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！

龙图腾网获悉杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)申请的专利一种基于DPPO深度强化学习的集群无人机系统的控制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：CN119002518B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411479607.2，技术领域涉及：G05D1/46；该发明授权一种基于DPPO深度强化学习的集群无人机系统的控制方法是由吴其隆;祖天培;杨俊男;张清源;杨超;康锐设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种基于DPPO深度强化学习的集群无人机系统的控制方法在说明书摘要公布了：本发明涉及无人机系统的智能控制方法，尤其涉及一种基于DPPO深度强化学习的集群无人机系统的控制方法。该方法通过构建集群‑编队‑单机三层级结构，综合分析集群内部编队之间以及编队内部无人机之间的协同关系，形成跨层级的动态控制体系。利用深度神经网络模型，提取多维态势信息，包括任务区域特征、编队覆盖特征、无人机位置特征和破坏区域特征，为动态控制策略的生成提供全面的决策依据。本发明实现了集群无人机系统在高维状态空间中的最优控制策略生成和实时调整，增强了系统在复杂环境中的自适应性和鲁棒性，显著提高了集群无人机系统的任务执行效率和稳定性。

本发明授权一种基于DPPO深度强化学习的集群无人机系统的控制方法在权利要求书中公布了：1.一种基于DPPO深度强化学习的集群无人机系统的控制方法，在无人机集群执行任务的过程中，基于生成的控制方法实时调整编队拓扑结构和无人机路径规划，其特征在于，所述方法包括以下步骤： 1集群无人机系统三层级结构构建：构建集群-编队-单机三层级结构，分析集群内部编队间、编队内部无人机间的协同关系及拓扑构型特征，形成三层级动态控制体系；集群-编队-单机三层级结构的建立具体包括以下的步骤： 1.1）分析集群-集簇-节点三层级时空动态集群系统任务、破坏及重构，考虑多目标任务包含M个不同的任务区域，描述其任务区域空间如下： （1.1） 其中任务区域A m ，m∈{1，2，...，M}是一个不规则多边形区域； 1.2）针对该项多目标任务，派遣一支由M个集簇组成的集群，则该集群的集簇集可以表示为： （1.2） 其中c m 表示派遣至任务区域A m 的集簇；考虑集簇c m 由N m 个节点组成，则集簇c m 表示为： Cm={nm，1，nm，2，…，nm，n，…，nm，Nm}（1.3） 其中n∈{1，2，...，N m }表示节点nm，n在集簇c m 中的动态编号，N m 为集簇c m 中节点的总数，依据任务区域的规模A m 确定； 1.3）在执行该多目标任务期间，集群系统可能会受到局部破坏，导致一个或者多个集簇中部分节点被摧毁；以这种破坏的影响作为输入，考虑每个节点都有两种状态：正常状态和故障状态；当节点遭受破坏时，则进入故障状态；局部破坏的范围用一个以点i d ，j d 为圆心，以r d 为半径的圆来表示，i d ，j d 和r d 的数值是随机生成的； 2多维态势感知与特征提取：设计深度神经网络模型，通过ResNet模块处理任务区域特征、编队覆盖特征、无人机位置特征和破坏区域特征，利用LSTM模块提取高维信息的时序特征，利用Attention机制聚焦编队内部和跨层级交互，以获取多维态势信息； 3基于分布式近端策略优化DPPO的控制策略生成：应用优势Actor-Critic策略梯度算法，结合经验重放技术进行异步更新，通过最大化策略奖励期望，利用TDλ、V-trace和UPGO算法训练更新神经网络，生成集群无人机系统的动态控制策略； 4联盟学习机制的设计与训练：通过设计联盟对局和虚拟自学习机制，包括主智能体、主探索者和联盟探索者三类智能体，进行分布式学习训练，优化集群无人机系统的控制策略； 5动态控制策略执行：在无人机集群执行任务过程中，基于生成的控制策略实时调整编队拓扑结构和无人机路径规划，确保任务执行的连续性和系统性能的优化； 当集群在任务执行过程中受到动态变化的影响时，则需要生成相应的动态重构策略以实现集群系统任务性能恢复和拓扑构型重新部署，从而保证执行任务的连续性；当局部破坏发生时，动态重构算法观测集群系统的破坏态势，并生成重构策略传达至每个节点，集群系统进而执行集簇内部节点间动态重构以及集群内部集簇间动态重构； 针对集群系统动态重构过程的τ时刻，定义τ时刻的集群均衡度ε b τ，表示集群在任务执行阶段各集簇中所有能够正常工作节点余度值的均方差，如下所示： （1.4） 其中M表示集群中集簇的总数，N m 表示集簇c m 中节点的总数，表示时刻节点nm，n的覆盖区域与同集簇其他节点的覆盖区域在任务区域内的重合面积之和，表示时刻各集簇所有节点的平均余度值； 针对任务协同与拓扑构型特征，考虑集群系统任务期间的局部破坏场景，构建集群系统动态重构决策问题，描述破坏中心及半径，描述集群失效规模，确定各集簇可重构节点阈值，确定可重构节点最大移动距离，规定任务区域最小覆盖率，描述集群均衡度，确定重构时间阈值；基于集群系统动态重构决策问题的优化目标、约束条件以及控制变量，如下： （1.5） 其中ε m 表示集簇c m 的均衡度，ε m min 表示集簇c m 的均衡度阈值，N m move 表示集簇c m 中的可重构的节点总数，N m normal 表示集簇c m 中正常状态的节点总数，d表示两个正常状态的节点之间的距离，d min 则表示最小允许距离，即节点之间的安全距离，表示重构过程的总时间，表示重构时间阈值。

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杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)，其通讯地址为：311115 浙江省杭州市余杭区瓶窑镇双红桥街166号；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。