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！

龙图腾网获悉西安电子科技大学申请的专利基于强化学习算法的飞行器再入跟踪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：CN115437406B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211130234.9，技术领域涉及：G05D1/46；该发明授权基于强化学习算法的飞行器再入跟踪制导方法是由冯冬竹;戴沛;崔家山;仲秦;秦翰林;张立华;冯炜皓;马佳笛设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本基于强化学习算法的飞行器再入跟踪制导方法在说明书摘要公布了：本发明公开了一种基于强化学习算法的飞行器再入跟踪制导方法，用于解决现有技术中对系统模型依赖性较大和适应性及制导性能差的问题。其实现方案为建立半速度坐标系下飞行器再入连续最优控制问题；将飞行器再入连续最优控制问题转化为序列凸最优控制问题；将序列凸最优控制问题转化为序列二阶锥规划问题；对序列二阶锥规划问题进行求解，获取飞行器最优倾侧角；对最优倾侧角轨迹采样得到参考轨迹训练数据集；构建神经网络和奖励函数；利用训练数据集对神经网络进行离线训练，直到累计奖励收敛到最大值，得到制导网络；通过制导网络在线获取飞行器再入制导指令，实时跟踪目标高度。本发明适应性强，制导精度高，可用于火箭回收。

本发明授权基于强化学习算法的飞行器再入跟踪制导方法在权利要求书中公布了：1.一种基于强化学习算法的飞行器再入跟踪制导方法，其特征在于，包括如下步骤： 1将飞行器再入段轨迹优化描述为由数学模型、边界条件、容许控制、性能指标、过程约束构成的连续最优控制问题P0； 2对P0进行更换形式、松弛变量、软化约束、逐次线性化方法的凸化处理，得到序列凸最优控制问题P1，采用伪谱法对该P1进行离散参数化处理，得到序列二阶锥规划问题P2； 3采用内点法求解序列二阶锥规划问题P2，得最优参考轨迹； 4对最优参考轨迹进行采样得到参考轨迹训练数据集； 5构建神经网络Actor网络： 5a建立由第一输入层、第一隐藏层、第一输出层依次连接组成的动作评估子网络Actor_eval，该第一输入层输入的状态变量为当前状态智能体的地心距、经度、纬度、航迹角、航向角这五个状态变量，该第一输出层输出信息为当前状态的攻角增量指令； 5b建立由第二输入层、第二隐藏层、第二输出层依次连接组成的动作目标子网络Actor_target，该第二输入层输入的状态变量为智能体下一个状态的地心距、经度、纬度、航迹角、航向角这五个状态变量，该第二输出层输出信息为下一个状态的目标攻角增量指令； 5c将动作评估子网络Actor_eval网络和动作目标子网络Actor_target网络并联，构成Actor网络，用于接收经验回放池的状态信息，并输出攻角增量指令信息； 6构建神经网络Critic网络： 6a建立由第三输入层、第三隐藏层、第三输出层依次连接组成的价值评估子网络Critic_eval，该第三输入层输入的变量为当前状态智能体的地心距、经度、纬度、航迹角、航向角这五个状态变量以及Actor_eval输出的攻角增量指令，该第三输出层输出信息为智能体这一状态采取指令后产生的累计奖励； 6b建立由第四输入层、第四隐藏层、第四输出层依次连接组成的价值目标子网络Critic_target，该第四输入层输入的变量为下一个状态智能体的地心距、经度、纬度、航迹角、航向角这五个状态变量以及Actor_target输出的攻角增量指令，该第四输出层输出信息为智能体下一状态采取指令后产生的目标累计奖励； 6c将价值评估子网络Critic_eval网络和价值目标子网络Critic_target网络并联，构成Critic网络，用于接受经验回放池的状态信息和Actor网络输出的攻角增量指令信息，并输出智能体采取指令后产生的累计奖励信息； 7设计Actor网络和Critic网络的奖励函数R均为： R＝R1+R2，其中R1为目标奖励，R2为约束奖励； 8利用4中所得到的参考轨迹训练数据集使用深度确定性策略梯度算法DDPG，对Actor网络和Critic网络进行并行离线训练，当智能体的累计奖励收敛于一个最大值时，得到训练好的制导网络； 9在线获取飞行器再入段制导指令并实时跟踪： 飞行器在飞行期间，机载计算机读取飞行器导航系统测得的实时飞行状态量，将实时飞行的状态量作为制导网络的输入进行前向传播，得到实时的制导指令；飞行器根据指令将产生攻角变化，实时跟踪预定高度曲线。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。