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！

龙图腾网恭喜大连海事大学申请的专利基于深度网络离线迭代与在线调整的无人船跟踪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：CN119512094B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411592106.5，技术领域涉及：G05D1/43；该发明授权基于深度网络离线迭代与在线调整的无人船跟踪控制方法是由白伟伟;王源豪;陈德旺;赵博;薛雷设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本基于深度网络离线迭代与在线调整的无人船跟踪控制方法在说明书摘要公布了：本发明公开了一种基于深度网络离线迭代与在线调整的无人船跟踪控制方法，通过预训练的深度神经网络获取对未知的非线性动态的第一步近似值；对未知的非线性动态的第一步近似值进行在线调整，以获取未知的非线性动态的最终近似值的估计值；进而获取控制器和输出层权值自适应律，以确保无人船的航向角的状态向量能够跟踪期望的光滑时变轨迹；实现基于深度网络离线迭代与在线调整的无人船的跟踪控制。本发明通过结合深度神经网络，潜在地提高函数的近似性能，从而使得其对更复杂特征的未知动态具有更好的逼近效果。

本发明授权基于深度网络离线迭代与在线调整的无人船跟踪控制方法在权利要求书中公布了：1.一种基于深度网络离线迭代与在线调整的无人船跟踪控制方法，其特征在于，包括以下步骤： S1：建立考虑遭受风、浪、流影响下的包括不确定干扰项的无人船航向跟踪控制数学模型，以将所述无人船航向跟踪控制数学模型转化为二阶状态空间方程，从而获取无人船的连续时间非线性动态系统； S2：根据所述无人船的连续时间非线性动态系统，基于预训练的深度神经网络，对非线性动态系统中的未知的非线性动态进行离线迭代，获取对未知的非线性动态的第一步近似值；以对未知的非线性动态的第一步近似值进行在线调整，获取未知的非线性动态的最终近似值，以获取未知的非线性动态的最终近似值的估计值； S3：根据所述无人船的连续时间非线性动态系统，未知的非线性动态的最终近似值的估计值，获取控制器和输出层权值自适应律，以确保无人船的航向角的状态向量能够跟踪期望的光滑时变轨迹；实现基于深度网络离线迭代与在线调整的无人船的跟踪控制； 所述S3中，获取所述控制器和输出层权值自适应律方法如下： S31：获取与无人船航向角相关的第一跟踪误差和与无人船的航向角速度相关的第二跟踪误差； 所述第一跟踪误差为无人船的航向角的状态向量与期望的光滑时变轨迹之间的差值； 所述第二跟踪误差为无人船的航向角速度的状态向量与虚拟控制器之间的差值； 其中，x1dt是期望的光滑时变轨迹；x2dt是虚拟控制器；e1t表示第一跟踪误差，即x1t与x1dt之间的差值；e2t表示第二跟踪误差，即x2t与x2dt之间的差值；表示等价于；x1t表示无人船的航向角φ的状态向量；x2t表示无人船的航向角速度的状态向量； S32：根据所述第一跟踪误差，采用反步法建立虚拟控制器： 所述虚拟控制器建立如下： 其中，c1是用于设计虚拟控制器的正常数； S33：根据未知的非线性动态的最终近似值的估计值和理想输出层权值的估计值，获取控制器如下； 其中，c2是用于设计控制器的正常数；cs是用来设计补偿项的正常数；sgn·代表符号函数；g表示一个关于船舶操纵性能正常数；e1t表示第一跟踪误差，即x1t与x1dt之间的差值；e2t表示第二跟踪误差，即x2t与x2dt之间的差值；x2dt是虚拟控制器；表示第i次迭代中的预训练的深度神经网络对未知非线性动态的最终近似值的估计值；是理想输出层权值W*的估计值；ut表示控制输入向量；代表Φ*x2t的第i个估计值；代表σ*的第i个估计值；ut表示控制输入向量； 所述输出层权值自适应律获取如下： 其中，Γ代表自适应正定矩阵，τ是一个用来调节自适应律的正常数。

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大连海事大学，其通讯地址为：116000 辽宁省大连市甘井子区凌水街道凌海路1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”。