-
公开(公告)号：CN118244799A
公开(公告)日：2024-06-25
申请号：CN202410686445.3
申请日：2024-05-30
Applicant: 南京信息工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机编队协调控制方法，包括以下步骤：（1）根据运动学和动力学原理建立单一无人机的飞行模型；（2）构建虚拟领航法无人机集群编队相对运动模型；（3）根据无人机的动力学模型和编队运动模型设计滑模控制器对无人机进行控制；（4）设计马尔科夫决策过程，设计滑模控制器的状态空间，动作空间和奖励函数；（5）构建多智能体的表演家‑评论家网络结构；（6）运用多智能体强化学习算法对所述多智能体的表演家‑评论家网络结构进行集中式训练和分布式执行策略；（7）保存训练好的深度强化学习智能体，对无人机对应飞控进行控制来完成编队；本发明对于复杂任务和多变环境具有更好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117782108A
公开(公告)日：2024-03-29
申请号：CN202410212720.8
申请日：2024-02-27
Applicant: 南京信息工程大学
Abstract: 本发明公开一种应用于海洋中尺度漩涡探测的多无人机定位系统及方法，首先通过卫星获取中尺度漩涡的模糊位置，然后利用无人机携带温度传感器，根据中尺度漩涡内部水温与周围水温相差较大这一特点，利用基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法，实现了对温度的实时监测和漩涡中心的精准定位。解决了根据海面高度异常数据不能检测到中尺度的漩涡以及由海表面温度数据跟踪漩涡存在不稳定性的问题。
-
公开(公告)号：CN119233275B
公开(公告)日：2025-03-25
申请号：CN202411733873.3
申请日：2024-11-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于熵反馈控制的无人机体传感网络部署方法，基于Olfati‑Saber模型引入局部熵、速度熵和拓扑连接熵的实时反馈机制，通过控制集群系统的熵减过程，动态调整各无人机的相互作用力及避障策略，提升传感网络在复杂环境中的鲁棒性和自适应能力，有效保证网络的连通性和协同作业效率。本发明通过熵反馈控制通信复杂度，有效减少集群中不必要的通信连接，避免过度通信带来的冗余，降低信息传输的开销，根据熵值反馈动态调整通信资源的分配权重，优先与重要节点建立连接，提高通信资源的利用效率，通过实时监控拓扑连接熵，自适应调整网络结构，根据任务需求灵活优化通信拓扑，确保在复杂环境中的高效通信和集群稳定性。
-
公开(公告)号：CN119233275A
公开(公告)日：2024-12-31
申请号：CN202411733873.3
申请日：2024-11-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于熵反馈控制的无人机体传感网络部署方法，基于Olfati‑Saber模型引入局部熵、速度熵和拓扑连接熵的实时反馈机制，通过控制集群系统的熵减过程，动态调整各无人机的相互作用力及避障策略，提升传感网络在复杂环境中的鲁棒性和自适应能力，有效保证网络的连通性和协同作业效率。本发明通过熵反馈控制通信复杂度，有效减少集群中不必要的通信连接，避免过度通信带来的冗余，降低信息传输的开销，根据熵值反馈动态调整通信资源的分配权重，优先与重要节点建立连接，提高通信资源的利用效率，通过实时监控拓扑连接熵，自适应调整网络结构，根据任务需求灵活优化通信拓扑，确保在复杂环境中的高效通信和集群稳定性。
-
公开(公告)号：CN117782108B
公开(公告)日：2024-05-10
申请号：CN202410212720.8
申请日：2024-02-27
Applicant: 南京信息工程大学
Abstract: 本发明公开一种应用于海洋中尺度漩涡探测的多无人机定位系统及方法，首先通过卫星获取中尺度漩涡的模糊位置，然后利用无人机携带温度传感器，根据中尺度漩涡内部水温与周围水温相差较大这一特点，利用基于改进矩形波式Z字形遍历的漩涡发现方法和基于PSO的漩涡跟踪方法，实现了对温度的实时监测和漩涡中心的精准定位。解决了根据海面高度异常数据不能检测到中尺度的漩涡以及由海表面温度数据跟踪漩涡存在不稳定性的问题。
-
公开(公告)号：CN118244799B
公开(公告)日：2024-08-13
申请号：CN202410686445.3
申请日：2024-05-30
Applicant: 南京信息工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机编队协调控制方法，包括以下步骤：（1）根据运动学和动力学原理建立单一无人机的飞行模型；（2）构建虚拟领航法无人机集群编队相对运动模型；（3）根据无人机的动力学模型和编队运动模型设计滑模控制器对无人机进行控制；（4）设计马尔科夫决策过程，设计滑模控制器的状态空间，动作空间和奖励函数；（5）构建多智能体的表演家‑评论家网络结构；（6）运用多智能体强化学习算法对所述多智能体的表演家‑评论家网络结构进行集中式训练和分布式执行策略；（7）保存训练好的深度强化学习智能体，对无人机对应飞控进行控制来完成编队；本发明对于复杂任务和多变环境具有更好的鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
