公开(公告)号：CN119720827A

公开(公告)日：2025-03-28

申请号：CN202411066370.5

申请日：2024-08-05

Applicant: 南京理工大学

Inventor： 易文俊 ,  王倩倩 ,  冯昌林 ,  马丽君 ,  李广才

IPC: G06F30/28 ,  G06F30/27 ,  G06N3/08 ,  G06N3/006 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明为一种基于蝴蝶算法优化核极限学习的弹丸气动系数辨识方法。包括如下步骤：(1)建立弹丸四自由度动力学模型；(2)构建核极限学习网络模型；(3)利用蝴蝶算法优化核极限学习机网络模型，得到原始核极限学习机网络模型的正则化系数和核函数参数、并带入核极限学习机网络模型中，得到优化后的蝴蝶算法核极限学习机网络模型；(4)根据优化后的蝴蝶算法核极限学习机网络模型，输入训练样本数据，确定输出层权重；在确定输出层权重的基础上，输入预测数据，求解模型的输出矩阵，实现参数辨识。本发明利用蝴蝶优化算法为核极限学习机提供正则化系数和核函数参数，再利用核极限学习辨识弹丸气动参数，为获取弹丸气动参数提供了新的方法。

公开(公告)号：CN119043318A

公开(公告)日：2024-11-29

申请号：CN202411066371.X

申请日：2024-08-05

Applicant: 南京理工大学

Inventor： 钱威臣 ,  易文俊 ,  冯昌林 ,  李广才 ,  马丽君

IPC: G01C21/20 ,  G06N3/006 ,  G06N3/092

Abstract: 本发明为一种基于TD3‑PSO算法的无人机路径规划方法。包括如下步骤：(1)建立以飞行距离、飞行高度、飞行偏转角及避障能力为指标的路径模型；(2)将四个指标的评价函数加权求和，建立适应度函数，基于适应度函数采用改进粒子群算法寻找最优路径，在寻优过程中陷入局部最优解时，对最佳粒子位置进行变异操作；(3)采取双Critic网络模块构建深度强化学习网络模型，并进行离线训练；(4)采用改进粒子群算法基于适应度函数寻找最优路径。本发明提出了基于双延迟深度确定性策略梯度训练粒子群算法关键参数的框架，能够输出连续动作空间，有效解决了算法参数设置的难题，有助于在高维度问题中找到最优路径。