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！

龙图腾网获悉南栖仙策(南京)科技有限公司申请的专利一种基于机器学习的多旋翼无人机建模方法及系统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：CN120068642B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510204029.X，技术领域涉及：G06F30/27；该发明授权一种基于机器学习的多旋翼无人机建模方法及系统是由请求不公布姓名;请求不公布姓名;请求不公布姓名;请求不公布姓名;请求不公布姓名设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本一种基于机器学习的多旋翼无人机建模方法及系统在说明书摘要公布了：本发明提供了一种基于机器学习的多旋翼无人机建模方法及系统，其中，方法包括：S1、收集旋翼无人机的飞行数据，完成前期数据的清洗，并将数据集划分为训练集与验证集；S2、根据飞行数据，从数据中划分状态量和动作量；S3、根据状态量和动作量的维度选择对应的深度神经网络模型并设定输入和输出；S4、利用对抗模仿学习算法，定义训练终止条件，使用训练数据集对深度神经网络模型进行训练；S5、使用验证集评估训练完成的神经网络模型，并对模型的泛化性准确性进行评估。本发明可以降低旋翼无人机数据建模时对数据量、数据覆盖度的要求，同时简化了需要专业方向的领域内人员事先分析动力学特性，针对性地构建动力学模型和运动学的过程。

本发明授权一种基于机器学习的多旋翼无人机建模方法及系统在权利要求书中公布了：1.一种基于机器学习的多旋翼无人机建模方法，其特征在于，包括以下步骤： S1、收集旋翼无人机的飞行数据，根据最大长度或者任务终止条件切分轨迹片段，完成前期数据的清洗，并将数据集划分为训练集与验证集； S2、根据旋翼无人机的飞行数据，从数据中划分状态量和动作量； S3、根据旋翼无人机状态量和动作量的维度选择对应的深度神经网络模型并设定输入和输出； S4、利用对抗模仿学习算法，定义训练终止条件，使用训练数据集对步骤S3中定义的深度神经网络模型进行训练，训练过程中利用训练集的部分子集对当前训练的模型进行周期性评估，从而实现对旋翼无人机建模； S5、使用验证集评估训练完成的神经网络模型，并对模型的泛化性准确性进行评估； 所述步骤S1划分的轨迹中相邻轨迹之间有重叠部分；所述步骤S2中将位姿、速度、桨叶转速设置为状态量S，油门量、各个方向的杆量设为动作量a；所述步骤3中选择多层感知机模型和残差模块作为旋翼无人机动力学模型，其输入是当前时刻的状态量S和执行的动作量a，输出是下一时刻的状态量S’； 所述步骤S4具体为： S41、建立一个多层感知机神经网络MLP作为判别器，用于判别某个生成S,a的可信度，判别器最终输出的可信度取值为0到1之间的实数，越接近1则越像真实数据，越接近0则越像生成数据，并设置收敛条件和最大循环次数； S42、从真实数据中采样一批轨迹的起点作为初始点，和定义的神经网络动力学模型交互，即输入当前的S,a，获得S’，其中动作量a从历史数据中获取或额外建立一个神经网络生成，直到达到特定的轨迹长度或者满足终止条件，生成一批轨迹序列； S43、用生成的轨迹序列中的S,a和真实数据中的轨迹序列中的S,a更新判别器，将真实数据集记为D，训练过程中的生成数据集记为D’，更新目标如下： ； 其中为判别器，分别表示判别器在单条真实数据和生成数据上输出的可信度； S44、用更新后的判别器给每一对生成的S,a打分，作为单步奖励r，用强化学习算法更新神经网络动力学模型，其中强化学习算法可以选用PPO，或者在连续动作空间时选择SAC； S45、重复步骤S42至S44，直到达到最大循环次数或收敛条件。

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栖仙策(南京)科技有限公司，其通讯地址为：211106 江苏省南京市经济技术开发区红枫科技园C4栋；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。