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复合式直升机全模式自适应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：CN114660942B 。

龙图腾网通过国家知识产权局官网在2025-05-20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：202210330771.1，技术领域涉及：G05B13/04；该发明授权一种复合式直升机全模式自适应控制方法是由郑峰婴;沈志敏;熊博威;许梦园;范涛;陈宇昂设计研发完成，并于2022-03-30向国家知识产权局提交的专利申请。

本一种复合式直升机全模式自适应控制方法在说明书摘要公布了：本发明公开一种复合式直升机全模式自适应控制方法，属于计算、推算或计数的技术领域。本发明提出一种基于增量动态逆方法实现复合式直升机全模式飞行控制，采用Pi‑Sigma神经网络自适应补偿增量动态逆控制误差，通过李雅普诺夫稳定性分析，保证控制系统的稳定性、快速性和鲁棒性。

本发明授权一种复合式直升机全模式自适应控制方法在权利要求书中公布了：1.一种复合式直升机全模式自适应控制方法，其特征在于，建立包括速度回路子系统和姿态回路子系统的复合式直升机非仿射非线性动力学模型，所述复合式直升机非仿射非线性动力学模型根据非仿射非线性动力学系统的输入信号以及复合直升机的实时飞行状态更新非线性动力学系统的状态向量，所述复合式直升机非仿射非线性动力学模型中，速度回路子系统为姿态回路子系统为其中，x1为非线性动力学系统速度回路的状态向量，x2为非线性动力学系统姿态回路的状态向量，x1＝[u,v,w]，u,v,w为机体坐标轴系下的三个速度分量，x2＝[p,q,r]，p,q,r为机体坐标轴系下的三个角速度分量，为非线性动力学系统状态向量x1,x2的导数，u1为速度虚拟控制指令，u2为角速度虚拟控制指令，f1.为速度回路的状态函数，g1.为速度回路的控制函数，f2.为姿态回路的状态函数，g2.为姿态回路的控制函数；建立基于增量动态逆模型的速度回路增量动态逆全模式控制系统，根据Pi-Sigma神经网络补偿后的伪线性控制信号计算基于增量动态逆模型的速度回路子系统输入增量，更新速度回路子系统的输入信号；建立基于增量动态逆模型的姿态回路增量动态逆全模式控制系统，根据Pi-Sigma神经网络补偿后的伪线性控制信号计算基于增量动态逆模型的姿态回路子系统输入增量，更新姿态回路子系统的输入信号；采用Pi-Sigma神经网络补偿速度回路增量动态逆全模式控制系统的伪线性控制信号、姿态回路增量动态逆全模式控制系统的伪线性控制信号，其中，在所述Pi-Sigma神经网络的输出值上累加鲁棒自适应项作为补偿值，所述Pi-Sigma神经网络的权重更新律基于李雅普诺夫原理设计，所述鲁棒自适应项以最大限度跟踪Pi-Sigma神经网络输入为目标推导李雅普诺夫函数关于时间的导数获得，所述鲁棒自适应项为其中，Vr为鲁棒性自适应项，Kr1、Kr2为鲁棒增益，ξ＝eTPb，e为Pi-Sigma神经网络输入输出之间的误差，P为满足李雅普诺夫方程的矩阵，b为用于构建李雅普诺夫函数的矩阵，为预估的神经网络权重，为的二范数，为预估的神经网络权重与理想神经网络权重的差值，为预估理想神经网络权重下隐藏层的输出，所述Pi-Sigma神经网络的权重更新律为其中，为的预估值，为预估的神经网络输入到隐藏层的权重，为第i个隐藏层权重预估值组成的向量，Γw为Pi-Sigma神经网络的学习率，为Pi-Sigma神经网络的输入，bx为Pi-Sigma神经网络偏置量，xc为子系统期望控制指令状态向量，x为子系统的状态向量，为的导数，vL为增量动态逆全模式控制系统的线性伪控制信号，Vad为Pi-Sigma神经网络补偿增量动态逆全模式控制系统线性伪控制信号的误差值，为预估的神经网络输入到隐藏层的权重下隐藏层的输出，K为隐藏层的数量，N为输入节点的数量，为预估的第i个隐藏层第j个输入节点权重的理想值，σ.是隐藏层到输出层的非线性传递函数，W0为Pi-Sigma神经网络的初始权重，为Pi-Sigma神经网络预估的补偿值在方向上的梯度，ξ＝eTPb，e为神经网络输入输出之间的误差，矩阵P为李雅普诺夫方程ATP+PA＝-Q的解，A为速度回路控制系统或姿态回路控制系统的状态矩阵，取Q为单位矩阵，b为用于构建李雅普诺夫函数的矩阵，λ为决定控制性能和鲁棒性之间平衡的参数，所述采用Pi-Sigma神经网络补偿速度回路增量动态逆全模式控制系统的伪线性控制信号的表达式为： 其中，vL1为速度回路增量动态逆全模式控制系统补偿成为具有线性传递关系并且完成解耦的伪线性控制信号，KP1和KI1为速度回路线性控制系数，uc为前飞速度，vc为升降速度，wc为偏航速度，u,v,w为机体坐标轴系下的实时三轴速度分量，Vad1为Pi-Sigma神经网络输出的补偿值，为Pi-Sigma神经网络的输出值，Vr为鲁棒自适应项，所述采用Pi-Sigma神经网络补偿姿态回路增量动态逆全模式控制系统的伪线性控制信号的表达式为： 其中，vL2为将姿态回路增量动态逆全模式控制系统补偿成为具有线性传递关系并且完成解耦的伪线性控制信号，KP2和KI2为姿态回路线性控制系数，p,q,r为机体坐标轴系下的实时三轴角速度分量，[pc,qc,rc]为根据姿态回路期望控制指令求得的三轴角速度分量，Vad2为Pi-Sigma神经网络输出的补偿值，为Pi-Sigma神经网络的输出值，Vr为鲁棒自适应项。

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”。