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！

龙图腾网获悉江西财经大学申请的专利基于深度强化学习的数据驱动昆虫扑翼飞行控制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：CN121143049B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511671127.0，技术领域涉及：G05B13/04；该发明授权基于深度强化学习的数据驱动昆虫扑翼飞行控制方法是由方玉明;鲁挺松;陈强;姜文晖;王权;吴黎辉设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本基于深度强化学习的数据驱动昆虫扑翼飞行控制方法在说明书摘要公布了：本发明提出一种基于深度强化学习的数据驱动昆虫扑翼飞行控制方法，该方法包括：根据获取的真实昆虫的几何构造图像，构建得到昆虫模型，基于真实昆虫飞行数据集，对振翅周期进行参数化建模，生成翅膀运动轨迹，利用翅膀运动轨迹驱动基于叶素理论离散化处理的昆虫模型的翅膀，并利用准稳态空气动力学模型进行计算，以得到总空气动力与总气动力矩，并施加到昆虫模型上，根据欧拉运动方程计算得到角速度与角加速度，以更新昆虫模型在仿真环境中的运动状态。本发明建立了一种可自主学习的通用控制策略，该策略能够通过与环境的持续交互，将高维飞行状态动态映射为最优的翼部运动学参数，从而实现对昆虫飞行的智能化、适应性控制。

本发明授权基于深度强化学习的数据驱动昆虫扑翼飞行控制方法在权利要求书中公布了：1.一种基于深度强化学习的数据驱动昆虫扑翼飞行控制方法，其特征在于，所述方法包括如下步骤： 步骤1、根据获取的真实昆虫的几何构造图像，构建得到昆虫模型； 步骤2、基于真实昆虫飞行数据集，对振翅周期进行参数化建模，生成翅膀运动轨迹； 步骤3、利用翅膀运动轨迹驱动基于叶素理论离散化处理的昆虫模型的翅膀，并利用准稳态空气动力学模型进行计算，以得到总空气动力与总气动力矩； 步骤4、将总空气动力与总气动力矩施加到昆虫模型上，并根据欧拉运动方程计算得到角速度与角加速度，以更新昆虫模型在仿真环境中的运动状态； 步骤5、在仿真环境中为昆虫模型配置虚拟相机传感器，以渲染生成环境图像，并通过卷积神经网络进行编码，以得到视觉特征；将视觉特征与昆虫模型的运动状态进行拼接，以得到完整的环境观测状态； 步骤6、基于强化学习训练得到策略网络；将完整的环境观测状态输入至策略网络中进行处理，并通过总奖励的引导，以得到控制动作； 步骤7、将控制动作反馈给昆虫模型，驱动翅膀产生新的运动，改变昆虫模型的飞行状态，以实现昆虫扑翼飞行的控制； 其中，在所述步骤2中，基于真实昆虫飞行数据集，对振翅周期进行参数化建模，生成翅膀运动轨迹，具体包括如下子步骤： 基于真实昆虫飞行数据集，从多个翅膀扑动周期中提取平均运动轨迹，并利用傅里叶级数进行拟合，将拟合结果定义为基准扑翼周期，对应过程中存在如下关系式： ； 其中，表示扑翼角度，表示一个周期内的平均角度，与均表示第阶谐波的傅里叶系数，表示归一化至单个扑翼周期的无量纲时间； 引入频率-幅度调制机制，通过调整频率和幅度对基准扑翼周期进行推广，得到扩展后的扑翼运动，对应过程中存在如下关系式： ； 其中，表示三个扑翼角度的函数，表示三个角度分量在时间上可变的幅度，表示三个角度分量在时间上可变的频率，表示基准扑翼周期的幅度，表示基准扑翼周期的频率，表示拍打角，表示扫动角，表示旋转角； 当扑翼幅度在连续变化时，相邻扑翼周期之间会出现不连续性，通过引入基于Sigmoid函数构建得到的扑翼幅度的平滑过渡函数，在相邻扑翼周期之间实现平滑的幅度插值，以生成翅膀运动轨迹，对应过程中存在如下关系式： ； 其中，表示扑翼幅度的平滑过渡函数，表示第个扑翼周期的幅度，表示第个扑翼周期的幅度，表示平滑因子，表示过渡区间的起始时间，表示过渡区间的结束时间。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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。