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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于自适应动态规划的无人机三维动态路径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：CN115328190B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210789966.2，技术领域涉及：G05D1/46；该发明授权一种基于自适应动态规划的无人机三维动态路径规划方法是由邓宏昌;朱静设计研发完成，并于2022-07-05向国家知识产权局提交的专利申请。

本一种基于自适应动态规划的无人机三维动态路径规划方法在说明书摘要公布了：本发明公开了一种基于自适应动态规划的无人机三维动态路径规划方法，首先建立无人机位置外环的数学模型，并对无人机位置外环模型进行线性化处理；针对突发障碍物进行规则化处理；接着基于线性化处理后的模型，设计自适应动态规划方法；所述自适应动态规划方法包括设计效用函数、代价函数、执行网络和评价网络；最后基于MATLABSIMULINK仿真平台进行测试，得到多无人机在三维空间中的规划路径以及控制输入；本发明提供的无人机三维动态路径规划方法解决了无人机飞往指定位置的路径规划问题，并且可以有效解决无人机在飞行过程中检测到未知障碍物时的避障问题。

本发明授权一种基于自适应动态规划的无人机三维动态路径规划方法在权利要求书中公布了：1.一种基于自适应动态规划的无人机三维动态路径规划方法，其特征在于，包括以下步骤：步骤S1、建立无人机位置外环的数学模型，并对无人机位置外环模型进行线性化处理；针对无人机检测到的形状无规则的障碍物进行规则化处理；步骤S2、基于线性化处理后的模型，设计自适应动态规划方法；所述自适应动态规划方法包括设计效用函数、代价函数、执行网络和评价网络；步骤S3、基于步骤S2中设计的自适应动态规划方法对无人机在三维空间中的路径进行规划，获取规划方案并进行测试；所述步骤S1中无人机位置外环的数学模型建立如下： 其中xi、yi和zi依次表示第i个无人机在惯性坐标系下的位置，Vi、γi和χi依次表示第i个无人机的速度、爬升角和航向角；对姿态角不作要求，将γi和χi看作常量，则无人机位置只与速度相关；对无人机位置外环进行线性化处理如下： 其中Pixi，yi，zi为第i个无人机的位置坐标，Vivix，viy，viz代表第i个无人机的速度，uiuix，uiy，uiz代表第i个无人机在惯性坐标系中的加速度；所述步骤S2中设计效用函数如下：Uxt，ut＝Uobjk+Uobsk+Uijk+u′kuk其中，Uobjk和Uobsk依次表示无人机与目标点、无人机与障碍物之间的效用函数，Uijk为无人机之间的避碰效用函数，uk为控制输入；反映无人机与目标点的相对距离的目标效用函数Uobjk表达式具体如下： 其中，xi，yi，zi表示无人机i的当前位置，xobj，yobj，zobj表示当前目标点的位置，ξ1为目标效用系数；反映无人机与障碍物之间的相对距离的目标效用函数Uobsk表达式具体如下： 其中，和分别表示多无人机的几何中心与障碍物中心的距离和无人机i与几何中心的距离；Rthreat为规则化后的障碍物的威胁半径；xobs，yobs，zobs和xvir，yvir，zvir分别代表障碍物球体的球心位置和多无人机队形的几何中心位置；ξ2为避障效用系数；对环境中的未知障碍物进行检测，获取障碍物上距离无人机最近的一点的位置；设置机载传感器的最大检测距离Lmax；则当时，ξ1＝0且ξ2＝1；当时，ξ1＝1且ξ2＝0；反映无人机之间的相对距离的避碰效用函数Uijk表达式具体如下： Uijk＝ξ3dij-dmin其中，dmin为无人机之间的允许最小距离，ξ3为避碰效用系数；当dijdmin时，ξ3＝1，否则ξ3＝0；所述步骤S2中设计代价函数具体如下： 其中γ为折扣因子；所述步骤S2中执行网络和评价网络均采用BP神经网络实现；执行网络和评价网络的输出分别如下所示：uk＝Ahoutk·Wa2k 其中，uk代表执行网络的输出，代表评价网络所得到的估计代价函数；Ahoutk和Choutk分别为执行网络和评价网络的隐藏层的输出；Wa2k和Wc2分别为执行网络和评价网络的隐藏层与输出层之间的权值矩阵；所述执行网络采用3层BP神经网络，其中输入神经元个数与系统状态个数相同，输出神经元个数与系统控制输入个数相同；所述执行网络还包括若干个隐藏层神经元；执行网络的输入表示如下：Inak＝xk隐藏层的输入和输出由下式进行计算：Ahink＝Inak·Wa1k 执行网络的输出表示如下：uk＝Ahoutk·Wa2k其中Wa1和Wa2分别为输入层与隐藏层之间的权值和隐藏层与输出层之间的权值；执行网络误差定义如下： 其中Uc为期望效用函数；令Uc＝0，采用梯度下降法对执行网络进行训练，并利用下式进行网络权值更新：wak+1＝wak+Δwak 评价网络同样采用3层BP网络，其中输入神经元个数为系统状态和控制输入的个数，输出神经元个数为一个，隐藏层神经元个数若干个；评价网络在k时刻的输入表示如下：Inck＝[xk，uk]隐含层的输入Chink和输出Choutk分别通过下式计算得出：Chink＝Inck·Wc1k 评价网络的输出表示如下： 其中，Wc1和Wc2分别为输入层与隐藏层之间的权值和隐藏层与输出层之间的权值；采用梯度下降法对神经网络进行训练并定义评价网络误差如下： 利用下式进行权值更新：wck+1＝wck+Δwck

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。