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！

龙图腾网获悉北京航空航天大学申请的专利一种基于先验概率信息引导的多无人机智能规避目标搜索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：CN119597017B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411764107.3，技术领域涉及：G05D1/695；该发明授权一种基于先验概率信息引导的多无人机智能规避目标搜索方法是由豆文颖;杨朋;曹先彬设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于先验概率信息引导的多无人机智能规避目标搜索方法在说明书摘要公布了：本发明属于多无人机协同规划技术领域，尤其为一种基于先验概率信息引导的多无人机智能规避目标搜索方法，包括如下步骤：步骤1：建立无人机平台模型，传感器模型，目标运动模型；步骤2：建立环境信息图模型，包括目标搜索概率图、环境不确定信息图、数字信息素图；步骤3：采用在分布式模型预测控制DMPC框架下，结合粒子群优化PSO和Dubins曲线进行路径规划，无人机则根据目标的规避动态进行追踪，一旦目标被无人机捕获，便停止移动，直至所有目标被全部捕获。本发明建立了运动预测模型，实时更新概率地图，实现了在已知目标数量、初始位置和运动状态的情况下，对多目标的高效搜索，解决了协同搜索算法效率低下及多无人机资源浪费的问题。

本发明授权一种基于先验概率信息引导的多无人机智能规避目标搜索方法在权利要求书中公布了：1.一种基于先验概率信息引导的多无人机智能规避目标搜索方法，其特征在于：包括如下步骤： 步骤1：建立无人机平台模型，传感器模型，目标运动模型； 步骤2：建立环境信息图模型，包括目标搜索概率图、环境不确定信息图、数字信息素图； 步骤3：采用在分布式模型预测控制DMPC框架下，结合粒子群优化PSO和Dubins曲线进行路径规划，无人机则根据目标的规避动态进行追踪，一旦目标被无人机捕获，便停止移动，直至所有目标被全部捕获； 所述步骤1中建立目标运动模型的具体内容为：将目标的结构与运动姿态简化为质点；针对具有智能规避侦察特性的动态目标，考虑到实际被搜索目标具有一定的反侦察能力,目标可以感知附近无人机的存在，当无人机进入该感知范围时，目标会做出规避动作，当目标感知到无人机时，它会调整其运动方向，远离无人机的方向，目标将沿着规避方向更新其位置，设计目标运动方程为： 其中：pt是目标在时刻t的位置，pt+1是下一时刻的目标位置，vt是目标的速度，Δt是时间步长，是规避方向的单位向量，通过目标和无人机之间的相对位置来计算规避方向：r＝pt-puav＝xt-xuav,yt-yuav； 为了远离无人机，目标将向位置的反方向运动，规避方向是相对位置向量的反方向单位向量： 考虑有多个无人机，目标根据所有无人机的位置进行综合规避，将所有无人机的位置影响进行加权平均：其中，wi是规避强度，定义为距离越近的无人机对规避方向的影响越大； 所述步骤2中建立目标搜索概率图的具体内容为：多UAV系统对任务区域搜索前，每架UAV初始化各自的搜索信息图，在动态目标的搜索和跟踪过程中，应考虑以下三种情况，Ⅰ：目标的大概初始位置已知时；Ⅱ：当目标的位置和速度已知时；Ⅲ：当目标的位置、速度及方向都已知时；使用基于概率的动态模型对目标位置进行更新，通过概率密度函数pxyt来描述目标在时间t时刻位于位置x,y的概率，并考虑到在每个时间步内，目标可能会移动到相邻网格单元中，通过网格间的概率变化Δpm,l,k,i来描述这种动态更新：Δpm,l,k,i＝pm+Δ,l,k-pm,l,k；其中：Δ对应于不同方向上的相邻格点，Δpm,l,k,i表示在栅格m的某个方向i上，目标l的存在概率的空间梯度，由无人机k计算；为了进一步修正目标移动过程中的不确定性，引入散射强度系数dl,i，并最终得到以下更新公式： 所述步骤2中建立环境不确定信息图，随着多UAV对区域的协同搜索程度的加深，UAV对任务区域的了解程度逐渐增加，不确定度降低；当栅格x,y被探测到时，χxyt+1＝η·χxyt；当栅格x,y没有被探测到时，χxyt+0.51-χxyt；其中，η为环境中信息不确定度的衰减因子，η∈[0,1],χxyt＝0＝1。

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北京航空航天大学，其通讯地址为：100083 北京市海淀区学院路37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。