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！

龙图腾网获悉厦门海洋职业技术学院申请的专利基于多模态神经网络的无人机仿真自适应管理系统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：CN121477938B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610021362.1，技术领域涉及：G05D1/46；该发明授权基于多模态神经网络的无人机仿真自适应管理系统是由刘温良;郝文远;曹文胜设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本基于多模态神经网络的无人机仿真自适应管理系统在说明书摘要公布了：本发明涉及悬停管理技术领域，公开了基于多模态神经网络的无人机仿真自适应管理系统，包括：数据融合单元、悬停分析单元、位姿规划单元、位姿管理单元，本方案通过融合飞行、动力、海浪模态数据，生成精准海面形变图，实时了解旋翼下沉气流、救援船尾流引发的海面形态动态变化，而生成的动态悬停容差域，可有效抵消海浪诱导位移，生成多步最优位姿轨迹和自适应管理指令，可以降低仿真失真，提升无人机悬停的稳定性与针对性，保障管理策略的有效落地，强化海上救援的可靠性。

本发明授权基于多模态神经网络的无人机仿真自适应管理系统在权利要求书中公布了：1.基于多模态神经网络的无人机仿真自适应管理系统，其特征在于，包括： 数据融合单元，用于在仿真环境中，实时获取无人机的飞行模态数据、无人机旋翼的动力模态数据、海洋的海浪模态数据，基于多模态融合神经网络对预处理后的三个模态数据进行融合，得到海面形变图，包括： 分别将飞行模态数据、动力模态数据和海浪模态数据通过三个独立的深度编码器网络进行特征提取，分别生成飞行态势编码、动力响应编码和海洋波动编码； 通过双向注意力机制分析飞行态势编码、动力响应编码和海洋波动编码的交互关系，生成跨模态交互因子矩阵； 基于跨模态交互因子矩阵，分析海浪诱导位移的时空传播规律，生成时空状态向量； 基于反卷积生成网络对时空状态向量进行解码，得到初步海面形变图； 对初步海面形变图进行校准后，得到海面形变图； 悬停分析单元，用于获取目标悬停点的坐标，将该坐标与海面形变图进行结合，分析无人机自身所需抵消的海浪诱导位移，得到动态悬停容差域，包括： 以目标悬停点的水平坐标为中心点，在海面形变图中，分析窗口内形变梯度的主方向和强度变化，生成悬停扰动基值； 对飞行模态数据和动力模态数据进行计算，得到无人机动态响应指数； 基于悬停扰动基值与无人机动态响应指数，分析无人机在扰动下的位姿偏移预测序列； 对位姿偏移预测序列进行分析，得到无人机各时刻位姿的概率性安全边界； 在每个时刻的概率性安全边界内，根据无人机悬停能量消耗，划分出高效悬停子空间； 根据概率性安全边界与高效悬停子空间，并基于任务优先级，生成自适应容差规则； 将概率性安全边界、高效悬停子空间及自适应容差规则进行整合，生成动态悬停容差域； 位姿规划单元，用于将海面形变图作为扰动源，动态悬停容差域作为约束条件，通过深度强化学习神经网络进行多步规划，生成多步最优位姿轨迹，包括： 基于深度强化学习神经网络对海面形变图和动态悬停容差域进行融合编码，得到全域规划状态向量； 根据自适应容差规则，将无人机的位姿调整转化为不同幅度与方向的多个基础动作，得到分层规控动作集； 对于每个基础动作，根据所选基础动作导致的下一时刻无人机的位姿进行分析，生成复合奖励值； 基于全域规划状态向量，通过深度强化学习神经网络从分层规控动作集中选取基础动作，分析执行该基础动作后的无人机位姿，并重复此过程，生成多步轨迹状态序列； 基于多步轨迹状态序列，根据自适应容差规则对位姿进行调整，生成修正后轨迹序列集； 从修正后轨迹序列集中，基于复合奖励值选取对应的轨迹，生成多步最优位姿轨迹； 位姿管理单元，用于根据时序注意力神经网络对多步最优位姿轨迹和海面形变图进行协同分析，得到自适应管理指令。

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厦门海洋职业技术学院，其通讯地址为：361000 福建省厦门市体育路61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。