-
公开(公告)号：CN119826824A
公开(公告)日：2025-04-15
申请号：CN202411957086.7
申请日：2024-12-29
Applicant: 西北工业大学
IPC: G01C21/20
Abstract: 本发明提供了一种基于多元宇宙优化算法的多无人机运动规划方法，采用Munkres分配算法作为无人机的任务分配算法，选用MVO算法对各无人机的路径进行规划，采用参数多项式拟合方法用于轨迹生成，并选用PID控制方法作为无人机的飞行控制方法，本发明将MVO算法应用于多无人机运动规划问题中。数值实验和实际案例研究表明该算法具有较强的适用性，对于多无人机在动态复杂的环境中高效地完成运动规划具有重要意义。可以丰富和完善现有多无人机路径规划问题求解方法的算法体系，同时针对经典算法的收敛速度慢、求解精度低等问题，以MVO算法为基本框架解决多无人机路径规划问题。
-
公开(公告)号：CN113240007B
公开(公告)日：2024-05-14
申请号：CN202110524790.3
申请日：2021-05-14
Applicant: 西北工业大学
IPC: G06F18/211 , G06V10/764 , G06V10/771 , G06F18/2411
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。
-
公开(公告)号：CN116382334A
公开(公告)日：2023-07-04
申请号：CN202310302720.2
申请日：2023-03-24
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明提供了一种针对多无人机协同航迹规划的融合优化方法，构建无人机运动模型，初始化我方无人机与既定目标信息，获取无人机自身的状态及无人机与目标的相对状态，组成总状态，将总状态输入基于优化A*算法、模型预测控制算法与Standoff算法融合的优化算法模型，完成多无人机编队规划。本发明借助不同智能算法优点，制定融合算法规则，形成一种性能更为优异的融合算法，弥补了单一算法的功能短板；优化融合算法应用于三维复杂环境下多无人机协同航迹规划，使得无人机群航迹规划实现实时避碰与编队控制，最大化无人机探测覆盖范围，获取更安全可行的航迹规划。
-
-
公开(公告)号：CN113341958A
公开(公告)日：2021-09-03
申请号：CN202110558854.1
申请日：2021-05-21
Applicant: 西北工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种混合经验的多智能体强化学习运动规划方法，即ME‑MADDPG算法。该方法通过MADDPG算法训练，在产生样本时，不仅通过探索和学习产生经验，还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，并把这两种经验存放至不同的经验池。在训练时，神经网络通过动态采样，以变化的概率从两种经验池中采集样本，以每个智能体的自身状态信息和环境信息作为神经网络的输入，以多智能体的速度作为输出。同时，在训练的过程中神经网络缓慢更新，稳定地完成多智能体运动规划策略的训练，最终实现多智能体在复杂环境下自主避障并顺利到达各自的目标位置。本发明可以在复杂动态的环境中高效地训练出稳定性和适应性更好的运动规划策略。
-
Patent Agency Ranking
公开(公告)号：CN110673620A
公开(公告)日：2020-01-10
申请号：CN201911002811.4
申请日：2019-10-22
Applicant: 西北工业大学
Abstract: 本发明提出了一种基于深度强化学习的四旋翼无人机航线跟随控制方法，该方法首先建立了四旋翼无人机航线跟随深度强化学习算法的马尔可夫模型，然后采用深度确定性策略梯度(DDPG)算法进行深度强化学习，克服以往基于强化学习的方法控制精度较低、无法实现连续控制和学习过程不稳定等问题，实现高精度的四旋翼无人机航线跟随控制。本发明方法将强化学习与深度神经网络相结合，提高了模型的学习能力和泛化能力，避免了在不确定性环境中人为操作无人机飞行的繁琐性和粗疏性，使得无人机完成航线跟随任务更为安全高效，同时在无人机目标跟踪、自主避障等场景中有很好的应用前景。
-
公开(公告)号：CN115185288A
公开(公告)日：2022-10-14
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：CN114967721A
公开(公告)日：2022-08-30
申请号：CN202210648007.9
申请日：2022-06-08
Applicant: 西北工业大学
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。
-
公开(公告)号：CN113095481A
公开(公告)日：2021-07-09
申请号：CN202110364109.3
申请日：2021-04-03
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于并行自我博弈的空战机动方法，首先构建无人机机动模型，再构建红蓝运动态势获取模型，描述红蓝作战相对态势；然后依据马尔科夫过程构建红蓝双方状态空间、红双方动作空间和奖惩函数，接下来构建基于SAC算法的机动决策模型结构，通过空战对抗实现并行自我博弈训练SAC算法，最后测试训练得到的网络，显示作战轨迹并统计作战成功率。本发明能够有效提升敌我对抗水平，增大决策模型作战成功率。
-
公开(公告)号：CN111399541A
公开(公告)日：2020-07-10
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。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.029 seconds)
