[发明专利]一种基于深度强化学习的固定翼无人机群集控制方法有效
| 申请号： | 201910832120.0 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110502034B | 公开（公告）日： | 2022-08-09 |
| 发明（设计）人： | 闫超;相晓嘉;王菖;牛轶峰;尹栋;吴立珍;陈紫叶 | 申请（专利权）人： | 中国人民解放军国防科技大学 |
| 主分类号： | G05D1/10 | 分类号： | G05D1/10 |
| 代理公司： | 湖南兆弘专利事务所(普通合伙) 43008 | 代理人： | 周长清 |
| 地址： | 410073 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度强化学习的固定翼无人机群集控制方法，其步骤包括：步骤S1、离线训练阶段：建立随机无人机动力学模型，基于竞争双重Q网络的Q函数评估之后，进行动作选择；所述竞争双重Q网络为D3QN网络；步骤S2、在线执行阶段：构建竞争双重Q网络，并载入训练好的网络模型，所述网络模型和动作选择策略运行在僚机的机载电脑上，长机滚转动作由操控员给出，长机和僚机的自驾仪分别根据各自的滚转动作，直至完成飞行任务。本发明具有较强的实时性和适应性，能够将仿真中训练得到的策略迁移到真实环境等优点。 | ||
| 搜索关键词： | 一种 基于 深度 强化 学习 固定 无人机 群集 控制 方法 | ||
【主权项】：
1.一种基于深度强化学习的固定翼无人机群集控制方法，其特征在于，步骤包括：/n步骤S1、离线训练阶段：建立随机无人机动力学模型，基于竞争双重Q网络的Q函数评估之后，进行动作选择；所述竞争双重Q网络为D3QN网络；/n步骤S2、在线执行阶段：构建竞争双重Q网络，并载入训练好的网络模型，所述网络模型和动作选择策略运行在僚机的机载电脑上，长机滚转动作由操控员给出，长机和僚机的自驾仪分别根据各自的滚转动作，直至完成飞行任务。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学，未经中国人民解放军国防科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910832120.0/，转载请声明来源钻瓜专利网。
