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!
申请/专利权人:四川大学
摘要:本发明属于空中交通管理技术领域,具体涉及一种深度强化学习结合几何规则的飞行冲突解脱系统。本发明包括以下内容:首先,基于飞行器的当前位置,将飞行器周围空域划分为多个扇区,并通过ADS‑B系统收集本机及周边飞行器的飞行状态数据。然后,利用这些数据作为DRL前瞻预测模块的输入,采用DDPG算法进行训练,输出预测的冲突时间点。接下来,验证在此时间点是否确实存在冲突,并在确认冲突存在后,激活由DuelingDQN算法训练的冲突解脱机动策略模块,执行避让机动。成功避让后,激活飞行计划恢复策略模块,恢复飞行器至原定飞行计划。
主权项:1.一种深度强化学习结合几何规则的飞行冲突解脱方法,其特征在于,包括以下步骤:S1、确定飞行器探测范围,基于飞行器的当前位置,将所述飞行器周围的空域划分为N个扇区,其中,N是自然数,飞行器在预定距离内分别监控各扇区内的空域;S2、通过ADS-B系统,收集各扇区的本机飞行器和周围飞行器的飞行状态数据,包括位置、速度和航向信息;S3、将S2收集的飞行状态数据作为DRL前瞻预测模块的输入信息,采用DDPG算法训练DRL前瞻预测模块,对所述输入信息进行应用与训练,该模块的输出信息为预测的冲突时间点t;S4、计算并验证S3所得的预测的冲突时间点t是否确实存在冲突;S5、当S4验证到在时间点t确实存在冲突,激活冲突解脱机动策略模块,该模块采用DuelingDQN算法训练;输入信息为飞行器的飞行状态数据、飞行器间的相对位置和预测的冲突时间点t;输出信息为调整速度和调整航向的指令,根据输出信息执行避让机动;S6、成功避让后,激活基于几何规则的飞行计划恢复策略模块,该模块的输入信息为飞行器当前的飞行状态数据、原始的飞行计划和环境因素信息,该模块的输出信息为速度恢复指令和航向恢复指令。
全文数据:
权利要求:
百度查询: 四川大学 一种深度强化学习结合几何规则的飞行冲突解脱系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。