Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京航空航天大学王寅获国家专利权

南京航空航天大学王寅获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京航空航天大学申请的专利一种基于多维虚实参数映射的飞行器多目标性能约束协同优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121806936B

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610281838.5,技术领域涉及:G05D1/46;该发明授权一种基于多维虚实参数映射的飞行器多目标性能约束协同优化方法是由王寅;雷磊;康杰;沈高青设计研发完成,并于2026-03-10向国家知识产权局提交的专利申请。

一种基于多维虚实参数映射的飞行器多目标性能约束协同优化方法在说明书摘要公布了:本发明公开了一种基于多维虚实参数映射的飞行器多目标性能约束协同优化方法,通过构建实参数空间与虚参数空间,将目标到达、障碍风险、编队保持误差与最小安全余量等任务关键要素统一组织为多维实参数输入,并将速度调度量统一组织为虚参数输出,从而实现跨场景、跨风险水平的一致参数表达与统一决策接口,提升任务约束场景下的工程适用性与可复用性;通过在多场景集合内获取交互响应数据并建立轨迹样本集,采用PPO强化学习训练实参到速度虚参的映射网络,使得系统无需显式构造复杂的人工规则或分段阈值控制逻辑,即可在到达效率、编队保持与速度平稳性等多目标之间形成自适应权衡,从而降低人工参数调试成本并提升策略泛化能力。

本发明授权一种基于多维虚实参数映射的飞行器多目标性能约束协同优化方法在权利要求书中公布了:1.一种基于多维虚实参数映射的飞行器多目标性能约束协同优化方法,其特征在于:包括如下步骤: S1、建立二维平面内飞行器编队到达目标区域并规避障碍的任务空间;统一目标到达判据、障碍安全判据、编队保持与机间距安全判据以及速度能力边界判据; S2、将S1中统一的目标到达判据、障碍安全判据、编队保持判据、机间距安全判据以及速度能力边界判据进行量化表征;将目标相关实参数、障碍相关实参数、编队保持误差以及机间距最小安全余量统一组织为多维实参数向量,并将依据速度能力边界判据构建的速度调度虚参作为单一虚参数输出; 所述S2包括: S21、构建目标实参数,基于质心位置与目标点计算目标距离,并以由质心指向目标的方向单位向量作为方向信息,取其在二维坐标系两轴上的分量作为与,用于同时表征目标远近和相对方向; S22、构建障碍实参数,对障碍集合计算质心到各障碍的净安全距离,取最小者对应的净安全距离记为,并取指向最危险障碍的方向单位向量分量作为、,用于表征障碍接近程度与相对方向; S23、构建编队保持误差,对预先给定的边集计算边上两两距离,并构建无量纲编队保持误差: ; 其中,为编队中飞行器数量;为编队邻接关系集合,用于指定需要保持相对距离约束的飞行器对;为边集中的一条边,表示第架与第架飞行器构成一对相邻约束关系;为边集的元素个数;为当前时刻;与分别为第架与第架飞行器在时刻的二维位置向量;表示二范数;为第架与第架飞行器在时刻的实际距离;为对应边的期望距离;为统一配置参考距离时的尺度参数;为编队保持误差; S24、构建最小安全余量,统计编队内任意两机之间的距离并取最小值作为最小机间距,将该最小机间距与阈值进行归一化对比得到最小安全余量,当判定最小安全间距约束满足,当判定存在触界或越界风险; S25、形成实参数向量与虚参数定义,将S2中要素组织为实参数向量: ; 其中:表示编队质心与目标点之间的距离;与表示从编队质心指向目标点的方向单位向量在平面坐标系两轴上的分量;表示编队质心与最近障碍物之间的净安全距离;与表示从编队质心指向最近障碍物的方向单位向量在平面坐标系两轴上的分量;表示编队保持误差;表示最小安全余量; 虚参数空间仅定义速度虚参数,用于速度调度与多目标约束协同优化;位姿信息用于计算,但不直接进入虚实映射的输出定义,从而避免位姿与控制量直接映射带来的维度膨胀与可解释性弱化; S3、生成场景集合,所述集合需包括以下场景:目标远近典型情形、障碍稀疏与障碍密集典型情形、静态障碍与动态障碍典型情形;在所述场景集合上进行交互仿真采集轨迹样本,形成用于PPO训练的数据集,并进行清洗一致化以保证训练稳定; S4、采用PPO算法训练以S2构建的实参数向量为输入、以速度虚参为输出的映射网络,使策略在满足安全约束的前提下,实现到达效率与编队误差的协同优化,并抑制速度剧烈变化带来的执行不平滑问题; S5、将训练得到的映射网络用于在线滚动执行,依据实参数向量在每个控制周期输出速度虚参数,并通过基于Sigmoid函数的边界约束将网络输出映射为满足速度边界的最终速度命令。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京航空航天大学,其通讯地址为:211106 江苏省南京市江宁区南京航空航天大学将军路校区航天学院;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。