[发明专利]一种基于强化学习的固定翼无人机群集控制方法有效
| 申请号： | 201910832116.4 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110502033B | 公开（公告）日： | 2022-08-09 |
| 发明（设计）人： | 王菖;闫超;相晓嘉;牛轶峰;尹栋;吴立珍;陈紫叶 | 申请（专利权）人： | 中国人民解放军国防科技大学 |
| 主分类号： | G05D1/10 | 分类号： | G05D1/10 |
| 代理公司： | 湖南兆弘专利事务所(普通合伙) 43008 | 代理人： | 周长清 |
| 地址： | 410073 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于强化学习的固定翼无人机群集控制方法，其包括：步骤S1、训练阶段：建立随机无人机动力学模型、执行器深度神经网络和评价器深度神经网络，持续采集智能体与环境进行交互的历史经验，并存储到经验池中；从经验池中随机进行批次采样，不断更新执行器和评价器的网络参数，最终形成保存评价器网络模型；步骤S2、执行阶段：僚机通过传感器获取自身位置和姿态信息，载入评价器网络模型，评价器根据当前系统联合状态输出僚机最佳滚转动作，长机滚转角设定值由操控员给出；直至完成飞行任务。本发明具有较强的实时性和适应性、能够将仿真中训练得到的策略迁移到真实环境中等优点。 | ||
| 搜索关键词： | 一种 基于 强化 学习 固定 无人机 群集 控制 方法 | ||
【主权项】：
1.一种基于强化学习的固定翼无人机群集控制方法，其特征在于，包括：/n步骤S1、训练阶段：建立随机无人机动力学模型、执行器深度神经网络和评价器深度神经网络，持续采集智能体与环境进行交互的历史经验，并存储到经验池中；从经验池中随机进行批次采样，不断更新执行器和评价器的网络参数，最终形成保存评价器网络模型；/n步骤S2、执行阶段：僚机通过传感器获取自身位置和姿态信息，载入评价器网络模型，评价器根据当前系统联合状态输出僚机最佳滚转动作，长机滚转角设定值由操控员给出；直至完成飞行任务。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学，未经中国人民解放军国防科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910832116.4/，转载请声明来源钻瓜专利网。
