公开(公告)号：CN119180844A

公开(公告)日：2024-12-24

申请号：CN202411247476.5

申请日：2024-09-06

Applicant: 南通大学

Inventor： 何亚霖 ,  贾涵彬 ,  黄晴晴 ,  黄菠 ,  丁月 ,  袁银龙 ,  程赟

IPC: G06T7/246 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明提供了一种基于深度强化学习的无人机空战对抗目标追踪方法，属于无人机空战对抗技术领域，解决了在未知环境下己方无人机对目标无人机无法进行实时、快速跟踪的技术问题。其技术方案为：包括以下步骤：S1：对UWB定位系统进行堆栈式数据处理，为后续追踪控制提供位置数据；S2：建立目标探测算法YOLO‑V5对单目标追踪任务进行目标检测；S3：基于TD3算法，设计奖励函数、动作空间、状态空间，建立无人机目标跟踪控制模型；S4：根据训练的无人机目标跟踪控制模型对无人机目标追踪过程中的数据分析处理，获取该方法在空战对抗中的有效性。本发明实现对目标无人机较为迅速准确的追踪，并给出追踪的不确定性，增强模型的鲁棒性。

公开(公告)号：CN119556722A

公开(公告)日：2025-03-04

申请号：CN202411663334.7

申请日：2024-11-20

Applicant: 南通大学

Inventor： 何亚霖 ,  贾涵彬 ,  范洪旭 ,  丁月

IPC: G05D1/49 ,  G05D1/622

Abstract: 本发明提供了一种基于分层强化学习的无人机空战对抗方法，属于无人机控制技术领域。本发明解决了在复杂空战环境中提升无人机的自主决策和控制能力的技术问题。其技术方案为：包括以下步骤：S1：态势获取；S2：分层动作空间设计；S3：分层奖励函数与策略训练；S4：模型部署与实时优化。本发明的有益效果为：本发明通过将复杂问题分解为多个子问题，并在不同层次上进行学习和决策，能够更好地处理这种复杂性，提高无人机的自主性和适应性，并推动无人机控制技术的发展，显著提升了无人机在复杂空战环境中的自主决策和控制能力。