Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网湖北省电力有限公司电力科学研究院;武汉大学;国网湖北省电力有限公司神农架供电公司;国网湖北省电力有限公司刘鸣柳获国家专利权

国网湖北省电力有限公司电力科学研究院;武汉大学;国网湖北省电力有限公司神农架供电公司;国网湖北省电力有限公司刘鸣柳获国家专利权

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!

龙图腾网获悉国网湖北省电力有限公司电力科学研究院;武汉大学;国网湖北省电力有限公司神农架供电公司;国网湖北省电力有限公司申请的专利一种基于深度强化学习的无人机应急场景巡检方法及其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:CN116149367B

龙图腾网通过国家知识产权局官网在2026-04-14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:202310126638.9,技术领域涉及:G05D1/46;该发明授权一种基于深度强化学习的无人机应急场景巡检方法及其系统是由刘鸣柳;高云飞;凌在汛;朱银军;蔡万里;崔一铂;梅欣;余飞;唐泽洋;李逸文;饶玮;胡钰林设计研发完成,并于2023-02-10向国家知识产权局提交的专利申请。

一种基于深度强化学习的无人机应急场景巡检方法及其系统在说明书摘要公布了:本发明提供一种基于深度强化学习的无人机应急场景巡检方法及其系统,所述方法包括以下步骤:首先巡检控制中心获取灾害所需要巡检的位置坐标;然后无人机开始执行巡检任务,在无人机执行巡检任务的过程中,通过已知巡检点的位置坐标,对无人机的轨迹进行优化来最小化无人机巡检的时间;在对无人机的轨迹进行优化时,使用深度强化学习中的Dueling‑DQN算法对无人机的轨迹进行合理的优化并收集巡检数据;当达到最大训练次数,输出无人机的最优轨迹和收集的巡检数据,从而减少系统总的巡检时间。

本发明授权一种基于深度强化学习的无人机应急场景巡检方法及其系统在权利要求书中公布了:1.一种基于深度强化学习的无人机应急场景巡检方法,其特征在于,包括如下步骤: 步骤S1.巡检控制中心根据应急区域发送的请求确定无人机需要巡检的位置坐标以及各个地面救援人员的位置信息; 步骤S2.无人机根据获得的需要巡检的位置坐标以及各个地面救援人员的位置信息开始执行巡检任务,在无人机执行巡检任务的过程中,通过已知巡检点的位置坐标,使用深度强化学习中的Dueling-DQN算法对无人机的轨迹进行优化来最小化无人机巡检的时间; 步骤S3.输出优化的无人机巡检的最优轨迹与收集的巡检数据; 所述步骤S2具体流程如下: 步骤S21.参数初始化:无人机初始化系统的各项参数,包括无人机当前的位置坐标、初始化模型的参数; 步骤S22.无人机获取距离当前位置最近的巡检点的位置坐标,确定自己当前时刻所巡检的巡检点位置,其中、、分别表示巡检点在X轴、Y轴与Z轴的坐标; 步骤S23.对无人机的轨迹进行优化设计:无人机使用深度强化学习优化巡检轨迹的过程中,首先将所建立的问题转化为马尔科夫决策问题,其中其可由四部分组成,即,其中为状态空间,为动作空间,为无人机执行任务时的状态转移概率,为无人机执行巡检任务时的奖励函数,假设无人机当前的位置为,其中、、分别表示无人机在X轴、Y轴与Z轴的坐标,然后无人机根据策略选择机制从动作空间中选择一个当前的飞行方向,进而无人机转移到下一个位置,假设无人机在一个时隙内移动的距离为,则无人机的状态转移遵循公式: ; 步骤S24.无人机根据移动前后距离所选择巡检点的距离的差值获得一个奖励,其中,表示当前无人机与所选择巡检点的距离,表示无人机根据策略选择机制从动作空间中选择一个当前的飞行方向后与所选择巡检点的距离,其中奖励的设计表示为: ; 其中为一个正值,其表示无人机在经过策略选择移动之后其距离选择的巡检点越来越近;为一个负值,其表示无人机在经过策略选择移动之后其距离选择的巡检点越来越远;此外,如果无人机完成该巡检任务其会获得一个较大的正奖励; 步骤S25.将状态转移的结果保存到系统的经验池中; 步骤S26.从经验池中选择步样本,并使用梯度下降的方法来减小神经网络的损失函数从而优化无人机的轨迹,获得更大的奖励,其中损失函数定义为: ; 其中表示无人机在时隙获的奖励,表示折扣因子,与表示影响神经网络模型参数的因子,表示current网络中无人机在当前位置采取动作的值,表示在target网络中无人机在当前位置采取动作的值; 步骤S27.判断无人机是否完成该巡检任务,若否,则无人机执行步骤S22.,若是则执行步骤S28; 步骤S28.判断无人机是否完成所有巡检任务,若否,则执行步骤S22.,若是,巡检任务结束; 步骤S29.判断是否达到最大迭代次数,若否,重复步骤S22-步骤S28,直至算法达到最大迭代次数。

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国网湖北省电力有限公司电力科学研究院;武汉大学;国网湖北省电力有限公司神农架供电公司;国网湖北省电力有限公司,其通讯地址为:430077 湖北省武汉市洪山区徐东大街227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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。