公开(公告)号：CN116540665B

公开(公告)日：2025-04-15

申请号：CN202310441206.7

申请日：2023-04-21

Applicant: 西北工业大学

Inventor： 杨飞生 ,  吴正田 ,  潘泉 ,  弓镇宇

IPC: G05B23/02

Abstract: 本发明公开了一种基于未知输入观测器的多无人机系统安全控制方法，包括：基于量测信息和系统非线性设计改进未知输入观测器作为状态观测器，对当前多无人机系统进行状态估计；通过状态估计与量测输出构建残差函数并进行节点攻击检测；当判断发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，得到系统的安全状态信息；将状态观测器当前的估计结果作为系统的安全状态信息；基于安全状态信息对多无人机系统进行安全控制。该方法降低了传感器攻击对无人机状态估计性能的影响，使系统对节点传感器攻击具有弹性，提升了安全控制效果；同时可实现按需控制，节省了系统通信资源。

公开(公告)号：CN118192668A

公开(公告)日：2024-06-14

申请号：CN202410423432.7

申请日：2024-04-09

Applicant: 西北工业大学深圳研究院

Inventor： 杨飞生 ,  方城亮 ,  弓镇宇

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明提出了一种基于最大熵安全强化学习的无人机路径规划方法及装置，采用深度强化学习熵最大化方法中的SAC算法对构建的决策模型作迭代训练，在训练过程中构建了动态环境，该环境设有静态障碍物、动态障碍物与目标地点。考虑无人机的动力学方程约束以及安全避障需求，将该路径规划问题建模为约束Markov决策过程。设计了相应的奖励函数，采用SAC算法迭代寻求该问题的近似最优策略，并用Monte Carlo测试对算法进行了分析。结果表明，本发明的无人机能够在动态不确定的环境中自主进行路径规划，并且比其他策略更具优越性，规划出的动态环境下的路径更准确。

公开(公告)号：CN116699983A

公开(公告)日：2023-09-05

申请号：CN202310506990.5

申请日：2023-05-08

Applicant: 西北工业大学

Inventor： 杨飞生 ,  方城亮 ,  潘泉 ,  弓镇宇

IPC: G05B13/04 ,  G06N3/04 ,  G06N3/092

Abstract: 本发明公开了一种基于状态分流深度强化学习的无人系统火力资源分配方法。针对具有连续状态空间的空域无人机强化学习环境，首先引入了威胁度的概念，其次采用DRL中的DQN算法，并对传统的DQN算法做出改进，设计了状态分流的DQN算法框架来训练智能体。本发明既具备强化学习(Reinforcement Learning,RL)的决策性又具备深度学习的感知性，有利于在不确定动态复杂环境下进行武器目标分配，且能够避免维数诅咒问题。

公开(公告)号：CN116540665A

公开(公告)日：2023-08-04

申请号：CN202310441206.7

申请日：2023-04-21

Applicant: 西北工业大学

Inventor： 杨飞生 ,  吴正田 ,  潘泉 ,  弓镇宇

IPC: G05B23/02

Abstract: 本发明公开了一种基于未知输入观测器的多无人机系统安全控制方法，包括：基于量测信息和系统非线性设计改进未知输入观测器作为状态观测器，对当前多无人机系统进行状态估计；通过状态估计与量测输出构建残差函数并进行节点攻击检测；当判断发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，得到系统的安全状态信息；将状态观测器当前的估计结果作为系统的安全状态信息；基于安全状态信息对多无人机系统进行安全控制。该方法降低了传感器攻击对无人机状态估计性能的影响，使系统对节点传感器攻击具有弹性，提升了安全控制效果；同时可实现按需控制，节省了系统通信资源。