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！

龙图腾网获悉珠海翔翼航空技术有限公司申请的专利基于多目标优化的无人机自主决策强化学习方法、系统、设备及存储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：CN120724290B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511194556.3，技术领域涉及：G06F18/2415；该发明授权基于多目标优化的无人机自主决策强化学习方法、系统、设备及存储介质是由胡婕;郭浩彬;干宇雷;曾钿;叶宗华;吴童设计研发完成，并于2025-08-26向国家知识产权局提交的专利申请。

本基于多目标优化的无人机自主决策强化学习方法、系统、设备及存储介质在说明书摘要公布了：本申请涉及无人机自主决策技术领域，提供一种基于多目标优化的无人机自主决策强化学习方法、系统、设备及存储介质，解决无人机动态任务分配能力有限、决策能力差的问题。本申请方法包括：基于红外数据和雷达数据，生成可疑目标在目标区域内的移动轨迹预测序列，构建移动概率热力图，目标区域包括已巡查区域；对雷达数据进行多普勒频移分析，生成目标速度矢量场；结合无人机的位置数据，通过区域重划分强化学习模型基于用于多目标优化的奖励函数，输出包含未巡查区域的动态分割方案的无人机自主决策强化学习结果，奖励函数用于体现区域覆盖率最大化、目标追踪成功概率最大化及路径能耗最小化。本申请实现了无人机对未巡查区域的自主智能决策。

本发明授权基于多目标优化的无人机自主决策强化学习方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于多目标优化的无人机自主决策强化学习方法，其特征在于，包括： 通过无人机上部署的机载传感器阵列采集已巡查区域内的红外数据和雷达数据； 基于所述红外数据和所述雷达数据，生成可疑目标在目标区域内的移动轨迹预测序列，基于所述移动轨迹预测序列构建移动概率热力图，所述目标区域包括已巡查区域； 对所述雷达数据进行多普勒频移分析，生成目标速度矢量场； 将所述移动概率热力图和所述目标速度矢量场作为输入特征，并结合无人机的位置数据，通过预先训练好的区域重划分强化学习模型基于用于多目标优化的奖励函数，输出包含未巡查区域的动态分割方案的无人机自主决策强化学习结果，所述奖励函数用于体现区域覆盖率最大化、目标追踪成功概率最大化及路径能耗最小化； 所述将所述移动概率热力图和所述目标速度矢量场作为输入特征，并结合无人机的位置数据，通过预先训练好的区域重划分强化学习模型基于用于多目标优化的奖励函数，输出包含未巡查区域的动态分割方案的无人机自主决策强化学习结果，包括： 提取所述移动概率热力图的概率分布特征和所述目标速度矢量场的概率分布特征，并将所述概率分布特征、所述概率分布特征与所述无人机的位置数据进行时空关联融合，生成联合状态特征向量； 将所述联合状态特征向量输入到所述区域重划分强化学习模型中，并通过策略网络，输出未巡查区域的分割参数集合； 基于所述分割参数集合，利用所述用于多目标优化的奖励函数进行多维评估，生成多维评估结果； 基于所述多维评估结果，驱动所述区域重划分强化学习模型的策略网络更新权重参数，输出未巡查区域的动态分割方案； 将所述动态分割方案与实时环境状态绑定，生成包含未巡查区域的动态分割方案的无人机自主决策强化学习结果； 所述基于所述移动轨迹预测序列构建移动概率热力图，包括： 将所述移动轨迹预测序列按照地理网格单元，将目标区域解构为多个包含空间坐标和观测时刻的离散轨迹点，以形成离散轨迹点集； 基于预设空间权重核函数和所述离散轨迹点的空间坐标计算空间距离权重，基于预设时间衰减系数和所述离散轨迹点的观测时刻计算时间衰减权重； 基于所述空间距离权重和时间衰减权重，将所述空间坐标和所述观测时刻进行融合，生成地理网格单元的初始热力值； 将所有所述地理网格单元的初始热力值转换为色彩梯度分布，形成移动概率热力图； 所述对所述雷达数据进行多普勒频移分析，生成目标速度矢量场，包括： 将所述雷达数据解构为离散回波单元集，每个离散回波单元包含方位角、仰角和原始频移量； 对所述原始频移量进行周期折叠修正，生成真实多普勒频移值； 将所述真实多普勒频移值转换为径向速度分量，结合所述方位角和所述仰角，计算三维速度投影； 对所述三维速度投影进行运动一致性聚合，得到目标速度矢量场。

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珠海翔翼航空技术有限公司，其通讯地址为：519030 广东省珠海市香洲区保税区32号地；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。