南京理工大学;上海宇航系统工程研究所吴祥获国家专利权
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！
龙图腾网获悉南京理工大学;上海宇航系统工程研究所申请的专利一种基于轨道动作预判的强化学习卫星追逃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：CN121525779B 。
龙图腾网通过国家知识产权局官网在2026-05-05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：202610049125.6，技术领域涉及：G06N3/092；该发明授权一种基于轨道动作预判的强化学习卫星追逃方法及系统是由吴祥;沈港;张宝恒;廖明瑞;陈欢乐;赵高鹏;薄煜明;王超尘设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。
本一种基于轨道动作预判的强化学习卫星追逃方法及系统在说明书摘要公布了：本发明公开了一种基于轨道动作预判的强化学习卫星追逃方法及系统，该方法构建SAC策略网络，设计合适的loss函数进行反向传播，训练出模型的初始策略；在SAC算法中引入了好奇心机制，使用全连接网络预测结果与实际的误差作为奖励信号，鼓励智能体对动作空间的探索；构建用于Transformer训练的输入向量格式以及数据集，在输入的时候对输入向量进行位置编码，并且设计好损失函数对Transformer进行反向传播；截取Transformer的输出作为SAC算法的输入，重新构建SAC观测，二者构成一体化决策网络。本发明解决了卫星间利用脉冲机动进行变轨追逃的博弈问题。
本发明授权一种基于轨道动作预判的强化学习卫星追逃方法及系统在权利要求书中公布了：1.一种基于轨道动作预判的强化学习卫星追逃方法，其特征在于，包括： 步骤S1、设计单智能体博弈双方状态观测、奖励作为智能体输入和环境反馈值； 步骤S2、以状态观测为输入，构建并训练初始SAC策略网络，构建损失函数，并引入好奇心机制，作为外在信号输入到奖励中； 步骤S3、基于追击方观测和逃逸方策略构建Transformer模型输入向量，对向量进行位置编码，并生成序列作为Transformer模型的数据集； 步骤S4、采用构建的数据集对Transformer模型进行训练，设计损失函数进行反向传播； 步骤S5、以训练好的Transformer模型输出作为SAC策略网络输入观测一部分，重新构建SAC策略网络输入状态观测，构建一体化决策网络，并共同训练，设计损失函数进行反向传播，获取迭代式的训练模型； 步骤S6，采用训练好的一体化决策网络获取逃逸方变轨量，基于变轨量追击方卫星执行变轨动作。
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京理工大学;上海宇航系统工程研究所，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励