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！

龙图腾网获悉杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院);中建三局第三建设工程有限责任公司申请的专利一种多约束条件下基于深度强化学习的端到端无人机迫降点决策方法及系统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：CN121209545B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511737550.6，技术领域涉及：G05D1/46；该发明授权一种多约束条件下基于深度强化学习的端到端无人机迫降点决策方法及系统是由项森伟;赵振泽;段军朝;李劲;张志华;袁康;张艺菲;危家勇;王长浩;魏凯凯设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本一种多约束条件下基于深度强化学习的端到端无人机迫降点决策方法及系统在说明书摘要公布了：本发明公开了一个多约束条件下基于深度强化学习的端到端无人机迫降点决策方法及系统，包括数据采集模块、数据预处理模块、特征提取模块、深度强化学习评估模块。通过多源传感器采集信息，考虑多种约束条件，利用深度强化学习端到端的学习方法，评估无人机的安全迫降点。本系统能够全面、精准且高效地进行迫降点安全评估的模型，完善了无人机的迫降点安全评估方面的应用。

本发明授权一种多约束条件下基于深度强化学习的端到端无人机迫降点决策方法及系统在权利要求书中公布了：1.一种多约束条件下基于深度强化学习的端到端无人机迫降点决策方法，其特征在于，具体包括如下步骤： S1、在无人机起飞前进行初始化设置； S2、在无人机飞行过程中，持续采集各种数据，包括二维图像数据、雷达点云数据、卫星定位信息、电池状态信息、飞行状态信息、气象信息；并对数据进行预处理； S3、从预处理后的数据中提取地形分布特征、障碍物特征、电池电量特征、耗电速度特征、最远飞行距离特征、地面平整度特征、降落点面积特征、气象特征，并将上述特征组合成深度强化学习模型所需的状态向量； S4、构建深度确定性策略梯度方法模型，并进行模型训练，包括演员网络和评论家网络；所述演员网络负责根据输入状态生成迫降点选择和降落策略动作，评论家网络用于评估动作-状态对的价值；通过与环境交互和训练不断优化策略以实现对迫降点的安全评估； 按照迫降关键要素构建综合奖励函数： 其中，获取障碍物距离特征，获取地形类型子奖励，获取电池耗电速度特征，获取降落点面积特征，获取地面平整度特征，获取最远飞行距离特征，获取气象条件子奖励，获取电池电量特征； 获取地形类型子奖励： 其中，T是候选迫降点的地形类型，其包括草地、沙地、岩石地、水域，是对应安全地形类型的奖励值 {}是安全地形类型集合，{}是危险地形类型集合，根据地形类型给予不同的奖励，引导无人机优先选择安全的地形进行迫降； 获取电池电量特征： 设当前电池电量为B,满电量为，当时，其中为临界电量 当时， k为调节系数。

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杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院);中建三局第三建设工程有限责任公司，其通讯地址为：311115 浙江省杭州市余杭区瓶窑镇双红桥街166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。