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
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 珠海翔翼航空技术有限公司刘岩获国家专利权

珠海翔翼航空技术有限公司刘岩获国家专利权

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!

龙图腾网获悉珠海翔翼航空技术有限公司申请的专利分布式数字孪生架构的集群无人机对抗训练协同优化方法、系统、设备及存储介质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:CN120742969B

龙图腾网通过国家知识产权局官网在2025-11-11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:202511212194.6,技术领域涉及:G05D1/698;该发明授权分布式数字孪生架构的集群无人机对抗训练协同优化方法、系统、设备及存储介质是由刘岩;孙鹏宇;庞智兴;郭嘉;张道俊设计研发完成,并于2025-08-28向国家知识产权局提交的专利申请。

分布式数字孪生架构的集群无人机对抗训练协同优化方法、系统、设备及存储介质在说明书摘要公布了:本申请涉及集群无人机对抗训练技术领域,提供一种分布式数字孪生架构的集群无人机对抗训练协同优化方法、系统、设备及存储介质,解决协同失效的问题。本申请方法包括:根据异常波动幅度及空间梯度变化信息,修正各个无人机个体的控制参数;通过分布式数字孪生架构的数字孪生模型,构建对抗训练场景;加载对应的修正后的控制参数,记录无人机个体在对抗训练场景中的实际响应结果;对比实际响应结果与数字孪生模型的预期行为的偏差,当偏差超过动态容错阈值时,重构控制参数的修正逻辑;基于分布式节点交换的多个无人机个体的修正后的控制参数及实际响应结果,协同生成抗干扰群体飞行策略。本申请提升了集群无人机的抗干扰能力和群体协同飞行性能。

本发明授权分布式数字孪生架构的集群无人机对抗训练协同优化方法、系统、设备及存储介质在权利要求书中公布了:1.一种分布式数字孪生架构的集群无人机对抗训练协同优化方法,其特征在于,包括: 获取集群中多个无人机个体的动力系统状态数据和流体动力环境参数; 根据所述动力系统状态数据的异常波动幅度及流体动力环境参数的空间梯度变化信息,修正各个无人机个体的控制参数; 通过分布式数字孪生架构的数字孪生模型,基于动力系统状态数据的波动特征与流体动力环境参数的空间梯度分布,构建对抗训练场景; 在各个所述无人机个体中加载对应的修正后的控制参数后,并记录无人机个体在对抗训练场景中的实际响应结果; 对比所述实际响应结果与所述数字孪生模型的预期行为之间的偏差,当偏差超过动态容错阈值时,触发容错调节机制,以重构控制参数的修正逻辑; 基于分布式节点交换的多个无人机个体的修正后的控制参数及所述实际响应结果,协同生成抗干扰群体飞行策略; 所述通过分布式数字孪生架构的数字孪生模型,基于动力系统状态数据的波动特征与流体动力环境参数的空间梯度分布,构建对抗训练场景,包括: 通过数字孪生模型中的特征提取模块,从各个无人机个体的动力状态参数中提取对应的波动特征,所述波动特征包括转速波动幅值变化率与电压异常偏移量,并同步从各个无人机个体的流体动力环境参数中提取空间梯度分布,所述空间梯度分布中包括气压变化率矢量与温度场等值线密度; 通过所述数字孪生模型中的第一规则设定模块,将所述转速波动幅值变化率映射为虚拟实体的机动性能衰减系数,根据所述机动性能衰减系数生成用于表征虚拟实体碰撞体积的第一边界约束规则; 通过所述数字孪生模型中的第二规则设定模块,将所述气压变化率矢量转换为虚拟气动力干扰方向,根据所述气动力干扰方向生成用于表征环境扰动作用范围的第二边界约束规则; 通过所述数字孪生模型中的第一策略生成模块,基于所述电压异常偏移量重设通信延迟参数,以得到抗干扰通信策略; 通过所述数字孪生模型中的第二策略生成模块,依据所述温度场等值线密度,对虚拟障碍物坐标进行重新分布,得到环境自适应避障策略; 通过所述数字孪生模型中的融合模块,基于所述第一边界约束规则、所述第二边界约束规则、所述抗干扰通信策略和所述环境自适应避障策略,构建对抗训练场景。

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珠海翔翼航空技术有限公司,其通讯地址为:519030 广东省珠海市香洲区保税区32号地;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。