刻的卡尔曼增益，为k+1时刻的卡尔曼增益的转置，Pk+1为k+1时刻的误差协方差矩阵，为更新后的观测噪声均值，Zkk+1为k+1时刻的实际观测值，Hk+1为观测矩阵，为观测矩阵的转置，为k+1时刻的状态预测值，为更新后的观测噪声协方差； 对于自适应UKF，通过无迹变换误差更新噪声参数： 其中，M为状态的维度，m为sigma点的索引，为sigma点的均值权重，为预测状态值，Fk+1为状态转移矩阵，为状态转移矩阵的转置，为预测观测值。

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兰州理工大学，其通讯地址为：730050 甘肃省兰州市七里河区兰工坪路287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。