科创中国
飞行控制网络的构建方法、控制方法及系统
发布时间: 2025-05-06
基本信息
合作方式：
技术咨询
成果类型：
发明专利
行业领域：
新一代信息技术产业,高端装备制造产业,人工智能,智能制造装备产业
成果介绍
本成果提出了一种无人机飞行控制网络的构建方法、控制方法及系统，旨在显著提升无人机在复杂环境中的自适应性和灵活性。该方法通过深度确定性策略梯度算法（DDPG）结合无人机的状态信息和目标飞行值，搭建姿态控制网络，实现对无人机姿态的精确控制。同时，采用深度强化学习算法，分别构建路径规划网络和智能规避网络，以优化无人机的飞行路径并增强其避障能力。在此基础上，构建层次深度强化学习网络，整合姿态控制、路径规划和智能规避功能，形成完整的飞行控制网络。该网络通过历史飞行数据和预设飞行奖励机制进行训练，进一步优化控制策略。此外，系统还具备网络结构优化能力，能够根据飞行任务需求动态调整网络参数，提升控制精度和鲁棒性。本成果不仅提高了无人机在复杂环境中的自主飞行能力，还为无人机在民用和军事领域的广泛应用提供了有力支持。
成果亮点
本成果的核心亮点在于其创新性的飞行控制网络构建方法和多层次的强化学习架构。首先，通过深度确定性策略梯度算法（DDPG）结合循环神经网络（RNN），实现了对无人机姿态的高精度控制，能够有效处理时序数据并优化控制策略。其次，采用双延迟深度确定性策略梯度算法（TD3）和软行动者-评论家算法（SAC），构建了路径规划网络，能够在复杂三维环境中规划最优飞行路径。此外，基于单元状态序列（USS）的强化学习算法构建的智能规避网络，能够实时检测并预测潜在风险，生成最优规避动作。层次深度强化学习网络的构建，实现了从底层姿态控制到中层路径规划再到高层智能规避的层次化决策过程，显著提升了无人机的自主性和灵活性。通过历史飞行数据和预设飞行奖励机制的训练，该网络能够快速适应不同环境，优化飞行策略。最后，网络结构优化策略的引入，进一步提高了控制网络的精度和鲁棒性，使其能够在复杂多变的环境中实现高精度、高可靠性的飞行控制。
团队介绍
本成果的研发团队在无人机技术、深度学习、强化学习等领域拥有深厚的专业背景和丰富的实践经验。团队成员紧密合作，充分发挥各自的专业优势，攻克了无人机飞行控制中的多项技术难题，包括复杂环境下的路径规划、实时避障以及姿态控制等。该团队不仅具备强大的技术研发能力，还能够将前沿技术与实际应用场景相结合，实现了从理论研究到工程应用的高效转化。通过优化飞行控制网络的结构和功能，团队为提高无人机在复杂环境中的自主飞行能力做出了重要贡献，推动了无人机技术在民用和军事领域的广泛应用。
成果资料
下载app