基于深度强化学习的固定翼无人机编队协调控制方法及装置

发明专利有效专利

申请号：
CN202010761029.7
IPC分类号：G05D1/10;G05B13/04;G06N3/08;G06N3/04
申请日期：
2020-07-31
申请人：
中国人民解放军国防科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度强化学习的固定翼无人机编队协调控制方法及装置
申请号	CN202010761029.7	申请日期	2020-07-31
法律状态	公开	申报国家	中国
公开/公告日	2020-11-03	公开/公告号	CN111880567A
优先权	暂无	优先权号	暂无
主分类号	G05D1/10 ? IPC结构图谱： G 物理 G0 仪器 G05 控制；调节 G05D 非电变量的控制或调节系统（金属的连续铸造入B22D 11/16；阀门本身入F16K；非电变量的检测见G01各有关小类；电或磁变量的调节入G05F） G05D1/00 陆地、水上、空中或太空中的运载工具的位置、航道、高度或姿态的控制，例如自动驾驶仪（无线电导航系统或使用其他波的类似系统入G01S） G05D1/10 三维的位置或航道的同时控制（G05D 1/12优先）	IPC分类号	G;0;5;D;1;/;1;0;;;G;0;5;B;1;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	中国人民解放军国防科技大学	申请人地址	湖南省长沙市开福区砚瓦池正街47号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国人民解放军国防科技大学	当前权利人	中国人民解放军国防科技大学
发明人	闫超;王菖;相晓嘉;吴立珍;黄依新;兰珍;刘兴宇
代理机构	湖南兆弘专利事务所（普通合伙）	代理人	周长清;胡君

摘要

本发明公开一种基于深度强化学习的固定翼无人机编队协调控制方法及装置，该方法步骤包括：步骤S1、建立固定翼无人机运动学模型以及基于深度神经网络建立执行器网络、评价器网络，并使用各僚机与环境之间交互过程中的历史数据更新执行器网络、评价器网络的网络参数，训练形成执行器网络模型；步骤S2、各僚机分别实时获取自身、长机以及除当前僚机以外其他僚机的当前状态信息构成联合状态，载入训练后形成的执行器网络模型，由执行器网络模型根据联合状态输出各僚机的控制指令。本发明能够应用深度强化学习实现固定翼无人机编队协调控制并避免机间碰撞，具有实现方法简单、实时性及可扩展性强、控制灵活等优点。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供