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分布式最优事件触发协同制导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：CN114995129B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202210534990.1，技术领域涉及：G05B13/04；该发明授权一种分布式最优事件触发协同制导方法是由高煜欣;刘春生设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种分布式最优事件触发协同制导方法在说明书摘要公布了：本发明公开了一种分布式最优事件触发协同制导方法，包括如下步骤：步骤1、利用图论的相关理论，将协同制导问题转化为多智能体协同控制问题，构造协同制导问题的通讯拓扑；步骤2、基于通讯拓扑，推导协同制导模型；步骤3、基于一致性理论并结合协同制导动力学方程，建立局部邻域一致性误差方程；步骤4、利用在线辨识技术结合模型输入输出数据，处理模型未知动态；步骤5、根据邻域一致性误差方程，推导最优触发控制策略；步骤6、利用自适应动态规划技术并结合未知动态辨识数据，实施最优触发控制策略。本发明节约了通信带宽资源，提升了信息的利用率，降低了多弹拦截目标过程中的成本。

本发明授权一种分布式最优事件触发协同制导方法在权利要求书中公布了：1.一种分布式最优事件触发协同制导方法，其特征在于，包括如下步骤：步骤1、利用图论的相关理论，将协同制导问题转化为多智能体协同控制问题，构造协同制导问题的通讯拓扑；将协同制导问题考虑为多智能体协同控制问题，其通讯拓扑用如下有向图表示： 其中，表示节点集合，表示节点通讯链接集合，A＝[aij]∈RN×N,aij≥0表示权值链接矩阵，如果i,j∈E，则表明智能体j是智能体i的邻域智能体，此时aij＝1；否则，aij＝0；将智能体i的所有邻域智能体的集合表示为Ni＝{j:i,j∈E}，定义入度矩阵D＝diag{d1,d2,…,dN}，其中表示智能体i的邻域智能体的数量，定义图的拉普拉斯矩阵为L＝D-A且所有行的和为零，考虑图g为强联通的有向图且aii＝0；另外，智能体i与领导者之间的连接矩阵表示为B＝diag{b1,b2,…,bN}，其中，bi＝1表示智能体i能够接收领导者信息；否则，bi＝0；步骤2、基于通讯拓扑，推导协同制导模型；二维平面N枚导弹协同拦截同一目标模型表达为如下相对运动方程： 其中Mi代表第i枚导弹，T代表目标，考虑所有导弹和目标的运动为质点运动且速度大小均为恒定值，Vi和VT分别表示第i枚导弹和目标的速度；和γT分别表示第i枚导弹的目标的航迹倾角；表示第i枚导弹与目标之间视线角；ri表示第i枚导弹和目标之间的距离，则其相对速率表示为ui和ν分别第i枚导弹和目标垂直于速度向量的加速度，各枚导弹之间依靠通讯拓扑网络进行通讯，即第i枚导弹只与其邻域导弹进行通信；第i枚导弹和目标均表现为如下一阶自动驾驶仪： 其中表示第i枚拦截弹的坐标位置；ai表示拦截弹的侧向加速度；表示拦截弹自动驾驶仪时间常数，设定时间常数为0.1s；相应的目标自动驾驶仪表达式为： 其中xT,yT表示目标的坐标位置；aT表示目标的侧向加速度；τT表示目标自动驾驶仪时间常数，设定时间常数为0.1s；步骤3、基于一致性理论并结合协同制导动力学方程，建立局部邻域一致性误差方程；基于显式协同制导方式，将剩余距离作为协同变量，通过控制各枚导弹与目标的剩余距离r1,…,rN，使得它们同时趋于零，从而保证所有导弹同时击中目标，定义状态变量则协同拦截制导模型可以表示为如下仿射非线性动力学： 其中为系统的状态函数，领导者模型表达式为： 领导者模型具体结构与拦截弹相同，且为了保证协同拦截制导的成功，领导者采用比例导引方式从而保证领导能够成功拦截机动目标；结合图论，建立如下第i个节点的局部邻域一致误差系统： 其中以及导弹协同制导律设计问题被转化为非线性系统7的控制问题，通过针对系统7设计控制律，保证第i个节点的局部邻域一致误差趋于零，从而确保协同拦截制导的成功；步骤4、利用在线辨识技术结合模型输入输出数据，处理模型未知动态；考虑系统函数fixi未知，则系统5被近似为如下形式： 其中Kfi表示神经网络期望权值，表示激励函数，表示近似误差；为了重构未知函数，定义设计如下自适应补偿在线辨识器 以及如下权值更新律和自适应律： 其中分别表示状态和神经网络权值的估计值，sgnδi表示符号函数，Mi,Ei,Gi为设计的常数矩阵，αi为设计的增益常数，局部邻域一致误差系统被重写为： 其中步骤5、根据邻域一致性误差方程，推导最优触发控制策略；定义如下局部性能指标 其中Qi,Rii,Rij为设计的正定对称矩阵；定义如下Hamilton函数为： 其中表示性能指标对状态的偏导数；引入事件触发机制，针对第i个节点，定义一个单调递增的时间瞬间序列记测量采样瞬间的系统状态为则定义如下最新状态测量采样瞬间和当前状态误差为： 相应的，基于事件的局部邻域一致误差系统和触发测量误差为： 根据最优控制理论，推导得到最优触发控制策略为： 其中将18的控制策略带入14得到如下触发HJB方程： 步骤6、利用自适应动态规划技术并结合未知动态辨识数据，实施最优触发控制策略；结合神经网络理论，构造如下评价网络近似代价函数，其期望近似形式为： 其中为评价网络期望权值，为评价网络激励函数，εizi表示近似误差；20式关于状态的偏导数表示为： 其中采用如下实际近似形式： 其中，和为代价函数和权值的估计值；则由23式，推导出近似触发最优控制策略表达式为： 结合22-24，代入19式，得到HJB近似误差方程为： 评价网络设计的目的是设计合适的权值更新律使得权值估计值接近期望值也就是使得如下误差函数最小化： 为了保证闭环系统在整个学习过程中的有界性，设计一个连续可微的径向无界Lyapunov函数Jizi，且使得该函数能够满足如下条件 其中表示Jizi对时间的导数，表示Jizi对zi的偏导数，即基于梯度下降方法，综合考虑闭环系统的稳定性，设计如下触发评价网络更新律： 其中βi＞0是网络权值学习率，Π·定义为如下表达式： 以及设计如下触发条件：

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”。