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！

龙图腾网获悉中山大学申请的专利基于深度强化学习的无人机两阶段目标搜索与跟踪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：CN119165873B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411286648.X，技术领域涉及：G05D1/46；该发明授权基于深度强化学习的无人机两阶段目标搜索与跟踪方法是由刘昆;刘美设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本基于深度强化学习的无人机两阶段目标搜索与跟踪方法在说明书摘要公布了：本发明提供一种基于深度强化学习的无人机两阶段目标搜索与跟踪方法，包括将搜索与救援任务分为搜索阶段和跟踪阶段；每个阶段都搭载有相应的决策模型DDPG‑3C，通过判定检测目标是否在无人机的雷达探测范围内，以进行搜索阶段和跟踪阶段的切换。每个阶段都能针对性地优化其控制策略和算法，在搜索阶段扩大搜索范围和提高发现速度，在跟踪阶段则专注于提高对动态目标的追踪精度和响应速度，提高了各阶段的效率；DDPG‑3C模型不依赖于精确的数学模型来进行决策，使得本发明在面对复杂和动态变化的环境时能够展现出更强的适应性，通过与环境的交互来学习和优化策略，而不是依赖预先定义的模型参数，从而能够更好地应对未知或变化的条件。

本发明授权基于深度强化学习的无人机两阶段目标搜索与跟踪方法在权利要求书中公布了：1.一种基于深度强化学习的无人机两阶段目标搜索与跟踪方法，其特征在于，包括以下步骤： 步骤1：将搜索与救援任务分为搜索阶段和跟踪阶段； 步骤2：构建深度确定性策略梯度决策模型DDPG-3C，并根据搜索阶段和跟踪阶段对决策模型DDPG-3C进行相应的训练； 所述的深度确定性策略梯度决策模型DDPG-3C包括Actor模块和Critic模块；其中，所述的Actor模块包括Actor网络和目标Actor网络；所述的Critic模块包括三个Critic网络和三个目标Critic网络；所述的Critic网络的损失函数的表达式为： 式中，MSE表示均方根误差，i＝1,2,3表示相应Critic网络输出的Q值； 通过损失函数计算得到损失值后，通过以下的更新梯度公式来更新Critic网络的参数 式中，表示损失值相对于Critic网络参数的梯度，N表示批大小； 所述的目标Critic网络的参数通过软更新策略进行更新： τ为软更新系数； 步骤3：将训练好的相应的深度确定性策略梯度决策模型DDPG-3C分别载入搜索阶段和跟踪阶段的无人机控制器； 步骤4：通过判定检测目标是否在无人机的雷达探测范围内，以进行搜索阶段和跟踪阶段的切换。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。