融合A星算法和强化学习的多无人机空海协同目标监测方法

    公开(公告)号:CN118466301B

    公开(公告)日:2025-01-24

    申请号:CN202410621743.4

    申请日:2024-05-17

    Abstract: 本发明公开了一种融合A星算法和强化学习的多无人机空海协同目标监测方法,涉及路径规划技术领域,解决了空海协同监测效率和精准度不够高的技术问题,其技术方案要点融合A星算法和强化学习的路径规划算法来指导无人机的全覆盖路径规划与水面船只的点到点路径规划,以提高任务执行效率,并有效减少航行风险从而确保任务的安全高效执行;通过利用声纳阵列同时对水下情况进行监测,拓宽了监测的深度和广度,对潜在异常进行有效预防。本发明充分结合空中、海面上的精确扫描与水下的深度勘测,能够有效提升对广阔海域及水下目标监测的全面性和准确性。

    一种基于改进栅格法的无人机巡逻路径规划方法

    公开(公告)号:CN115774459A

    公开(公告)日:2023-03-10

    申请号:CN202211594784.6

    申请日:2022-12-13

    Abstract: 本发明属于无人机路径规划技术领域,具体地说,是一种基于改进栅格法的无人机巡逻路径规划方法,为了克服传统栅格法的信息单一不符合实际和确定性算法的局部最优的缺陷,解决环境信息复杂时变、突发情况应急处理、周期巡逻覆盖和隐患消除跟踪等问题,本发明通过优化现有栅格建模方法构建无人机安全风险区划图、重点区域等级区划图和无人机航行速度与探测距离区划图,生成巡逻区域环境信息与速度分布区划图,由任务控制中心进行战术选择,将静态规划与动态规划结合、区域规划与速度规划结合,进而满足约束条件完成路径优化任务。本发明在无人机规划的民用领域和军用领域均有工程实践性,有助于提高任务执行效率。

    一种高维时空信息融合的短期日降水预报方法

    公开(公告)号:CN119808565A

    公开(公告)日:2025-04-11

    申请号:CN202411882963.9

    申请日:2024-12-19

    Abstract: 本发明公开一种高维时空信息融合的短期日降水预报方法,利用小波包转换提取日降水序列数据的不同频率的特征分量;基于相空间重构方法扩大特征分量的维度;利用Cao方法确定特征分量的最优重构维度,恢复每个序列的混沌吸引子;通过非线性动力系统模型,将嵌入非延迟吸引子中的信息映射到目标变量的延迟吸引子中;利用CNN‑LSTM模型模拟非延迟吸引子到延迟吸引子之间的非线性映射,对时空信息进行融合,得到耦合预报模型;重复嵌入形成目标变量的预测集,获得耦合预报模型的最终预测结果。本发明相较于现有深度学习模型技术,只需要少量的训练样本就可以极大地提高短期日降水预报的准确性,具有较大的可靠性和应用潜力。

    融合A星算法和强化学习的多无人机空海协同目标监测方法

    公开(公告)号:CN118466301A

    公开(公告)日:2024-08-09

    申请号:CN202410621743.4

    申请日:2024-05-17

    Abstract: 本发明公开了一种融合A星算法和强化学习的多无人机空海协同目标监测方法,涉及路径规划技术领域,解决了空海协同监测效率和精准度不够高的技术问题,其技术方案要点融合A星算法和强化学习的路径规划算法来指导无人机的全覆盖路径规划与水面船只的点到点路径规划,以提高任务执行效率,并有效减少航行风险从而确保任务的安全高效执行;通过利用声纳阵列同时对水下情况进行监测,拓宽了监测的深度和广度,对潜在异常进行有效预防。本发明充分结合空中、海面上的精确扫描与水下的深度勘测,能够有效提升对广阔海域及水下目标监测的全面性和准确性。

Patent Agency Ranking