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！

龙图腾网获悉中国人民解放军空军航空大学申请的专利无人机近距空战机动自主决策方法、系统、设备及终端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：CN116400718B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310362825.7，技术领域涉及：G05D1/49；该发明授权无人机近距空战机动自主决策方法、系统、设备及终端是由荆献勇;国海峰;陈丹强;黄吉传;徐亮;李国帅;赵添设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本无人机近距空战机动自主决策方法、系统、设备及终端在说明书摘要公布了：本发明属于无人机机动决策技术领域，公开了一种无人机近距空战机动自主决策方法、系统、设备及终端，建立近距空战态势、导弹攻击区和导弹允许发射达成条件的表达式，构建无人机运动动力学模型并进行强化学习中的动作表示；根据节点和模糊聚类方法对经验池中的相似经验进行聚类和排除，确保留存的经验具有典型性；设计基于节点聚类和DDPG的空战机动自主学习、自主决策算法，实现近距空战机动的自主决策。本发明用于排除相似经验，保留最典型经验。有效解决复杂任务决策时经验池数据量过大、算法效率低的问题。本发明改进了近距空战问题描述模型，根据近距空战特点，改变了状态表达方式，更能反映近距空战特性。

本发明授权无人机近距空战机动自主决策方法、系统、设备及终端在权利要求书中公布了：1.一种无人机近距空战机动自主决策方法，其特征在于，包括：建立近距空战态势、导弹攻击区和导弹允许发射达成条件的表达式，构建无人机运动动力学模型并进行强化学习中的动作表示；根据节点和模糊聚类方法对经验池中的相似经验进行聚类和排除，确保留存的经验具有典型性；设计基于节点聚类和DDPG的空战机动自主学习、自主决策算法，实现近距空战机动的自主决策； 无人机近距空战机动自主决策方法包括以下步骤： 步骤一，近距空战问题建模：建立近距空战态势、导弹攻击区和导弹允许发射达成条件的表达式，构建无人机运动动力学模型并进行强化学习中的动作表示； 步骤二，相似经验排除：利用网格化划分和浓度抑制思想，划分状态空间节点，根据节点和模糊聚类方法对经验池中的相似经验进行聚类和排除，确保留存的经验具有典型性； 步骤三，空战机动自主学习决策：设计基于节点聚类和DDPG的空战机动自主学习、自主决策算法，包括算法流程和主要步骤伪代码，实现近距空战机动的自主决策； 步骤一中的无人机运动动力学模型的构建包括： 1构建质点运动学模型 在地理坐标系中建立UAV三自由度质点运动学模型，其中OXYZ为惯性地面坐标系，U1在坐标系中的位置用[x,y,z]表示；速度矢量V1与OXY平面的夹角用θ表示，为航迹倾角；U1与OZX平面的夹角用ψ表示，为航迹偏角，质点运动方程为： 2构建空气动力计算模型 当侧滑角为0时，飞机坐标系与速度坐标系之间仅存在一个迎角，用α表示；OXYZp为飞机坐标系，OXYZv为速度坐标系，OXp、OXv的夹角即为迎角α； 当侧滑角为0时，则由飞机坐标系至速度坐标系的转换矩阵简化为： 在速度坐标系OXYZv中，UAV所受升力FL与空气阻力f的计算公式如下： 式中，ρ为空气密度，S为UCAV等效后的翼面积；CFV,α、CxV,α分别为升力和阻力系数； 3构建动力学模型 若速度滚转角为γ，航迹偏角为ψ，航迹倾角为θ，由地面坐标系至速度坐标系间的转换矩阵为： 若FL、f在地面坐标系OXYZ中的表示式分别为 F′＝[F′xF′yF′z]T、f′＝[f′xf′yf′z]T，则： 当发动机安装角为0，则推力FT在OXYZ中的表达式F′T为： 则三自由度的动力学模型为： 式中，m为质量，g为重力加速度； 步骤一中的动作表示包括：当无人机采用BTT控制方式，无人机在机动飞行中，通过控制迎角α、速度滚转角γ、发动机推力FT的变化产生要求的过载，达成机动目的，则强化学习中的动作表示为： Action＝[α，γ，FT]； 步骤二中利用网格化划分和浓度抑制设计相似节点聚类排除算法包括： 1确定网格化尺度，并根据尺度对数据空间中的每一组数据进行模糊化；当任意一组标准化后的数据包含u个维度xi＝[xi1,xi2,...,xiu]，对于xi的任意一个维度xiu，设定的模糊化尺度用du表示，则得尺度向量d＝[d1,d2,...,du]；尺度向量d＝[d1,d2,...,du]一旦设定，对于数据空间中任意一组数据xi，d不再变化； 2对于任意一组数据xi的u个维度xiu，使用xiu整除以du等于pu，剩余的余数为eu，则： xiu＝pu·du+eu； 按照下式对xiu进行模糊化： 则得到xi的节点模糊聚类结果x′i＝[x′i1,x′i2,...,x′iu]；计算xi、x′i间的欧式距离并以ri表示； 3以x′j表示另一组数据xj经过节点模糊聚类后的结果，经过步骤2的节点模糊聚类后，有可能xi、xj两组数据的节点模糊聚类结果相同，即是 x′i＝x′j 则可以认为xi、xj两组数据相似，可排除其中的一组；通常，一组数据xi与节点x′i的欧式距离越小，则可以认为该数据越接近于节点x′i，则该组数据就更能反映节点数据组的特性，因此，可以基于欧式距离判断保留的数据组；以rj表示数组xj与其节点x′j的欧式距离，如rj＞ri，则保留xi，否则保留xj； 步骤二中的相似经验排除还包括： 设定典型状态集合，对于任意一个状态，根据隶属度向节点状态聚类； 在强化学习中，每一组数据均包括以下因素： {St,At,rt+1,St+1}； 在强化学习的经验中，rt+1、St+1的值均由St、At决定，故仅对St、At进行节点近似聚类；若两条经验中的St、At经过节点近似聚类后均趋向于同一个节点，即： {S1t,A1t,r1,t+1,S1,t+1}——{S′1t,A′1t,r1,t+1,S1,t+1}； {S2t,A2t,r2,t+1,S2,t+1}——{S′1t,A′1t,r2,t+1,S2,t+1}； 则可以根据上述的欧式距离最小方法排除其中一组经验。

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国人民解放军空军航空大学，其通讯地址为：130000 吉林省长春市南湖大路2222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。