-
公开(公告)号：CN108919640A
公开(公告)日：2018-11-30
申请号：CN201810359284.1
申请日：2018-04-20
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明提供了一种无人机自适应多目标跟踪的实现方法，涉及飞行控制领域，本发明通过计算无人机的状态空间和运动方程，求解目标函数，循环计算即可得到整个时间域上的无人机飞行状态和跟踪轨迹。本发明的有益效果在于本发明是基于强化学习研究无人机自适应目标跟踪，构建POMDP框架，选取信念优化方法求解POMDP问题，使得目标函数容易求解，且计算量小，通过仿真也验证了该方法的收敛性。而且从仿真结果可以看出无人机的飞行轨迹平滑，适应度高，能很好的自适应跟踪目标。
-
公开(公告)号：CN108846439A
公开(公告)日：2018-11-20
申请号：CN201810633214.0
申请日：2018-06-20
Applicant: 西北工业大学
Abstract: 本发明公开了一种无先验知识条件下基于小数据集的贝叶斯网络参数学习方法，属于计算机技术领域。该方法首先获取数据统计量，而后根据小数据集的数据量和待求参数的状态个数确定虚拟样本量，利用最大似然估计方法计算待求的参数，对同一分布条件下的参数进行排序，找出较小的参数；最后计算贝叶斯网络参数。本发明针对无先验知识时小数据集条件下的贝叶斯网络参数问题，通过在引入虚拟统计量来提高小数据集条件下的参数学习精度，克服了现有方法对先验知识的依赖问题，不仅为小数据集条件下的参数学习问题提供了一条可行的解决途径，而且也为其它领域中的小数据集建模问题提供了可参考的方法，具有较为广泛的应用前景。
-
公开(公告)号：CN119828766A
公开(公告)日：2025-04-15
申请号：CN202411957085.2
申请日：2024-12-29
Applicant: 西北工业大学
IPC: G05D1/698
Abstract: 本发明提供了一种基于分级混合拍卖算法的编队协同任务分配方法，有人机首先通过量化战场中任务的属性值进行战术决策，确定不同类型任务的优先级，然后按任务类型交由相应类型的无人机执行任务拍卖分配求解，进而提高算法的求解速率和分配方案的合理性，通过引入覆盖因子和惩罚项对目标函数做出了改进，优化任务分配的合理性，制定了任务再分配机制，即有人机根据无人机剩余资源以及执行代价对任务进行实时动态再分配。本发明发挥有人机飞行员人类智能的优势，不仅可以快速找到最适合所选任务的无人机，而且在复杂多变的环境中实现动态任务分配，平衡无人机的任务负荷，并尽可能合理的使用无人机集群中的无人机。
-
公开(公告)号：CN115185288B
公开(公告)日：2024-05-03
申请号：CN202210594910.1
申请日：2022-05-27
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于SAC算法的无人机分层飞行决策方法，首先构建无人机飞行控制模型，再根据马尔科夫决策过程构建状态空间、分层决策动作空间和奖励函数；接下来构建基于SAC算法的无人机分层飞行决策模型结构；再定义模型参数，初始化无人机状态，并进行训练，最后初始化无人机状态，测试无人机分层飞行决策模型，并对飞行决策性能进行评价。本发明采用分层决策模型，降低了算法训练的难度，提升了模型的决策性能，能够有效地令无人机自主决策，并能高效地探索到最优策略，能够高效地探索到最优飞行策略。
-
公开(公告)号：CN114967721B
公开(公告)日：2024-04-16
申请号：CN202210648007.9
申请日：2022-06-08
Applicant: 西北工业大学
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种基于DQ‑CapsNet的无人机自助路径规划和避障策略方法，首先设定无人机状态信息，再设定无人机的动作信息和无人机的状态更新过程；然后定义奖励函数，引入胶囊网络算法，构建深度强化学习网络DQ‑CapsNet网络：最后基于DQ‑CapsNet网络，构建无人机路径规划与避障预训练模型并进行训练；本发明对提升无人机路径规划与避障模型训练效率以及无人机在陌生环境下对障碍物的识别率，且构建的无人机路径规划与避障模型具有更好的规划性能。
-
Patent Agency Ranking
公开(公告)号：CN115097861A
公开(公告)日：2022-09-23
申请号：CN202210525305.9
申请日：2022-05-15
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于CEL‑MADDPG的多无人机围捕策略方法，建立一种基于多智能体深度确定性策略梯度算法的框架，将多无人机围捕任务拆分为目标追踪、包围过渡、靠近捕获三个子任务，通过设立三种奖励函数帮助多无人机对围捕过程中的各子任务进行学习，通过引入相关性指标对样本采样效率进行改进，最终，提出的基于课程经验学习的多无人机围捕策略方法能够帮助无人机在动态复杂环境下，成功追踪接近目标，并实现对目标的包围捕获。本发明能够实现无人机自主决策，且各无人机产生的行为策略协同性更强，能够使多无人机学习到更为合理的围捕策略，提升多无人机围捕模型训练效率，且构建的多无人机决策模型具有更好的围捕性能。
-
公开(公告)号：CN113093802B
公开(公告)日：2022-08-02
申请号：CN202110364100.2
申请日：2021-04-03
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于深度强化学习的无人机机动决策方法，首先构建无人机机动模型，然后描述无人机和敌机作战相对态势，再依据马尔科夫过程构建状态空间、动作空间和奖惩函数，接下来构建SAC算法模型结构，再定义SAC算法模型参数并进行训练，最后初始化无人机和敌机作战态势，使用训练完成算法进行机动决策。本发明能够有效地令无人机自主决策，无需人工参与，且具有很强的探索能力，能够高效的探索到最优策略。
-
公开(公告)号：CN111399541B
公开(公告)日：2022-07-15
申请号：CN202010234135.X
申请日：2020-03-30
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明提供了一种无监督学习型神经网络的无人机全区域侦察路径规划方法，通过迭代离线学习得到控制无人机机动的神经网络参数，使得无人机能够在自主规避威胁的前提下，尽可能快速的侦察整个区域。同时本发明得到的机动决策神经网络在不同的地形中具有良好的迁移性和通用性，为无人机在智能路径规划和自主机动决策方向提供了一种新的解决方法。本发明方法简便高效，有效减少无人机因环境信息改变而再规划或重规划的问题，有效节约训练时间成本。
-
公开(公告)号：CN112947562B
公开(公告)日：2021-11-30
申请号：CN202110183956.X
申请日：2021-02-10
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于人工势场法和MADDPG的多无人机运动规划方法，该方法在原有多无人机探索环境经验的基础上，增加了通过人工势场法将多无人机成功规划至目标的高质量经验，在通过MADDPG算法训练时，以一定的概率分别从探索环境经验和高质量经验中采集样本，以每个无人机的自身状态信息和环境信息作为神经网络的输入，以多无人机的速度作为输出，完成运动规划策略的训练，实现多无人机在复杂环境下自主避障并安全快速地到达目标位置。本发明方法充分地学习到多无人机在不同状态和不同动作时的Q值，提高了策略的鲁棒性，训练出适应性更强和灵活性更高的优秀策略，在多无人机协同运动规划的场景中有很好的应用前景。
-
公开(公告)号：CN113240007A
公开(公告)日：2021-08-10
申请号：CN202110524790.3
申请日：2021-05-14
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于三支决策的目标特征选择方法，基于三支决策理论的特征选择算法来解决高维度小样本下的识别问题；针对典型的过滤式算法ReliefF中仅有一个阈值作为特征取舍条件的局限性以及封装式算法需要大量执行时间的弊端，引用三支决策，将过滤式算法和封装式算法思想相结合，在传统ReliefF算法的基础上将一个阈值扩展为两个阈值，根据特征权重将特征划分为正域、负域、边界域；分别对三个域的特征进行选择，在一定程度上增加算法的容错率，并大幅提高识别性能。本发明使用学习模型的准确率作为选择标准，弥补了其他算法在识别准确率上的不足。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.023 seconds)
