买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖北航天技术研究院总体设计所申请的专利飞行器在线航路规划方法、装置、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116429115B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310440192.7，技术领域涉及：G01C21/20；该发明授权飞行器在线航路规划方法、装置、设备及存储介质是由杨志鹏;毛金娣;林松;曾长;陈子浩;祁释冰;孟斌;张凯;牛汉青;王兴隆;柴红霞设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本飞行器在线航路规划方法、装置、设备及存储介质在说明书摘要公布了：本发明公开了一种飞行器在线航路规划方法、装置、设备及存储介质，所述方法通过获取飞行器的飞行数据，根据飞行数据构建飞行器的在线航路规划对应的马尔科夫模型；构建飞行器的深度确定性策略梯度算法DDPG神经网络，根据DDPG神经网络构建飞行器的课程学习CL模型；接收到课程学习任务时，根据马尔科夫模型、课程学习CL模型在课程学习任务中对飞行器的在线航路规划模型进行训练，获得训练好的最终航路规划，能够提升网络对未知环境和策略的探索能力，提升了模型训练速率，实现了对目标区域的规避，有效完成在线航路规划任务，能够满足真实任务场景需求，具有很好的通用性能，提高了飞行器在线航路规划速度和效率。

本发明授权飞行器在线航路规划方法、装置、设备及存储介质在权利要求书中公布了：1.一种飞行器在线航路规划方法，其特征在于，所述飞行器在线航路规划方法包括： 获取飞行器的飞行数据，根据所述飞行数据构建所述飞行器的在线航路规划对应的马尔科夫模型； 构建所述飞行器的深度确定性策略梯度算法DDPG神经网络，根据所述DDPG神经网络构建飞行器的课程学习CL模型； 接收到课程学习任务时，根据所述马尔科夫模型、所述课程学习CL模型在所述课程学习任务中对所述飞行器的在线航路规划模型进行训练，获得训练好的最终航路规划； 其中，所述构建所述飞行器的深度确定性策略梯度算法DDPG神经网络，根据所述DDPG神经网络构建飞行器的课程学习CL模型，包括： 通过下式获取所述飞行器在评价网络各个时刻不同飞行器动作和不同飞行器状态下的状态行为值： 其中，为状态行为值，为所述飞行器在评价网络t时刻的飞行器状态，为所述飞行器在评价网络t时刻的飞行器动作的动作输出值，为评价网络； 根据所述状态行为值将深度确定性策略梯度算法DDPG神经网络的动作网络和Critic评价网络进行复制，生成动作目标网络和评价目标网络，根据所述动作目标网络和所述评价目标网络构建所述飞行器的DDPG神经网络； 根据所述DDPG神经网络构建飞行器的课程学习CL模型； 可选地，所述根据所述DDPG神经网络构建飞行器的课程学习CL模型，包括： 获取所述DDPG神经网络的动作输出初值和高斯噪声处理后的动作值，根据所述动作输出初值和所述动作值通过下式更新所述飞行器对应路径规划子任务的动作输出值： 其中，为所述飞行器在评价网络t时刻的飞行器动作的动作输出值，为所述动作输出初值，为对应路径规划子任务1目标靠近的高斯噪声，为对应路径规划子任务2威胁规避的高斯噪声，为对应路径规划子任务3航路寻优的高斯噪声，为过高斯噪声处理后的动作值； 根据所述动作输出值和预设训练课程构建所述飞行器的课程学习CL模型； 可选地，所述接收到课程学习任务时，根据所述马尔科夫模型、所述课程学习CL模型在所述课程学习任务中对所述飞行器的在线航路规划模型进行训练，获得训练好的最终航路规划，包括： 接收到课程学习任务时，根据所述马尔科夫模型和所述课程学习CL模型确定训练场景、训练回合数、经验回放队列容量、采样大小、每回合最大步长、动作网络学习率、评价网络学习率和软更新系数； 根据所述训练场景、所述训练回合数、所述经验回放队列容量、所述采样大小、所述每回合最大步长、所述动作网络学习率、所述评价网络学习率和所述软更新系数更新所述飞行器的动作网络和评价网络，并对所述飞行器的在线航路规划模型进行训练，获得训练好的最终航路规划。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖北航天技术研究院总体设计所，其通讯地址为：430040 湖北省武汉市东西湖区金山大道9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。