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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种基于深度强化学习的变体飞行器鲁棒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：CN116560384B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310276318.1，技术领域涉及：G05D1/49；该发明授权一种基于深度强化学习的变体飞行器鲁棒控制方法是由王学谦;谭俊波;杨智程;梁斌设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种基于深度强化学习的变体飞行器鲁棒控制方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的变体飞行器鲁棒控制方法，包括如下步骤：S1、建立变体飞行器的CAD模型，然后仿真得到飞行器气动数据，根据得到的数据，对飞行器的运动学和动力学方程进行求解，完成变体飞行器运动的物理模型搭建；S2、使用DQN算法进行变体飞行器变形和运动控制的深度强化学习，训练值函数网络；S3、根据训练好的值函数网络构建智能体，通过所述智能体对变体飞行器的控制作出合理决策；本发明能够对变体飞行器进行变形设计、分析和控制；在任务设计的合理的情况下，使飞行器能合理做出变形，适应飞行器变形过程带来系统多模态、强非线性和强耦合的特点，可在复杂的控制下选出最优的控制策略，保证飞行稳定性。

本发明授权一种基于深度强化学习的变体飞行器鲁棒控制方法在权利要求书中公布了：1.一种基于深度强化学习的变体飞行器鲁棒控制方法，其特征在于，包括如下步骤： S1、建立变体飞行器的CAD模型，然后仿真得到飞行器气动数据，根据得到的数据，对飞行器的运动学和动力学方程进行求解，完成变体飞行器运动的物理模型搭建； S2、使用DQN算法进行变体飞行器变形和运动控制的深度强化学习，训练值函数网络；其中，根据生成的路线和动作的关系完成一个编码器，通过所述编码器，能够确定飞行器是通过何种动作的组合飞出给定的轨迹，在进行变体飞行器的轨迹跟踪训练时，使用编码器的方法缩小所述值函数网络的动作空间，使训练时深度学习网络收敛的速度加快；其中，飞行器在飞行的一个周期内执行特定的三种动作，其中二种动作由飞行任务经过编码器从机翼的变形、水平尾翼的变形以及速度的改变三者组合形成的多种不同动作中选出，再和飞行器不变形的动作组成三种动作； S3、根据训练好的值函数网络构建智能体，通过所述智能体对变体飞行器的控制作出合理决策。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；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。