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！

龙图腾网获悉大连理工大学申请的专利可重复使用运载器巡航段智能轨迹规划方法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：CN121635429B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610164554.8，技术领域涉及：G05D1/46；该发明授权可重复使用运载器巡航段智能轨迹规划方法是由李婕铭;刘凯;王冠;杨峰;李华东;赵清风设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本可重复使用运载器巡航段智能轨迹规划方法在说明书摘要公布了：本发明属于可重复使用运载器轨迹规划与智能控制领域，涉及一种可重复使用运载器巡航段智能轨迹规划方法。通过构建巡航段运载器三自由度质心运动动力学模型，基于高斯伪谱法生成覆盖广泛工况的离线最优轨迹样本库，设计深度神经网络学习任务参数与轨迹特征的映射关系，在线输出高质量轨迹规划初值。结合自适应配点法动态调整配点分布，以优质初值为起点迭代求解非线性规划问题，实现轨迹的高效精确优化。仿真结果表明，该方法显著降低了在线优化对初始猜测的敏感性，在复杂约束与不确定性工况下仍具备快速响应能力和高鲁棒性，有效提升了可重复使用运载器巡航段的自主轨迹规划能力，保障了飞行可靠性与控制精度。

本发明授权可重复使用运载器巡航段智能轨迹规划方法在权利要求书中公布了：1.一种可重复使用运载器巡航段智能轨迹规划方法，其特征在于，包括如下步骤： 步骤1、构建巡航段运载器三自由度质心运动动力学模型； 步骤2、基于高斯伪谱法的离线样本数据生成； 针对巡航段任务剖面，包括巡航、应急重规划、多目标切换场景，采用高斯伪谱法GPM作为轨迹优化器，通过系统性任务参数采样与批量优化计算，生成覆盖广泛工况的最优轨迹样本库； 步骤3、基于深度神经网络的轨迹规划初值智能预测器设计； 设计深度神经网络DNN模型，学习从任务参数到最优轨迹特征向量的复杂映射关系，用于在线快速预测规划初值； 步骤4、结合初值预测与自适应配点法的在线轨迹优化； 将DNN预测的初值作为自适应配点法的初始点，通过动态调整配点分布与NLP迭代求解，实现在线快速、精确的轨迹优化，满足可重复使用运载器巡航段的实时性与精度需求； 步骤3具体如下： 步骤3.1、网络结构设计 采用全连接前馈神经网络架构，网络层数为层，分别为输入层、5个隐藏层和输出层； 步骤3.2、网络训练与优化 采用加权均方误差作为损失函数，考虑轨迹特征向量中不同分量的重要性差异，对状态变量、控制变量、时间序列分别设置权重： 6 其中，为损失函数，为训练集样本数；、、分别为第个样本的预测状态序列、控制序列、时间序列；、、分别为对应的真实值；、和为权重系数； 采用Adam优化器，设置学习率、动量参数和、权重衰减系数、批量大小BatchSize和步长Epoch；采用早停策略，当验证集损失连续a个Epoch无下降时，停止训练，避免过拟合；采用余弦退火学习率调度器，每b个Epoch将学习率衰减至当前值的0.1倍，提升后期训练精度；a和b根据实际情况自行设定； 步骤3.3、初值生成 在线应用时，针对实时任务参数，包括由传感器采集的初始状态、任务终端要求、约束边界和控制约束，按以下步骤生成轨迹优化初值： 步骤3.3.1、采用离线训练得到的与，为训练集输入的均值向量，为训练集输入的标准差向量；对进行标准化处理，得到标准化后的实时任务参数； 步骤3.3.2、将输入训练完成的DNN模型，经前向传播输出，逆标准化后得到轨迹特征向量，其中、、分别为预测的状态序列、控制序列、时间序列； 步骤3.3.3、状态与控制初值重构采用三次样条插值方法，基于、、重构连续的状态初值曲线与控制初值曲线： 7 8 其中，和为三次样条插值函数，确保和及其一阶导数连续； 步骤3.3.4、基于最优控制的庞特里亚金极小值原理，协态变量与状态变量满足，为哈密顿函数，利用DNN预测的状态与控制初值，通过数值差分方法粗略估计协态变量初值： 9 其中，为协态变量的初步猜测值，为高斯伪谱法的配点离散索引； 最终生成的初值集合为，其中为预测的终端时刻，作为在线轨迹优化的起始点。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。