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一种基于旋翼无人机的编队领导者选择算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：CN114815876B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210297731.1，技术领域涉及：G05D1/46；该发明授权一种基于旋翼无人机的编队领导者选择算法是由翟象平;傅丽华;刘步设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本一种基于旋翼无人机的编队领导者选择算法在说明书摘要公布了：本发明提出了一种基于旋翼无人机的编队领导者选择算法。本发明以某架无人机为领航者为前提，并以此为基准，将多架无人机的状态转换为该算法中领航者的相对运动状态。本发明提出的方法通过线性二次调节器LQR算法来实现无人机的编队控制，为无人机的编队选择合适的领航者，并优化形成目标编队的时间和GA算法来解决无人机和目标编队之间的组合映射问题。

本发明授权一种基于旋翼无人机的编队领导者选择算法在权利要求书中公布了：1.一种基于旋翼无人机的编队领导者选择算法方法，其特征在于，包括步骤：1构建系统模型：一个基于领导者的编队系统包括M个无人机，用集合表示，在此集合中，将其中一个作为领导者，而其他的无人机为跟随者，优先考虑目标编队的形状而不是它的位置，并且假设目标编队形状是预先确定的，目标编队的位置由当前选择的领导者位置决定，目标是选择无人机集合中的一个作为领导者，其他无人机作为跟随者，以最小化无人机编队的生成时间：1每架无人机的状态表示为： 其中，pi＝[xi，yi]，vi＝[vxi，vyi]和ui＝[uxi，uyi]∈R2表示位置向量，速度向量和第i个无人机的控制输入，si＝[xiyivxivyi]表示第i个无人机的运动状态，为了简化，将使用pi，vi和ui表示第一个无人机的状态2假设第l个无人机是领导者，由1可得，其状态用p1，v1和s1表示，那么跟随者无人机的位置和速度矩阵可表示为： 其中，当第l个无人机为领导者时，表示第j个跟随者的位置，3由当前选择的领导者位置pl决定的跟随者无人机对应的目标编队的总位置集合表示： 当领导者无人机在目标编队的位置排列为k，1≤k≤M；其中表示第m个目标位置，当第l个无人机是领导者且其位置排列为k，1≤m≤M-1，l∈M，k∈M，表示当前目标编队到追随者的一对一映射集合；4目标映射关系为： 其中N＝M-1！，且1≤n≤N表示其中一个目标映射关系；5相对运动状态为： 基于被选择的领导者无人机UAVl、领导者位置排序k和目标映射关系其中表示所有追随者和目标编队之间的相对位置矩阵，表示所有追随者和和领导者的相对速度矩阵，将和结合起来形成相对状态矩阵，表示相对于领导者，第i个跟随者的相对运动状态；6一个编队中整个系统的形成时间： 其中编队中所有跟随者的时间集合为编队中所有跟随者的最大时间被视为编队时间；7最佳领导者和最短形成时间为： 其中l表示选择不同无人机最小编队时间作为领航者的优化变量，最终，将在公式7最小值为的领导者视为最优领导者，并且得到最少编队时间；2基于上述领导者选择算法构建的模型，主要包括两个子问题：无人机编队控制和目标映射关系，无人机编队控制问题通过结合LQR与上述模型的方法解决，主要针对速度和位置的控制，目标编队映射问题即为解决当前跟随者和目标编队位置的一对一映射关系；1在领导者选择算法的第一个子问题中，LQR是基于状态空间技术设计的优化动态控制器，系统模型是以状态空间形式给出的线性系统，其目标函数是状态和控制输入的二次函数，系统状态空间的向量矩阵形式为 其中A表示系统的状态矩阵，B表示输出矩阵，C表示输入矩阵，D表示输入的直接传递矩阵，x、y、u分别表示状态向量、输出向量和输入向量；2在此系统中，假设第1，个无人机为领导者，且其位置顺序为k，第j个跟随者的状态向量x包含四个状态变量——位置、二维坐标系中的速度和输入变量u包括两个变量作为控制输入，无人机到达目标编队位置以及跟随者和领导者的速度趋于一致是多架无人机的编队达到稳定状态所需的两个条件，假设第j个跟随者对应于第m个目标编队位置其期望输出为： 其中，起始状态期望输入Uj＝[00]T，将多个无人机的状态转换为领导者的相对运动状态，因此，状态方程中的初始状态向量和输出状态向量都必须改变，由公式5可得，Yj＝[0000]T，Uj＝[00]T；3第j个跟随者的状态空间描述可以由公式1获得，表示为： 4获得基于LQR算法的优化目标函数或成本函数定义为： 其中Q表示状态权重和正半定矩阵，R表示控制权重和正定矩阵；5LQR定义了状态反馈控制器u和状态反馈矩阵K，表示为u＝-Kx12将u带入之前的系统状态方程，可表示为： 然后通过求解Riccati方程计算反馈矩阵K的值，并设置初始状态和仿真时间间隔，用K反馈矩阵对系统进行仿真，最后，通过系统仿真，可以得到当前领导者和目标编队映射关系下各无人机的总状态和编队时间；6在领导者选择算法的第二个子问题中，跟随者与目标编队的映射问题的时间复杂度为On！，随着无人机规模和数据的增大，遗传算法GA是寻找满意解的最佳工具之一；7将GA算法应用到所述模型，解决方法表示一种映射关系，1≤n≤N，根据种群大小G从集合中随机选择种群适应度函数是在领导者无人机和其顺序为k确定的情况下对应的映射关系的形成时间由于GA等价于缩小集合的范围，所以问题7的约束条件也会发生变化，将问题7改写为： 其中，随着迭代次数和遗传算子操作不断变化。

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：211100 江苏省南京市御道街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”。