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！

龙图腾网获悉大连海事大学申请的专利一种基于欠驱动导航深度强化学习的无人船路径规划系统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：CN119987351B 。

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：202411954823.8，技术领域涉及：G05D1/43；该发明授权一种基于欠驱动导航深度强化学习的无人船路径规划系统是由王宁;张洪岩;刘旭莹;侯玉立设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于欠驱动导航深度强化学习的无人船路径规划系统在说明书摘要公布了：本发明一种基于欠驱动导航深度强化学习的无人船路径规划系统，包括：环境感知模块：用于通过多种传感器采集无人船的位姿、速度信息及与障碍物的距离信息；路径规划器：用于基于所述环境感知模块采集的无人船的位姿、速度信息及与障碍物的距离信息生成的状态向量通过训练好的欠驱动导航Actor‑Critic深度强化学习算法模型逐步生成无人船从起点到终点过程中每一段局部路径；制导控制器：用于基于所述路径规划器生成每一段局部路径采用制导控制算法跟踪局部路径，从局部路径起点到到局部路径终点，直到无人船到达最终目标区域。该方法在训练和执行过程中考虑了控制过程，确保了规划的路径可以被精确跟踪，欠驱动USV可以在动态环境中无碰撞地到达目标位置。

本发明授权一种基于欠驱动导航深度强化学习的无人船路径规划系统在权利要求书中公布了：1.一种基于欠驱动导航深度强化学习的无人船路径规划系统，其特征在于：包括：环境感知模块：用于通过多种传感器采集无人船的位姿、速度信息及与障碍物的距离信息； 路径规划器：用于基于所述环境感知模块采集的无人船的位姿、速度信息及与障碍物的距离信息生成的状态向量通过训练好的欠驱动导航Actor-Critic深度强化学习算法模型逐步生成无人船从起点到终点过程中每一段局部路径； 制导控制器：用于驱动无人船跟踪基于所述路径规划器生成的每一段局部路径，采用制导控制算法跟踪局部路径，从局部路径起点到局部路径终点，直到无人船到达最终目标区域，则实现路径规划任务完成； 所述欠驱动导航Actor-Critic深度强化学习算法模型包括： Actor网络：参数为，输入为无人船状态向量，输出为动作向量和选择该动作的概率； 两个Critic网络：参数分别为,，输入为多步状态向量和动作向量，输出为状态动作值，用于指导Actor网络在训练过程中获取最优策略； 两个Critic目标网络：参数分别为,，输入为多步状态向量和动作向量，输出为状态动作值，用于更新Critic网络及自身参数； 所述Actor网络包括两层激活函数为ReLU的第一全连接层和一层第一线性层；所述第一全连接层和第一线性层顺序级联； 所述Critic网络包括一层第一LSTM层、激活函数为ReLU的第二全连接层、第三连接层和一层第二线性层；所述第一LSTM层、第二全连接层、第三全连接层、第二线性层顺序级联； Critic目标网络结构和Critic网络相同，包括一层第二LSTM层，激活函数为ReLU的第四全连接层、第五全连接层和一层第三线性层； 所述第二LSTM层、第四全连接层、第五全连接层和第三线性层顺序级联； 所述用于驱动无人船跟踪基于所述路径规划器生成的每一段局部路径，采用制导控制算法跟踪局部路径，从局部路径起点到局部路径终点，直到无人船到达最终目标区域过程如下： 从无人船起始点初始状态到终点最终状态，使用制导算法根据无人船的位姿、速度和路径计算期望艏向和期望速度：使用追踪制导算法获取期望艏向，期望速度预设为=4ms，期望艏向由下式动态确定： 7 其中，表示无人船位置和航路点位置的连线与轴的夹角，是侧滑角，分别表示无人船的纵荡速度、横荡速度； 使用控制算法根据期望速度和期望艏向以及无人船当前速度、艏向，计算欠驱动无人船的力和转矩，控制无人船运动： 使用增量式PID控制器获取无人船的纵向力和转矩，时刻控制器输出的增量纵向力和转矩由下式确定： 8 9 其中，是控制器参数，是采样周期，和分别是速度和艏向误差，为无人船速度、为无人船艏向，作用在无人船上的纵向力和转矩为： 10 11 力和转矩的饱和约束为，由此控制无人船运动； 逐一生成下一段局部路径并跟踪，当无人船已到达最终目标区域，则路径规划任务完成。

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：116026 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”。

以上内容由龙图腾AI智能生成。