Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安工业大学傅妍芳获国家专利权

西安工业大学傅妍芳获国家专利权

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!

龙图腾网获悉西安工业大学申请的专利多智能体强化学习的多自由度模型的无人机协同追捕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:CN116225065B

龙图腾网通过国家知识产权局官网在2025-07-22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:202310296946.6,技术领域涉及:G05D1/46;该发明授权多智能体强化学习的多自由度模型的无人机协同追捕方法是由傅妍芳;雷凯麟;曹子建;杨博;孙泽龙;高领航;李秦洁设计研发完成,并于2023-03-24向国家知识产权局提交的专利申请。

多智能体强化学习的多自由度模型的无人机协同追捕方法在说明书摘要公布了:本发明涉及一种多智能体强化学习的多自由度模型的无人机协同追捕方法,由于采用多智能体强化学习算法对多无人机追捕问题进行研究,比传统的数学模型方法或者单智能体强化学习方法体现出更智能的自主决策,同时本发明中,建立了基于强化学习的多无人机围捕策略推演方法,制定了多自由度无人机模型集群对抗策略。由于采用多自由度无人机模型,构建了更为复杂和精确的模型更新优化,弥补了现有方法在复杂场景下多智能体系统空战对抗方法的不足,提高了空战模型的精确性。

本发明授权多智能体强化学习的多自由度模型的无人机协同追捕方法在权利要求书中公布了:1.一种多智能体强化学习的多自由度模型的无人机协同追捕方法,其特征在于:作战区域中存在红方多艘同构追捕无人机和蓝方单架逃逸无人机,红方无人机通过协同合作尽快对逃逸目标实现围捕成功;步骤如下: 步骤1:对战双方智能体红方和蓝方,红方单元使用强化学习算法进行控制,蓝方单元基于传统作战规则,双方的智能体环境模型为: 以Pnn=1,2,…,N代表红方多个围捕无人机,E代表逃逸无人机,vE代表逃逸无人机的速度大小,代表追捕无人机的速度大小,dcap代表围捕半径,ψE代表逃逸无人机的偏航角,代表追捕无人机的偏航角,dt为追捕无人机和逃逸无人机之间的距离,di为追捕无人机和追捕无人机之间的距离; 所述红方算法智能体模型包括追捕无人机的运动学方程、智能体的状态空间、动作空间和奖赏函数; 所述蓝方规则智能体模型为逃逸无人机采用的逃逸对抗策略; 步骤2:采用多智能体深度确定性策略梯度算法作为红方智能体算法,其中MADDPG使用中心化训练、去中心化执行的方法; 构建价值Critic网络和策略Actor网络,其中:价值网络Critic部署在全局控制器上,策略网络Actor部署在每个智能体上,训练时,智能体agenti将观测值statei传输到全局价值网络,价值网络将TD误差传回智能体,供智能体训练策略网络,此时智能体之间不进行直接通讯,而是由训练好的策略网络做决策; 采用MADDPG算法对红方智能体进行训练并优化; 步骤3:将步骤1构建的智能体环境模型和步骤2中的多智能体强化学习算法相结合,生成最终的基于强化学习的多无人机协同围捕方法,过程为: 步骤3-1:以当前智能体为基准,计算当前智能体与其余智能体的差值,所述差值为: 经度差值 纬度差值 高度差值 距离差值 获得当前智能体的偏航角输入智能体的联合状态其中 步骤3-2:将智能体联合状态传入多智能体强化学习算法中,得到下一步的联合动作其中并在三维仿真作战环境中执行动作; 步骤3-3:执行动作结束后获得智能体下一步的动作和当前动作的奖励值Rn,将数据Sn,An,Sn+1,Rn存入经验缓冲池中,并抽取批大小的数据对算法进行训练; 在整个围捕过程中循环执行步骤3操作。

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工业大学,其通讯地址为:710021 陕西省西安市未央区学府中路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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。