公开(公告)号：CN110717670B

公开(公告)日：2023-06-23

申请号：CN201910947541.8

申请日：2019-10-08

Applicant: 西北工业大学

Inventor： 张堃 ,  刘泽坤 ,  张振冲 ,  李珂 ,  时昊天

IPC: G06Q10/0631 ,  G06Q10/067

Abstract: 本发明提供了一种基于MA与合同网的多UAV协同对地物资投放规划方法，在传统合同网的基础上改变了无人机对于任务执行能力的计算模型以及对关联任务执行能力的计算模型，建立基于MA与合同网的多UAV协同对地物资投放规划方法，使参与执行任务的无人机集群中的每一个无人机能够按照自身执行不同任务执行能力竞争任务，使待执行的全部任务得到合理、有序的无人机资源分配，并且针对无人机损坏或任务完成度不足的情况进行任务重分配，提高任务的执行效率以及完成率。

公开(公告)号：CN111897353B

公开(公告)日：2022-08-02

申请号：CN202010649476.3

申请日：2020-07-08

Applicant: 西北工业大学

Inventor： 张堃 ,  时昊天 ,  张振冲 ,  刘泽坤 ,  李珂

IPC: G05D1/08 ,  G05D1/10

Abstract: 本发明提供了一种基于GRU的飞行器机动轨迹预测方法，将飞行器机动轨迹数据集分割为训练集与测试集，对其中的单条各维度机动轨迹数据进行归一化处理；利用训练集对GRU进行训练，并利用测试集进行准确率检测；生成基于GRU的机动轨迹预测网络，储存网络结构及所有网络参数；根据基于GRU的机动轨迹预测网络，实现对飞行器机动轨迹预测。本发明提高了飞行器六自由度机动数据预测的准确性与超前性，同时该模型对传入数据的序列长度及维度不具有特殊要求，对数据具有较强的适应性，为提前判断目标飞行器位置和姿态信息提供了可靠的支持。

公开(公告)号：CN110717670A

公开(公告)日：2020-01-21

申请号：CN201910947541.8

申请日：2019-10-08

Applicant: 西北工业大学

Inventor： 张堃 ,  刘泽坤 ,  张振冲 ,  李珂 ,  时昊天

IPC: G06Q10/06

Abstract: 本发明提供了一种基于MA与合同网的多UAV协同对地物资投放规划方法，在传统合同网的基础上改变了无人机对于任务执行能力的计算模型以及对关联任务执行能力的计算模型，建立基于MA与合同网的多UAV协同对地物资投放规划方法，使参与执行任务的无人机集群中的每一个无人机能够按照自身执行不同任务执行能力竞争任务，使待执行的全部任务得到合理、有序的无人机资源分配，并且针对无人机损坏或任务完成度不足的情况进行任务重分配，提高任务的执行效率以及完成率。

公开(公告)号：CN112198870B

公开(公告)日：2022-09-02

申请号：CN202010481676.2

申请日：2020-06-01

Applicant: 西北工业大学

Inventor： 张堃 ,  李珂 ,  时昊天 ,  张振冲 ,  刘泽坤

IPC: G05D1/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于DDQN的无人机自主引导机动决策方法，基于优先级采样双深度Q学习算法与马尔可夫决策过程相结合的无人机自主引导机动决策方法，引入双Q学习算法改进深度Q学习算法的迭代方式，提高训练效率，采用优先级采样方法促进算法快速收敛，更好地利用历史数据的多样性；无人机可根据外界飞行环境状态实现自主引导机动决策，完成固定目标点下的自主引导机动决策，有效地提高了无人机飞行的自主性。本发明消除DQN算法存在的过拟合问题，极大地提高了无人机自主引导机动决策方法的离线训练效率，增强了无人机在飞行过程中的自主性，提高了无人机执行任务的效率。

公开(公告)号：CN112198870A

公开(公告)日：2021-01-08

申请号：CN202010481676.2

申请日：2020-06-01

Applicant: 西北工业大学

Inventor： 张堃 ,  李珂 ,  时昊天 ,  张振冲 ,  刘泽坤

IPC: G05D1/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于DDQN的无人机自主引导机动决策方法，基于优先级采样双深度Q学习算法与马尔可夫决策过程相结合的无人机自主引导机动决策方法，引入双Q学习算法改进深度Q学习算法的迭代方式，提高训练效率，采用优先级采样方法促进算法快速收敛，更好地利用历史数据的多样性；无人机可根据外界飞行环境状态实现自主引导机动决策，完成固定目标点下的自主引导机动决策，有效地提高了无人机飞行的自主性。本发明消除DQN算法存在的过拟合问题，极大地提高了无人机自主引导机动决策方法的离线训练效率，增强了无人机在飞行过程中的自主性，提高了无人机执行任务的效率。

公开(公告)号：CN111897353A

公开(公告)日：2020-11-06

申请号：CN202010649476.3

申请日：2020-07-08

Applicant: 西北工业大学

Inventor： 张堃 ,  时昊天 ,  张振冲 ,  刘泽坤 ,  李珂

IPC: G05D1/08 ,  G05D1/10

Abstract: 本发明提供了一种基于GRU的飞行器机动轨迹预测方法，将飞行器机动轨迹数据集分割为训练集与测试集，对其中的单条各维度机动轨迹数据进行归一化处理；利用训练集对GRU进行训练，并利用测试集进行准确率检测；生成基于GRU的机动轨迹预测网络，储存网络结构及所有网络参数；根据基于GRU的机动轨迹预测网络，实现对飞行器机动轨迹预测。本发明提高了飞行器六自由度机动数据预测的准确性与超前性，同时该模型对传入数据的序列长度及维度不具有特殊要求，对数据具有较强的适应性，为提前判断目标飞行器位置和姿态信息提供了可靠的支持。