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！

龙图腾网获悉中山大学申请的专利一种复杂环境下无人机巡逻路径决策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：CN120521607B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510876863.3，技术领域涉及：G01C21/20；该发明授权一种复杂环境下无人机巡逻路径决策方法是由王涛;王飞;汪鸿润;杨丙三;刘波设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种复杂环境下无人机巡逻路径决策方法在说明书摘要公布了：本申请公开了一种复杂环境下无人机巡逻路径决策方法，涉及无人机路径规划技术领域，方法包括：以各个待巡逻位置作为节点构建无向拓扑图；根据无向拓扑图的拓扑约束和节点重要性生成无人机巡逻各个节点的稳态分布；生成多个具有稳态分布的候选状态转移矩阵；对各个候选状态转移矩阵所对应路径的障碍物进行动态环境评估，从而确定所选路径上无人机的可选速度和方向；根据动态环境评估结果动态调整决策网络的权重，进而利用权重调整后的决策网络生成执行运动命令；根据运动命令控制无人机在各个待巡逻位置之间移动。本申请通过对障碍物进行动态环境评估、规划路径，调整决策网络权重，生成运动命令，能够实现无人机在复杂环境下高效的智能决策。

本发明授权一种复杂环境下无人机巡逻路径决策方法在权利要求书中公布了：1.一种复杂环境下无人机巡逻路径决策方法，其特征在于，所述方法包括以下步骤： 以各个待巡逻位置作为节点构建无向拓扑图； 根据所述无向拓扑图的拓扑约束和节点重要性生成无人机巡逻各个所述节点的稳态分布； 生成多个具有所述稳态分布的候选状态转移矩阵；其中，各个所述候选状态转移矩阵包括所述无人机在各个所述节点之间的转移概率； 对各个所述候选状态转移矩阵所对应路径的障碍物进行动态环境评估，从而确定所选路径上无人机的可选速度和方向； 根据动态环境评估结果动态调整决策网络的权重，进而利用权重调整后的决策网络生成执行运动命令； 根据所述执行运动命令控制所述无人机在各个所述待巡逻位置之间移动； 所述根据动态环境评估结果动态调整决策网络的权重，包括以下步骤： 根据目标状态转移矩阵所对应路径的系统状态动态调整决策网络的权重，包括以下步骤： 设计调整决策网络Actor‑Critic所需要的系统状态、输出动作以及奖励函数； 将动态环境适应性函数增加到传统DWA基础上，得到时变环境自适应动态窗口方法； 将所述的决策网络Actor‑Critic和时变环境自适应动态窗口方法结合，得到AC‑时变环境自适应动态窗口方法，利用所述决策网络中的Critic网络输出状态价值估计Vs，通过优势函数来调整所述决策网络中的Actor网络的权重，即时变环境自适应动态窗口方法中的权重参数； Actor‑Critic方法是用MoEMamba网络替换了传统Actor‑Critic方法中的循环神经网络，MoEMamba是一种融合和混合专家网络和Mamba网络的网络，交替使用两种网络，一层混合专家网络，一层Mamba网络，如此循环，总共k层； 系统状态st描述了在时间t时刻的无人机状态包含的所有信息，是AC‑TEADWA方法的基础，为神经网络提供了预测AC‑TEADWA权重所需的完整信息，所述系统状态的表达式为： ； 其中，：t时刻的系统状态，包含了无人机在第t时刻的完整状态信息； ：在当前无人机坐标系下当前时刻t无人机到障碍物的距离测量值； ：在当前无人机坐标系下表示的k个控制周期之前的距离测量值； ：在当前无人机坐标系下表示的l个控制周期之前的距离测量值； ：在当前无人机坐标系下表示的g个控制周期之前的距离测量值； ：无人机当前位置到目标的距离； ：无人机当前位置到目标的角度； ：无人机当前平移速度； ：无人机当前旋转速度； ：连续时间步之间的障碍物距离变化，捕捉动态信息； ：无人机到目标距离的时间导数，表示是否在接近目标； ：无人机当前加速度状态向量，是无人机当前时刻的线加速度，是无人机当前时刻的角加速度； ：环境复杂度指标，通过障碍物分布的熵值计算； 距离测量值的具体形式：； 表示过去的时间步，指代公式中的k、l、g； 上标表示测量时间； 下标表示当前无人机位置的坐标系； 表示激光雷达的测量点数，是无人机位置与设定方向上最近障碍物之间的距离； 将所述系统状态输入所述决策网络，得到所述决策网络输出的动作，所述动作的表达为： ； 其中，：航向项权重； ：间隙项权重； ：速度项权重； ：曲率距离分量，新扩展成本函数的额外权重； ：动态环境适应性函数分量，新扩展成本函数的额外权重； 无人机接收环境的观察或状态，输出一个动作a，动作就是设置下一个控制周期的成本函数权重，这些权重将用于生成无人机的运动命令； 奖励函数的设计： 无人机成功到达目标位置，给予一个较大的正值奖励R1；无人机在同一位置停留多个控制周期，类似于无人机被卡住，给予一个负值奖励R2；无人机在移动过程中与障碍物或其他无人机飞鸟发生碰撞，给予较大惩罚，负值R3；无人机静止时被移动障碍物或其他无人机碰撞，给予一个负奖励R4；通过这种奖励函数的设计指导强化学习算法学习安全且有效的导航策略。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。