公开(公告)号：CN119740473A

公开(公告)日：2025-04-01

申请号：CN202411802927.7

申请日：2024-12-10

Applicant: 国网青海省电力公司清洁能源发展研究院 ,  国网青海省电力公司经济技术研究院 ,  国网青海省电力公司 ,  北京理工大学

Inventor： 杨立滨 ,  周万鹏 ,  李正曦 ,  刘庭响 ,  王恺 ,  安娜 ,  张曦

IPC: G06F30/27 ,  G06F18/231 ,  G06F18/2415 ,  G06F111/20 ,  G06F111/06

Abstract: 本申请提供一种用于构网型储能的自动编址方法，涉及信息技术领域，包括：建立多时空尺度的储能系统多粒度模型，所述多粒度模型包括粗粒度模型和细粒度模型；针对所述自适应选择的多粒度模型输出结果，采用多目标优化算法将不同粒度模型的输出进行融合，生成一致性的预测结果和控制策略；在多目标优化过程中，引入权重系数对不同的优化目标进行加权处理，所述权重系数根据系统的运行状态和性能需求进行自适应调整；对所述融合后的模型采用数据驱动的建模方法，通过历史运行数据和实时监测数据，自适应地学习和更新系统模型；针对实时控制需求，对修正后的模型采用在线学习和增量学习方法，根据新的运行数据和反馈信息，实时更新和优化系统模型。

公开(公告)号：CN119273103B

公开(公告)日：2025-03-21

申请号：CN202411794579.3

申请日：2024-12-09

Applicant: 北京理工大学

Inventor： 黄渭清 ,  安娜 ,  刘岩松 ,  黎奥轩

IPC: G06Q10/0631 ,  G05D1/00 ,  G06N3/006 ,  G06F18/232

Abstract: 本申请提供一种基于蚁群算法的无人机任务分配方法及装置，涉及无人机技术领域，方法包括确定目标区域内所要执行的多个任务点的任务信息；通过聚类算法对多个任务点进行分类，将每类中的多个任务点作为一个无人机任务集合；针对每个无人机任务集合，基于改进的蚁群算法，确定出该无人机任务集合中的多个任务点之间的路径顺序，以生成对应的无人机任务轨迹；基于每个无人机任务轨迹，控制对应的无人机按照该无人机任务轨迹飞行，以为该无人机任务轨迹中的每个任务点输送对应的资源。通过任务分层策略以及改进的蚁群优化算法，提高了多无人机多任务分配过程中的求解速率以及决策质量。

公开(公告)号：CN119273103A

公开(公告)日：2025-01-07

申请号：CN202411794579.3

申请日：2024-12-09

Applicant: 北京理工大学

Inventor： 黄渭清 ,  安娜 ,  刘岩松 ,  黎奥轩

IPC: G06Q10/0631 ,  G05D1/00 ,  G06N3/006 ,  G06F18/232

Abstract: 本申请提供一种基于蚁群算法的无人机任务分配方法及装置，涉及无人机技术领域，方法包括确定目标区域内所要执行的多个任务点的任务信息；通过聚类算法对多个任务点进行分类，将每类中的多个任务点作为一个无人机任务集合；针对每个无人机任务集合，基于改进的蚁群算法，确定出该无人机任务集合中的多个任务点之间的路径顺序，以生成对应的无人机任务轨迹；基于每个无人机任务轨迹，控制对应的无人机按照该无人机任务轨迹飞行，以为该无人机任务轨迹中的每个任务点输送对应的资源。通过任务分层策略以及改进的蚁群优化算法，提高了多无人机多任务分配过程中的求解速率以及决策质量。

公开(公告)号：CN119268702B

公开(公告)日：2025-04-08

申请号：CN202411793742.4

申请日：2024-12-09

Applicant: 北京理工大学

Inventor： 黄渭清 ,  黎奥轩 ,  刘岩松 ,  安娜

IPC: G01C21/20 ,  G01C21/34 ,  G01C21/30

Abstract: 本申请涉及无人机自主规划领域，尤其涉及一种无人机路径搜索方法、装置、电子设备及存储介质，该方法将能量消耗与碰撞风险作为启发式函数的优化目标，确保无人机与障碍物保持安全距离；利用强化学习中的自注意力机制和Actor‑Critic算法，使Astar算法在高维度空间中能够更快地收敛，减少重新规划的次数，提高无人机路径搜索在变化环境中的适应能力。

公开(公告)号：CN119268702A

公开(公告)日：2025-01-07

申请号：CN202411793742.4

申请日：2024-12-09

Applicant: 北京理工大学

Inventor： 黄渭清 ,  黎奥轩 ,  刘岩松 ,  安娜

IPC: G01C21/20 ,  G01C21/34 ,  G01C21/30

Abstract: 本申请涉及无人机自主规划领域，尤其涉及一种无人机路径搜索方法、装置、电子设备及存储介质，该方法将能量消耗与碰撞风险作为启发式函数的优化目标，确保无人机与障碍物保持安全距离；利用强化学习中的自注意力机制和Actor‑Critic算法，使Astar算法在高维度空间中能够更快地收敛，减少重新规划的次数，提高无人机路径搜索在变化环境中的适应能力。

公开(公告)号：CN119151062A

公开(公告)日：2024-12-17

申请号：CN202411264528.X

申请日：2024-09-10

Applicant: 北京理工大学

Inventor： 黄渭清 ,  黎奥轩 ,  刘岩松 ,  安娜

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06N3/006 ,  G06N3/092

Abstract: 本发明公开的熵最大化策略的多智能体无人机搜索任务能量优化方法，属于无人机搜索任务能量优化领域。本发明实现方法为：对于多智能体无人机多区域的搜索任务进行建模，构造无人机的能量消耗模型，以多智能体系统能量消耗最小为优先目标，采用多智能体熵最大化的强化学习算法，对每个无人机的动作进行决策，增强每个智能体进行策略的随机性，避免过早陷入次优解，并基于集中式训练于分布式执行的方法，根据其他无人机观测的环境、能量消耗，对每个无人机的下一步动作决策进行实时调整，当无人机到达其目标区域时，对目标区域进行全路径搜索，保证求解子问题的最优性，即基于熵最大化策略实现多无人机搜索任务的能量最优化。