買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國海洋大學(xué)申請(qǐng)的專利基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的有限時(shí)間協(xié)同跟蹤控制方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120276356B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510764940.6，技術(shù)領(lǐng)域涉及：G05B19/042；該發(fā)明授權(quán)基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的有限時(shí)間協(xié)同跟蹤控制方法是由張文樂;馮子騫;黎明;史家寧;孫宇琛設(shè)計(jì)研發(fā)完成，并于2025-06-10向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的有限時(shí)間協(xié)同跟蹤控制方法在說明書摘要公布了：本發(fā)明提供了一種基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的有限時(shí)間協(xié)同跟蹤控制方法，屬于網(wǎng)絡(luò)化多智能體控制策略技術(shù)領(lǐng)域；構(gòu)建包含虛擬領(lǐng)導(dǎo)者和跟隨者的高階全驅(qū)不確定非線性多智能體系統(tǒng)的動(dòng)態(tài)數(shù)學(xué)模型；根據(jù)協(xié)同跟蹤控制目標(biāo)和系統(tǒng)中的不確定項(xiàng)，構(gòu)建包含自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)估計(jì)補(bǔ)償項(xiàng)的誤差動(dòng)態(tài)系統(tǒng)；基于高階全驅(qū)系統(tǒng)理論，設(shè)計(jì)有限時(shí)間積分滑模面；根據(jù)系統(tǒng)動(dòng)態(tài)性能和有限時(shí)間收斂需求，基于極點(diǎn)配置方法設(shè)計(jì)有限時(shí)間積分滑模面的線性化參數(shù)，獲得有限時(shí)間積分滑模控制器；設(shè)計(jì)RBF神經(jīng)網(wǎng)絡(luò)權(quán)重和近似誤差上界的自適應(yīng)更新律，將網(wǎng)絡(luò)權(quán)重和近似誤差帶入到有限時(shí)間積分滑模控制器中，實(shí)現(xiàn)有限時(shí)間的協(xié)同跟蹤控制。

本發(fā)明授權(quán)基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的有限時(shí)間協(xié)同跟蹤控制方法在權(quán)利要求書中公布了：1.一種基于自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)的有限時(shí)間協(xié)同跟蹤控制方法，其特征在于，包括以下過程： S1，構(gòu)建包含虛擬領(lǐng)導(dǎo)者和跟隨者的高階全驅(qū)不確定非線性多智能體系統(tǒng)的動(dòng)態(tài)數(shù)學(xué)模型； S2，根據(jù)協(xié)同跟蹤控制目標(biāo)和系統(tǒng)中的不確定項(xiàng)，構(gòu)建包含自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)估計(jì)補(bǔ)償項(xiàng)的誤差動(dòng)態(tài)系統(tǒng)； S3，基于高階全驅(qū)系統(tǒng)理論，設(shè)計(jì)包含鄰居誤差相關(guān)項(xiàng)和線性化項(xiàng)的有限時(shí)間積分滑模面； S4，根據(jù)系統(tǒng)動(dòng)態(tài)性能和有限時(shí)間收斂需求，基于極點(diǎn)配置方法設(shè)計(jì)有限時(shí)間積分滑模面的線性化參數(shù)，獲得有限時(shí)間積分滑模控制器；具體步驟包括： S41，根據(jù)系統(tǒng)動(dòng)態(tài)特性和有限時(shí)間收斂需求，基于極點(diǎn)配置方法得到線性化參數(shù); S42，根據(jù)S41中得到的線性化參數(shù)和有限時(shí)間積分滑模面，獲得有限時(shí)間積分滑模控制器，具體形式如下： ； 其中，為系統(tǒng)的已知非線性項(xiàng)信息總和，且，為拉普拉斯矩陣，為牽制增益矩陣；為階單位矩陣； ； 為維單位向量； ； 是正定的對(duì)角矩陣，； 為超參數(shù)，； ； 和分別為兩個(gè)正定對(duì)角矩陣；為近似誤差上界的估計(jì)值；為智能體個(gè)數(shù)；為RBF神經(jīng)網(wǎng)絡(luò)權(quán)重的估計(jì)值；和為正超參數(shù)；為智能體狀態(tài)的n階導(dǎo)數(shù)； ； ； 為符號(hào)函數(shù)； ； 表示神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)； S5，基于有限時(shí)間積分滑模面，設(shè)計(jì)RBF神經(jīng)網(wǎng)絡(luò)權(quán)重和近似誤差上界的自適應(yīng)更新律，將網(wǎng)絡(luò)權(quán)重和近似誤差帶入到有限時(shí)間積分滑模控制器中，實(shí)現(xiàn)有限時(shí)間的協(xié)同跟蹤控制；具體步驟為： S51，確定RBF神經(jīng)網(wǎng)絡(luò)權(quán)重的自適應(yīng)更新律，具體形式為： ； 其中，為正定矩陣，為權(quán)重的權(quán)估計(jì)值導(dǎo)數(shù)； S52，確定近似誤差上界的自適應(yīng)更新律，具體形式為： ； 其中是正超參數(shù)，為近似誤差上界的估計(jì)值，為的導(dǎo)數(shù) S53，將權(quán)重和近似誤差上界代入到有限時(shí)間積分滑模控制器，實(shí)現(xiàn)有限時(shí)間協(xié)同跟蹤控制。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國海洋大學(xué)，其通訊地址為：266000 山東省青島市嶗山區(qū)松嶺路238號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。