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一种基于深度强化学习的战斗机底层飞行控制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：CN120233791B 。

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：202411807483.6，技术领域涉及：G05D1/495；该发明授权一种基于深度强化学习的战斗机底层飞行控制方法是由叶家成设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于深度强化学习的战斗机底层飞行控制方法在说明书摘要公布了：本发明涉及一种基于深度强化学习的战斗机底层飞行控制方法，所述方法包括以下步骤：S1、根据仿真环境设计飞控的目标更新方式和终止条件函数；S2、根据仿真环境构建战斗机控制的状态空间、动作空间和奖励函数；S3、基于PPO算法搭建深度神经网络模型；S4、训练基于PPO算法的战斗机底层飞行控制模型。本发明的控制方法使智能体可以在完成对战、追踪等高层任务决策时，只需专注于高级任务规划，从而减少对底层飞机控制基本决策的训练，使算法更容易收敛，减少学习成本。

本发明授权一种基于深度强化学习的战斗机底层飞行控制方法在权利要求书中公布了：1.一种基于深度强化学习的战斗机底层飞行控制方法，其特征在于，所述方法包括以下步骤： S1、根据仿真环境设计飞控的目标更新方式和终止条件函数； S2、根据仿真环境构建战斗机控制的状态空间、动作空间和奖励函数； S3、基于PPO算法搭建深度神经网络模型； S4、训练基于PPO算法的战斗机底层飞行控制模型； 在步骤S4中，训练基于PPO算法的战斗机底层飞行控制模型，步骤如下： 训练网络的具体步骤如下： S41、设置网络训练参数：随机初始化策略Actor网络和价值Critic网络的参数，初始化经验缓存池，用于存储训练过程中生成的经验样本，并根据任务场景设定优化器的学习率、自适应梯度裁剪阈值和梯度惩罚系数以提高训练稳定性， S42、初始化战斗机状态，初始化与目标相关的状态参数并设定新的飞行目标状态，同时设计动态目标调整策略，使得目标状态在训练过程中能够根据环境复杂度进行动态调整，以提升模型的泛化能力， S43、将当前状态输入到策略Actor网络中，生成对应的动作；在当前状态下执行动作，获取新的状态及奖励，记录相关训练数据，并将其存入经验缓存池，同时增加状态转移约束规则，确保状态转移的物理合理性， S44、检查经验缓存池的数据量：当经验数据量大于设定的小批量规格时，开始训练，随机从经验缓存池中采样一批样本，用于更新策略Actor网络和Critic网络，同时采用优先经验回放机制，对于奖励较高或状态稀缺相关的样本分配更高的采样概率， S45、通过PPO定义的裁剪损失函数来优化Actor网络的参数；通过均方差损失函数来优化Critic网络的参数；使用Adam优化器进行梯度更新，并加入梯度熵正则化项以防止模型陷入局部最优解， S46、策略更新：检查策略更新条件，如果达到条件，则进行策略的裁剪更新；若未达到，则保持当前策略不变，同时引入策略多样性约束，避免策略更新过程中出现行为模式单一的问题， S47、检查是否达到回合结束条件：若已达到，则进入回合结束处理；否则，返回步骤S43以继续新一轮的状态-动作交互，同时在此步骤中增加飞行行为多样性奖励，鼓励战斗机探索更多有效策略， S48、训练终止条件：判断算法模型是否达到预设的最大训练轮次，若达到，则结束训练并保存训练结束后的主策略模型；若未达到，则返回步骤S42继续训练。

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：210035 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。