申请/专利权人：北京航空航天大学

申请日：2023-10-12

公开（公告）日：2024-01-26

公开（公告）号：CN117452959A

主分类号：G05D1/46

分类号：G05D1/46;G05D1/695;G05D109/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明涉及一种时空关联推理学习的多机协同追捕方法，属于飞行器技术领域，解决了现有技术中无人机协同围捕方法存在决策难度大、决策效率低、灵活性差、追捕时间长和安全风险高的问题。本发明针对多无人机协同围捕“黑飞”无人机的任务场景中通信数据缺失或延迟到达的问题，设计了Transformer机制提取动态时空图网络数据特征来辅助追捕者无人机决策，使追捕者无人机不依赖完整的通信数据就能够掌握准确的全局形势信息，降低决策难度，协同追捕决策效率高；为追捕者提供了无人机间的动态关联和相互作用信息，提升追捕策略在时空上的协同性与合理性，基于时空依赖的追捕灵活性强，追捕时间短，降低追捕者之间的潜在冲突，降低安全风险。

主权项：1.一种时空关联推理学习的多机协同追捕方法，其特征在于，包括如下步骤：步骤S1.构建多机协同追捕场景、Transformer模型和深度强化学习网络；从多机协同追捕场景中获取状态信息；步骤S2.利用状态信息构建动态时空图网络；动态时空图网络经过Transformer模型的预测得到预测编码向量，用于获取下一时刻的动态时空图网络状态预测结果；步骤S3.将预测编码向量与状态信息共同输入深度强化学习网络，得到机动动作指令；多机按此机动动作指令进行协同追捕，获取奖励并更新状态信息；奖励用于更新深度强化学习网络；步骤S4.更新后的状态信息用于结合动态时空图网络状态预测结果来更新Transformer模型；步骤S5.持续训练和更新Transformer模型和深度强化学习网络，完成训练后，用于执行多机协同追捕任务。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种时空关联推理学习的多机协同追捕方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD