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！

龙图腾网获悉河南大学申请的专利基于动态威胁的LGVF-APF-SAC航天器路径规划方法、存储介质和电子设备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：CN119618230B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411484531.2，技术领域涉及：G01C21/24；该发明授权基于动态威胁的LGVF-APF-SAC航天器路径规划方法、存储介质和电子设备是由魏倩;丁鑫龙;陈赞如;王静;赵铮;霍勇进;苗天一;张亚宁设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本基于动态威胁的LGVF-APF-SAC航天器路径规划方法、存储介质和电子设备在说明书摘要公布了：本发明公开了基于动态威胁的LGVF‑APF‑SAC航天器路径规划方法、存储介质和电子设备，具体包括入下步骤，首先根据动态威胁雷达探测暴露风险建立实时风险函数，雷达辐射根据风险函数进一步生成预警区域。基于该预警区域，使用改进的动态时变LGVF构建了基于动态时变LGVF的导引势场，为航天器规避预警区域到达目标点进行指引。然后，开发了一个端到端的强化学习框架。该框架选用最大熵RLSAC算法，将所构建的导引势场以奖励函数形式整合进学习过程，用以评估并优化航天器的决策动作。本发明所提算法能够在保证满足航天器动力学过载条件的同时，提高路径规划的动态适应能力和可靠性。

本发明授权基于动态威胁的LGVF-APF-SAC航天器路径规划方法、存储介质和电子设备在权利要求书中公布了：1.基于动态威胁的LGVF-APF-SAC航天器路径规划方法，其特征在于：包括如下步骤： 步骤1：建立航天器路径规划场景模型，其具体过程为： 本发明涉及的动态未知环境中的航天器路径规划任务，描述为航天器在前往目标点执行追捕任务过程中躲避途中的动态威胁的过程，对此问题建立优化函数模型如公式1所示： 其中，pt＝[xt,yt]是航天器t时刻的位置；xt和yt是航天器在t时刻的坐标，X表示威胁区域、x和y为航天器在二维上的坐标信息；Nmax＝[NXmax,NYmax]表示航天器的纵向和横向动力过载阈值，航天器的角速度不可大于该阈值；p0和pG分别代表开始和结束位置；该目标函数旨在找到一个路径，该路径不仅总距离最短，而且要在安全避开威胁区域的同时符合航天器动力学约束，不可有过载动力转弯动作； 航天器连续时间下的动力学微分模型定义如公式2所示： 其中x和y为航天器在二维上的坐标信息；v表示航天器的速率，与u是速率的微分量即加速度u；表示航天器的航向，是航向变化的微分量即角速度ψ； 设定该场景任务成功的条件为航天器P与目标点E的距离小于航天器的任务作用范围内，如公式3所示： dPE≤RP3 其中，dPE是航天器P与目标E的距离，RP是指航天器P的任务作用范围； 设定该场景任务失败的条件为航天器P与威胁区域X发生重叠，即航天器被威胁雷达探测到，如公式4所示： pt∈X4 步骤2：根据步骤1建立的航天器路径规划场景模型，设计航天器的状态空间模型、动作空间模型； 步骤3：根据步骤1建立的航天器路径规划场景模型，建立基于雷达探测暴露风险的动态预警区域； 步骤4：根据步骤3建立的基于雷达探测暴露风险的动态预警区域，建立基于雷达探测威胁的动态时变LGVF导引势场； 步骤5：根据步骤1建立的航天器路径规划场景模型，提出改进的深度强化学习SAC算法，为航天器提供实时的动作策略，以应对未知的动态复杂场景； 步骤6：将步骤4所述基于雷达探测威胁的动态时变LGVF导引势场以奖励函数形式整合进步骤5提出的基于深度强化学习算法的航天器路径规划场景模型中，优化强化学习决策过程； 步骤7：将步骤6中所提出的已优化算法模型加载到信息部分可观测且不可预知的在线任务仿真场景中测试，通过追捕航天器执行追捕任务的测试效果反馈完善所述的航天器路径规划场景模型。

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河南大学，其通讯地址为：450000 河南省郑州市郑东新区明理路北段379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。