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！

龙图腾网获悉苏州本瑞光电科技有限公司申请的专利一种无人机用触摸屏及该触摸屏的指令分解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：CN119917004B 。

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：202411966022.3，技术领域涉及：G06F3/0488；该发明授权一种无人机用触摸屏及该触摸屏的指令分解方法是由唐民超;韩强设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种无人机用触摸屏及该触摸屏的指令分解方法在说明书摘要公布了：本发明公开了一种无人机用触摸屏及该触摸屏的指令分解方法，S1.对任务语义数据进行标准化处理；S2.生成完整的无人机任务指令集合；S3.依据完整的无人机任务指令集合生成初始种群解；S4.基于麋鹿优化算法对初始种群解进行优化，生成最优任务分解方案；S5.生成无人机可执行子任务集合；S6.采集任务执行过程中的反馈数据；S7.利用采集的任务执行反馈数据对任务分解方案进行动态调整，当反馈数据指示子任务执行中存在障碍或偏差时，重新调用麋鹿优化算法和模糊逻辑推理模块对最优任务分解方案进行优化生成新的无人机可执行子任务集合。本发明能够动态响应任务场景的变化，在多目标任务的执行中表现出更高的灵活性和执行效率。

本发明授权一种无人机用触摸屏及该触摸屏的指令分解方法在权利要求书中公布了：1.一种无人机用触摸屏的指令分解方法，其特征在于，包括如下步骤： S1.接收用户通过无人机用触摸屏输入的任务指令，将输入的任务指令转化为无人机用任务语义数据，并对任务语义数据进行标准化处理； S2.利用模糊逻辑推理模块对标准化处理后的任务语义数据进行模糊化分析，根据预设的模糊规则对任务语义数据中的不确定性信息进行修正和补充，生成完整的无人机任务指令集合； S3.初始化麋鹿优化算法种群，设置初始麋鹿群体数量、群体结构及适应度函数，依据完整的无人机任务指令集合生成初始种群解； S4.基于麋鹿优化算法对初始种群解进行优化，生成最优任务分解方案； S5.根据最优任务分解方案将完整的无人机任务指令集合分解为多个可执行子任务，并对可执行子任务进行优先级排序和资源分配，生成无人机可执行子任务集合； S6.将无人机可执行子任务集合传输至无人机执行模块，并实时监控子任务的执行状态，采集任务执行过程中的反馈数据； S7.利用采集的任务执行反馈数据对任务分解方案进行动态调整，当反馈数据指示子任务执行中存在障碍或偏差时，重新调用麋鹿优化算法和模糊逻辑推理模块对最优任务分解方案进行优化生成新的无人机可执行子任务集合； 所述S2步骤包括： S21.对无人机用任务语义数据中的模糊或不完整部分进行语义模糊化分析，使用模糊隶属度函数μTx表示无人机任务目标的适配性，使用模糊隶属度函数μAx,y对无人机任务区域进行模糊分析，表示区域内某坐标点x,y是否属于任务区域，使用模糊隶属度函数μCz对无人机任务限制条件进行模糊化表示，其中z为限制条件值，反映任务约束的松紧程度； S22.针对无人机任务目标Tgoal,norm，根据输入语义和上下文信息，进行任务目标的补全： 其中，Ti为任务目标补全候选项，i∈N，N为候选任务集合，μTTi为任务目标的隶属度值，表示Ti的适配性，wi为任务优先级权重，di为上下文信息的相关性距离，越小表示任务目标与上下文更匹配，α为调节参数，用于平衡隶属度和上下文匹配度的权重； 针对无人机任务区域Aregion,norm，基于模糊推理补全区域的范围： Aregion,complete＝∪j∈M[μAxj,yj·ψxj,yj]； 其中，xj,yj为区域内的坐标点，j∈M，M为候选区域点集合，μAxj,yj为坐标点的隶属度值，表示该点是否属于目标区域，ψxj,yj为补全因子，基于上下文信息定义为： 其中，r表示参考点与当前点的距离阈值，β为控制区域范围的扩展速度； 针对无人机任务限制条件Cconstraint,norm，利用模糊推理生成新的限制条件补全值： Cconstraint,complete＝∫z∈LμCz·gzdz； 其中，z为限制条件的值，L为限制条件的定义域，μCz为限制条件的隶属度值，表示z的适配性，gz为补全函数，结合任务执行的环境参数动态调整定义为： 其中，z0为限制条件的当前最优值，k为函数陡峭度，γ为补全强度系数； S23.根据语义补全后的无人机任务目标Tgoal,complete、无人机任务区域Aregion,complete和无人机任务限制条件Cconstraint,complete生成完整的无人机任务指令集合Dinstruction； S24.对无人机任务指令集合进行去模糊化处理，输出去模糊化处理后的完整无人机任务指令集合； 所述S24步骤包括： S241.对无人机任务目标的语义描述进行去模糊化处理，使用隶属度函数的最大值法选择任务目标的最佳语义描述： 其中，Tgoal,final为去模糊化后的最终任务目标； S242.对无人机任务区域进行去模糊化处理，基于模糊区域内最优路径规划算法确定任务区域的中心范围： 其中，xk,yk为区域中心点的候选坐标，k∈K，K为中心点候选集合，μAxj,yj为区域内坐标点的隶属度值，表示其属于任务区域的适配性，Poptimal为去模糊化后区域范围的最优路径中心点集合； S243.对无人机任务限制条件进行去模糊化处理，使用限制条件隶属度最大值法明确资源和时间分配方案： 其中，z为限制条件的候选值，L为限制条件的定义域，Cconstraint,final为去模糊化后的最终限制条件值，包括时间分配和资源分配； S244.根据去模糊化后的无人机任务目标Tgoal,final、任务区域中心范围Poptimal和任务限制条件Cconstraint,final生成完整的无人机任务指令集合： Dinstruction,complete＝{Tgoal,final,Poptimal,Cconstraint,final}； 所述S4步骤包括： S41.根据完整的无人机任务指令集合Dinstruction,complete初始化种群，种群中的每个个体代表一个无人机任务分解方案； 定义种群大小Npopulation，即可生成的任务分解方案总数，将种群划分为若干家族，每个家族的个体数量为Nfamily，其中领导者数量为Nleader，领导者代表高优先级任务分解方案； 定义适应度函数ffitness，评价任务分解方案在无人机任务中的执行效果： ffitnessx＝w1·fpriorityx+w2·fresourcex+w3·ftimex； 其中，x表示任务分解方案，包含任务目标、任务区域和任务限制条件，fpriorityx表示任务分解方案中任务优先级分配的合理性，fresourcex表示资源分配的效率，ftimex表示任务时间分配的合理性，w1,w2,w3为权重参数，根据任务需求动态调整； S42.根据麋鹿群体领导者和跟随者的协同行为生成优化的无人机任务分解方案，对每个家族的领导者Li利用任务分解方案的适应度值ffitnessLi确定其影响力，领导者方案代表当前最优任务分解策略，对每个家族的跟随者Fj更新任务分解方案： 其中，为跟随者在第t代的任务分解方案，为领导者在第t代的任务分解方案，反映当前最优的指令分解方式，λ为步长参数，控制任务分解方案的调整幅度，通过更新生成新的无人机任务分解候选方案集合Scandidate； S43.通过领导者与跟随者的交互行为生成新任务分解方案，优化无人机的任务指令分解，在每个家族中，基于领导者Li和跟随者Fj的交互生成新的任务分解方案xnew： 其中，xnew表示新生成的任务分解方案，η1为交互因子，表示任务方案的创新性程度； 新生成的任务分解方案根据无人机实际操作需求优化，将其加入候选任务分解方案集合Scandidate； S44.根据无人机任务的具体需求筛选候选任务分解方案集合Scandidate，选出适应度最高的最优方案： 其中，xoptimal为最优任务分解方案，包括任务目标优先级、资源分配及路径规划，候选方案根据适应度值排序选出的方案适应无人机当前任务场景； S45.将最优任务分解方案xoptimal输出至无人机任务执行模块，指导无人机按分解后的任务方案执行操作。

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苏州本瑞光电科技有限公司，其通讯地址为：215000 江苏省苏州市常熟市尚湖镇永诚路18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。