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！

龙图腾网获悉南京航空航天大学申请的专利面向城市低空密集交通流空域的无人机双层冲突消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：CN119992883B 。

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：202510148987.X，技术领域涉及：G08G5/30；该发明授权面向城市低空密集交通流空域的无人机双层冲突消解方法是由闫超;章铭成;陈谋设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本面向城市低空密集交通流空域的无人机双层冲突消解方法在说明书摘要公布了：本发明公开了面向城市低空密集交通流空域的无人机双层冲突消解方法，包括：在智能无人机起飞前，构建基于冲突消解策略的混合整数非线性规划模型，利用改进的随机分形搜索算法优化混合整数非线性规划模型；在智能无人机起飞后，构建双重深度Q网络并对其进行网络训练，利用训练后的双重深度Q网络使智能无人机在每个时间步输出无冲突的机动动作。本发明结合深度强化学习提出了一个双层冲突消解框架，结合飞行前冲突解除与实时冲突解决，不仅相比单独使用任何一种方法大幅减少了空中碰撞的发生，使智能无人机可以在超低空城市密集交通流环境下通过躲避当前障碍物，同时减少二次冲突，还显著缩短了基于强化学习的实时冲突解决方法的训练时间。

本发明授权面向城市低空密集交通流空域的无人机双层冲突消解方法在权利要求书中公布了：1.面向城市低空密集交通流空域的无人机双层冲突消解方法，其特征在于，包括： 在智能无人机起飞前，构建基于冲突消解策略的混合整数非线性规划模型，利用改进的随机分形搜索算法优化混合整数非线性规划模型，获得智能无人机起飞的初始参数； 利用改进的随机分形搜索算法优化混合整数非线性规划模型的过程包括如下步骤： 步骤101，假设一个体粒子被视为一个潜在解，粒子的初始化在问题条件约束内随机进行，表示为： Pi＝Blower+λBupper-Blower 式中，Pi表示种群中的第i个初始粒子，Blower和Bupper分别表示约束向量的下限和上限，λ为随机数，且λ∈[0,1]； 步骤102，在搜索空间中通过高斯随机游走分布生成新粒子，表示为： 式中，是由粒子Pi生成的第i个新粒子，η为生成的新粒数，μP为新粒子位置的高斯分布均值，μP＝|Pi|，σ为标准差，Pbest为当前组中解最优的粒子，和表示调整开发与探索程度的权重因子，服从均匀分布，范围为[0,1]； 步骤103，通过适应度函数对所有生成的粒子进行评估，对适应度值大于阈值的解粒子保持不变，其余解粒子在满足如下条件时进行更新，条件表示为： 式中，表示粒子被更新的概率，rankPi表示粒子在经过适应度函数评估后的排名，np表示粒子总数； 步骤104，将种群中最佳粒子的位置记为Xbest，计算更新后解粒子与最佳粒子之间的距离值将所有距离值汇总为距离向量DP＝[d1d2…dn]T； 步骤105，通过适应度函数计算每个解粒子的适应度值，将所有适应度值汇总为适应度向量FP＝[f1f2…fn]T； 步骤106，将距离向量和适应度向量进行归一化处理，计算每个解粒子的得分向量，表达式为： SP＝ωFDDFP_norm+1-ωFDDDP_norm 式中，FP_norm为适应度向量归一化后的取值，DP_norm为距离向量归一化后的取值，ωFDD为权重参数； 步骤107，将所有得分向量进行数值排序，将排名前5％的得分向量选为主导种群，并根据如下公式更新每个粒子被更新的概率： 式中，lr1te表示更新速率，Pdomin1nt表示主导种群中粒子的概率矩阵，Ndomin1nt表示主导种群中粒子的总数； 步骤108，重复步骤101至步骤107，直至达到最大迭代次数时停止迭代，选取适应度函数值最高的解粒子作为优化问题的最终解； 在智能无人机起飞后，构建双重深度Q网络并对其进行网络训练，通过引入的注意力机制模拟周围邻居对智能无人机的影响，利用训练后的双重深度Q网络使智能无人机在每个时间步输出无冲突的机动动作，直到智能无人机到达最终目的地； 所述双重深度Q网络包括策略网络和目标网络，策略网络和目标网络的结构相同，均由多层感知机和注意力机制构成； 构建双重深度Q网络并对其进行网络训练包括如下步骤： 步骤201，初始化经验池，以及初始化策略网络的参数θ和目标网络的参数θ'； 步骤202，仿真环境中通过智能无人机使用策略网络并结合ε-贪心算法生成动作，使用奖励函数计算当前动作的奖励； 步骤203，采集智能无人机的经验加入至经验池，当经验池中的经验数量大于或等于批量大小时，从经验池中进行随机批次采样，并根据损失函数更新策略网络的参数θ；其中表示智能无人机在t时刻的完整观测向量，表示智能无人机在t时刻的动作，rt表示智能无人机在t时刻得到的奖励； 步骤204，更新迭代次数，并定期将策略网络的参数完全复制到目标网络的参数； 步骤205，重复步骤202至步骤204，直至达到最大迭代次数时，停止迭代。

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京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29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。