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！

龙图腾网获悉复旦大学;中国航空工业集团公司成都飞机设计研究所申请的专利一种面向固定翼飞行器鲁棒控制的对抗强化学习训练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：CN121115529B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511676802.9，技术领域涉及：G05B13/04；该发明授权一种面向固定翼飞行器鲁棒控制的对抗强化学习训练方法是由翟鹏;梁琨;刘志祥;张立华;倪静;胡逸雯设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本一种面向固定翼飞行器鲁棒控制的对抗强化学习训练方法在说明书摘要公布了：本发明公开了一种面向固定翼飞行器鲁棒控制的对抗强化学习训练方法，包括：构建固定翼飞行器的非线性仿真环境和任务集，并在仿真环境中并行构建若干固定翼飞行器智能体。通过引入基于神经网络AdvNet的对抗代理模块，生成环境扰动。采用近端策略优化的Actor–Critic结构，智能体与对抗代理模块通过任务集进行联合训练，逐步获得鲁棒控制策略。在训练过程中，基于课程学习机制，根据飞行任务的完成情况动态调整对抗代理的扰动约束参数。在训练收敛后，获得的控制策略参数被应用于固定翼飞行器，实现鲁棒的飞行控制。本发明方法能够提高飞行器在面对复杂环境扰动时的鲁棒性与控制精度，适用于各种具有不确定性的飞行任务。

本发明授权一种面向固定翼飞行器鲁棒控制的对抗强化学习训练方法在权利要求书中公布了：1.一种面向固定翼飞行器鲁棒控制的对抗强化学习训练方法，其特征在于，包括： 构建固定翼飞行器的非线性仿真环境与任务集； 在所述非线性仿真环境中并行构建若干固定翼飞行器智能体，并构建基于神经网络AdvNet的对抗代理模块；所述对抗代理模块与各智能体交互，提供环境扰动； 基于近端策略优化的Actor–Critic结构，根据所述若干固定翼飞行器智能体与所述对抗代理模块，通过所述任务集进行联合训练，获得正常代理控制策略； 在训练过程中，基于课程学习机制，根据飞行任务的完成情况动态调整所述对抗代理模块的扰动约束参数； 在训练收敛后，将正常代理的控制策略参数作为固定翼飞行器的控制策略，实现固定翼飞行器的训练； 在智能体任务集的过程中，对抗代理模块根据当前状态和智能体输出的控制动作，生成扰动，具体包括以下步骤： 在时刻t，对抗代理模块获取固定翼飞行器智能体的当前状态及其控制动作，其中，观测状态中包含当前状态；为时刻t选择的动作空间的控制动作；为时刻t观测空间对应的观测状态； 将控制动作作为初始混合动作： 其中，为迭代优化的初始混合动作； 在第n次迭代过程中，根据当前迭代的混合动作，利用神经网络AdvNet对未来H个时间步的近端回报进行估计，公式为： 其中，为估计的时刻t的近端回报，表示从时刻t到的奖励累积和；为神经网络AdvNet的参数；为近端回报的时间窗口长度；为奖励函数，表示时刻下状态执行动作后获得的奖励；表示第n次迭代的混合动作； 根据估计的近端回报，通过梯度下降迭代优化混合动作，公式为： 其中，表示第次迭代的混合动作，为梯度下降步长；表示估计的近端回报对混合动作的梯度； 经过N次迭代，获得最终混合动作； 从最终混合动作中提取初始扰动： 其中，为时刻t的初始扰动； 将初始扰动投影至范数约束球体内，生成扰动： 其中，为时刻t的扰动约束参数，表示扰动约束半径；表示向量的范数。

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复旦大学;中国航空工业集团公司成都飞机设计研究所，其通讯地址为：200433 上海市杨浦区邯郸路220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。