【技术实现步骤摘要】
本专利技术涉及层次深度学习算法，具体涉及一种飞行控制网络的构建方法、控制方法及系统。
技术介绍
1、飞行控制系统对飞行器安全高效运行至关重要。随着无人机等在民用和军事领域的广泛应用，对飞行控制系统的适应性和灵活性要求均有提高。相关技术中，传统的飞行控制系统面对未知环境或突发状况时适应性不足，而人工智能技术的发展推动了深度学习算法在复杂任务中的应用，但在飞行控制领域中仍面临实时性和环境不确定性的挑战。
技术实现思路
1、为了解决现有技术的问题，本专利技术提出了一种飞行控制网络的构建方法、控制方法及系统，旨在提高无人机在飞行过程中的自适应性和灵活性。
2、本专利技术的目的是采用下述技术方案实现的：
3、一方面，本专利技术提供一种无人机的飞行控制网络的构建方法，所述方法包括：
4、采用深度确定性策略梯度算法，基于无人机在飞行过程中的状态信息和目标飞行值，搭建所述无人机在飞行过程中的姿态控制网络；
5、采用深度强化学习算法，基于所述状态信息和所述无人...
【技术保护点】
1.一种无人机的飞行控制网络的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采用深度确定性策略梯度算法，基于所述无人机在飞行过程中的状态信息和目标飞行值，搭建所述无人机在飞行过程中的姿态控制网络之前，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述深度强化学习算法包括：双延迟深度确定性策略梯度算法、软行动者-评论家算法、基于单元状态序列的强化学习算法，所述采用深度强化学习算法，基于所述状态信息和所述无人机所处的环境信息，分别搭建所述无人机在飞行过程中的路径规划网络和智能规避网络，包括：<...
【技术特征摘要】
1.一种无人机的飞行控制网络的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采用深度确定性策略梯度算法，基于所述无人机在飞行过程中的状态信息和目标飞行值，搭建所述无人机在飞行过程中的姿态控制网络之前，所述方法还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述深度强化学习算法包括：双延迟深度确定性策略梯度算法、软行动者-评论家算法、基于单元状态序列的强化学习算法，所述采用深度强化学习算法，基于所述状态信息和所述无人机所处的环境信息，分别搭建所述无人机在飞行过程中的路径规划网络和智能规避网络，包括：
4.根据权利要求1至3任一所述的方法，其特征在于，所述基于所述姿态控制网络、所述路径规划网络及所述智能规避网络，构建所述无人机在所述飞行过程中的层次深度强化学习网络，包括：
5.根据权利要求1所...
【专利技术属性】
技术研发人员：赵峰，赵林林，詹治国，刘茂凯，龙昌敏，张洪冰，王乖强，赵健宇，王雅芳，陈刚，王誉博，安丽丽，张朔，牛莹，李明鹏，龙长贵，
申请(专利权)人：国网思极数字科技北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。