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！

龙图腾网获悉南栖仙策(南京)高新技术有限公司申请的专利基于LSTM和PPO的飞机导弹规避决策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：CN120233782B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411807486.X，技术领域涉及：G05D1/46；该发明授权基于LSTM和PPO的飞机导弹规避决策方法是由徐军设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本基于LSTM和PPO的飞机导弹规避决策方法在说明书摘要公布了：本发明涉及基于LSTM和PPO的飞机导弹规避决策方法，所述方法包括以下步骤：步骤1：采集数据，步骤2：根据仿真中采集的数据，通过长短期记忆网络对飞机和导弹的观测信息进行归一化处理及特征融合，建立飞机和导弹的时序特征。步骤3：基于深度强化学习中的深度确定性策略算法建立分层模型，控制杆量实现具体的飞行控制。步骤4：根据上述定义的模型，分别建立客户端和服务端通信，步骤5：重复上述步骤1‑4，直到达到PPO算法训练结束的条件，终止训练。该方案不仅提高了决策的灵活性和实时性，减少了对传统建模和专家知识的依赖，为现代空战提供了更加智能化的解决方案。

本发明授权基于LSTM和PPO的飞机导弹规避决策方法在权利要求书中公布了：1.基于LSTM和PPO的飞机导弹规避决策方法，其特征在于，所述方法包括以下步骤： 步骤1：采集数据，从仿真环境中获取飞机和导弹的相关数据，包括飞机的位置，速度信息以及导弹的位置，方位角和弹目距离信息, 步骤2：根据仿真中采集的数据，通过长短期记忆网络LongShort-TermMemory,LSTM对飞机和导弹的观测信息进行归一化处理及特征融合，建立飞机和导弹的时序特征， 步骤3：基于深度强化学习中的深度确定性策略算法ProximalPolicyOptimization,PPO建立分层模型，其中上层模型用来训练一个策略，获取期望的飞机速度，方位角；下层模型接受上层模型的输出，控制杆量实现具体的飞行控制, 步骤4：根据上述定义的模型，分别建立客户端和服务端通信，其中客户端负责启动PPO算法的训练，服务端则负责启动仿真对局，等待仿真对局结束后，向客户端发送数据，客户端收到数据后启动PPO训练, 步骤5：重复上述步骤1-4，直到达到PPO算法训练结束的条件，终止训练； 其中，步骤1采集数据，从仿真环境中获取飞机和导弹在时刻的观测信息和，其 中分别表示弹的方位角，俯仰角，x，y，z三 向坐标和弹目距离；分别表示飞机的三 向坐标，三向速度，航向角和俯仰角； 步骤2具体如下，根据仿真中采集的数据，通过LSTM网络对飞机和导弹的观测信息进行特征融合，将多维观测数据转化为时间序列格式，处理每个时间步的数据，包括飞机和导弹的相对位置，速度，加速度，告警信号动态特征,每个时间步的输入由飞机和导弹的特征组成，形成三维数据结构即时间步，样本数，特征数，通过LSTM进行处理，自动提取飞机和导弹之间的长期关系特征，为后续的决策步骤提供依据，最终基于这些特征，LSTM能够为PPO模型提供有效的输入，以制定最优的躲避策略； 将躲避决策建模为马尔可夫决策过程，并基于PPO建立分层模型分别训练上层策略和 底层控制模块,其中马尔可夫决策过程由元组组成,上层模型的马尔可夫决策 过程如下：其中S是状态空间，由LSTM模型的输出组成；是动作空间，包括目标速度，目标 航向角和目标俯仰角；是奖励函数，由距离奖励，方位角奖励，规避奖励和最终奖励组成；是状态转移概率；是奖励折扣因子,下层模型的马尔可夫决策过程为：输入由上 层模型的输出，即目标速度，航向角和俯仰角组成；其动作空间包括飞机油门杆，方向舵，升 降舵实现对飞机的精确控制；奖励为控制精度奖励,通过这种分层模型结构，上层模型负责 确定飞机的总体运动轨迹，下层模型则根据上层模型给定的目标参数，执行精确的控制命 令训练飞机的飞行姿态； 上层策略模型的奖励函数包括：高度奖励、导弹方位角奖励、弹目距离奖励和规 避奖励，其中为一局对局结束的总奖励， 。

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栖仙策(南京)高新技术有限公司，其通讯地址为：211135 江苏省南京市江宁区麒麟科技创新园天骄路100号江苏南京侨梦苑A栋703室；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。