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！

龙图腾网获悉厦门大学申请的专利面向数据收集的多无人机动态路径规划方法、装置、设备及介质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：CN119065399B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411015056.4，技术领域涉及：G05D1/695；该发明授权面向数据收集的多无人机动态路径规划方法、装置、设备及介质是由李王明卉;贾文翰;吴思城;齐厚艺;苏毓涵设计研发完成，并于2024-07-26向国家知识产权局提交的专利申请。

本面向数据收集的多无人机动态路径规划方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种面向数据收集的多无人机动态路径规划方法、装置、设备及介质，其中，该方法包括两阶段，其中，第一阶段离线路径预规划阶段采用多智能体深度确定性策略梯度算法，为每一架无人机分配自己的Actor‑Critic网络进行训练学习，同时，单独设计总体的Critic网络，用于各无人机观测全局信息，实现多无人机之间的合作学习；第二阶段在线路径重规划阶段采用遗传算法，在各时隙开始时对包含静态兴趣点和动态兴趣点的地图进行搜索迭代，找出当下时隙最优路径，并对无人机进行路径重规划；由此，通过两阶段结合，使得无人机集群可以在同时考虑动态静态两种兴趣点情况下，最大化其数据收集获得的总奖励。

本发明授权面向数据收集的多无人机动态路径规划方法、装置、设备及介质在权利要求书中公布了：1.一种面向数据收集的多无人机动态路径规划方法，其特征在于，包括以下步骤： 在每个时隙内，获取数据收集场景中的每架无人机对应的状态信息，其中，所述状态信息包括无人机自身信息、环境信息和静态兴趣点信息； 根据所述状态信息训练对应的强化学习网络，并采用训练好的强化学习网络得到离线时的预规划路径； 在每个时隙开始在线飞行时，根据所述预规划路径进行飞行，并在当前时隙获取对应的动态兴趣点信息； 采用遗传算法根据所述动态兴趣点信息对所述预规划路径进行调整，以得到对应的最优规划路径； 其中，根据所述状态信息训练对应的强化学习网络，包括： 对每架无人机初始化对应的Actor-Critic网络； 每架无人机基于当前的所述状态信息使用Actor网络预测对应的飞行动作； 在执行飞行动作后，无人机接收环境反馈，得到新的状态信息和奖励； 每次执行飞行动作后，将当前的所述状态信息、对应的飞行动作、新的状态信息和奖励作为一批样本存储到经验重放缓冲区； 从经验重放缓冲区中随机抽取一批样本进行训练； 其中，在训练过程中还包括： 采用Critic网络评估执行飞行动作在状态下的计算预期奖励值，其中，计算预期奖励值表示在当前状态执行某个动作并遵循当前策略的预期累积奖励； Actor网络根据Critic网络的反馈，计算策略梯度，并采用梯度上升法更新Actor网络的参数，以优化未来的动作预测； 其中，采用遗传算法根据所述动态兴趣点信息对所述预规划路径进行调整，以得到对应的最优规划路径，包括： 定义适应度函数，并根据无人机执行被分配任务预计消耗的总能量、动态兴趣点数据收集任务是否完成和动态兴趣点收集完成后获得的奖励计算所述适应度； 遗传算法通过所述适应度选择更好的路径进行繁殖、并进行交叉和变异操作，以生成新的最优规划路径； 其中，根据以下公式判断动态兴趣点数据收集任务是否完成： 其中，an,k,t,t′表示动态兴趣点qk,t的无人机分配情况，qk,t表示第t个时隙出现的编号为k的动态兴趣点，t′表示无人机执行任务当下的时刻，表示所有无人机在T个时隙内收集到的动态兴趣点qk,t的总数据量，其中对任意一架无人机un∈U，每个时隙收集的数据量为dn，D′k表示动态兴趣点qk,t需要的数据量，若则代表此动态兴趣点收集完毕，可获得rk的奖励； 其中，根据以下公式计算适应度函数F： 其中，表示动态兴趣点qk,t′收集到达标数据量后获得的奖励，Ek是无人机执行被分配任务预计消耗的总能量，包括飞行能耗和悬停能耗，ko取决于叶片尺寸的常数，mn表示无人机un的质量，ρ表示空气密度，Xn表示无人机的面积，表示无人机的飞行速度，表示叶片的旋翼速度，表示螺旋桨在前向战斗模式下的平均诱导速度，F取决于无人机阻力系数的常数，l表示无人机到达动态兴趣点qk,t′的距离。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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”。

以上内容由龙图腾AI智能生成。