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！

龙图腾网获悉山东师范大学申请的专利一种基于分层强化学习的无人机集群控制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：CN121742505B 。

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：202610238435.2，技术领域涉及：G05D1/46；该发明授权一种基于分层强化学习的无人机集群控制方法及系统是由刘莹莹;苗兴志;王新君;李圣涛;王永志;张群梓设计研发完成，并于2026-02-28向国家知识产权局提交的专利申请。

本一种基于分层强化学习的无人机集群控制方法及系统在说明书摘要公布了：本发明涉及数据驱动和无人机集群系统技术领域，提供了一种基于分层强化学习的无人机集群控制方法及系统，方法包括：建立领导者‑跟随者分层集群模型；构建多层通信拓扑结构，其中无人机按与领导者的通信跳数划分层级；确定各跟随者到领导者的最短通信路径；基于该路径计算相邻层无人机间的输出误差；结合无人机动力学模型，构建以最小化层间输出误差为目标的输出一致性最优控制模型；最后采用强化学习策略迭代算法求解最优控制；通过分层拓扑与最短路径相结合，本发明将复杂的集群一致性问题转化为可求解的最优控制问题，在降低通信负担的同时，利用强化学习实现了对层间输出误差的最小化，提升了无人机集群在动态环境中的协同控制。

本发明授权一种基于分层强化学习的无人机集群控制方法及系统在权利要求书中公布了：1.一种基于分层强化学习的无人机集群控制方法，其特征是，包括： 建立领导者分层无人机集群系统模型，构建多层无人机集群通信拓扑结构，确立跟随者无人机与领导者无人机之间的最短通信路径； 基于跟随者无人机与领导者无人机之间的最短通信路径，构建相邻层无人机间的输出误差，以跟随者无人机的动力学模型为约束条件，构建以最小化价值函数为目标的相邻层无人机输出一致性模型； 其中，价值函数基于所述相邻层无人机间的输出误差以及跟随者无人机自身的控制输入构建； 基于相邻层无人机输出一致性模型，基于强化学习，通过策略迭代，求解最小化相邻层输出误差的最优控制输入； 所述基于相邻层无人机输出一致性模型，基于强化学习，通过策略迭代，求解最小化相邻层输出误差的最优控制输入，包括： 给定初始控制输入与迭代次数，并设定收敛阈值； 以所述相邻层无人机输出一致性模型所定义的价值函数为基础，构造一个表征长期累积代价的价值函数； 基于动态规划的最优性原理，将所述价值函数在相邻时间步上的递归关系，建立为表征最优控制输入与系统状态之间依赖关系的贝尔曼方程； 在每一次迭代中，固定当前策略，通过求解所述贝尔曼方程，计算该策略下对应的价值函数，以评估该策略的长期控制性能； 利用策略评估得到的价值函数，在动力学模型约束下，通过哈密顿函数对控制输入求导并令其等于零，求解控制输入； 当两次迭代控制输入大于给定阈值时，继续进行迭代循环，当两次迭代控制输入小于给定阈值时，终止循环，输出最优控制输入； 或者，所述基于相邻层无人机输出一致性模型，基于强化学习，通过策略迭代，求解最小化相邻层输出误差的最优控制输入，还包括： 给定初始控制输入与迭代次数，并设定收敛阈值； 将价值函数映射为以增广状态-动作对为自变量的函数，根据最优性原理建立表征递推关系的Q学习的贝尔曼方程；所述函数融合了系统状态信息与当前及历史控制输入； 在每一轮迭代中，基于当前策略采集的系统数据，通过求解Q学习的贝尔曼方程更新函数，利用更新后的函数，对控制输入求导并令其等于零，求解控制输入； 当两次迭代控制输入大于给定阈值时，继续进行迭代循环，当两次迭代控制输入小于给定阈值时，终止循环，输出最优控制输入。

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山东师范大学，其通讯地址为：250000 山东省济南市长清区大学科技园大学路1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。