申请/专利权人：长春理工大学

申请日：2023-12-15

公开（公告）日：2024-04-05

公开（公告）号：CN117826865A

主分类号：G05D1/695

分类号：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：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本申请公开了一种基于深度强化学习的无人机复杂未知环境路径规划方法，该方法包括以下步骤：在仿真软件PyBullet中搭建无人机模型和逼真的无人机避障环境，确定无人机的起始点和目标点；根据无人机飞行特点以及仿真环境设计相应的动作空间和奖励函数；在预处理神经网络中加入LSTM神经网络，提高神经网络对于输入信息的理解；并对经验回放机制进行改进，使其变为复合优先经验回放机制，组成改进后的TD3算法；在仿真环境中，根据所构建的状态空间、动作空间以及奖励函数对无人机进行训练，从而输出最优的无人机路径规划结果；本发明提高了算法的训练效率，增加无人机的避障能力，实现更高性能的无人机路径规划。

主权项：1.一种基于深度强化学习的无人机复杂未知环境路径规划方法，其特征在于，包括以下步骤：步骤1：利用Pybullet仿真引擎搭建无人机模型和路径规划所需的仿真环境，并根据无人机的飞行特点和仿真环境设计相应的动作空间和奖励函数；步骤2：在预处理网络中加入LSTM神经网络；步骤3：构建包括Actor-Critic网络的TD3算法模型，将步骤1所述无人机的状态变量和通过Actor网络获取的决策动作输入Critic网络获取Q值，用于Critic网络的参数更新；步骤4：基于改进的TD3算法模型，在仿真环境中进行无人机的路径规划以及避障训练。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于深度强化学习的无人机复杂未知环境路径规划方法

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