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！

龙图腾网恭喜华南理工大学申请的专利基于MAPPO算法的多无人机多目标协同跟踪控制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：CN115509251B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202211017296.9，技术领域涉及：G05D1/46；该发明授权基于MAPPO算法的多无人机多目标协同跟踪控制方法是由张平;张斌设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本基于MAPPO算法的多无人机多目标协同跟踪控制方法在说明书摘要公布了：本发明提出基于MAPPO算法的多无人机多目标协同跟踪控制方法。方法包括多无人机目标跟踪过程建模；环境标准化及数据归一化预处理；多目标任务分配；设计状态、动作价值函数以及奖励回报函数；设计深度神经网络结构；将各无人机的局部观测状态输入所述多无人机多目标协同跟踪控制器，得到各无人机的动作控制量，根据各动作控制量控制各无人机工作，完成控制多无人机对多目标展开协同跟踪任务。本发明方法采用分布式框架，降低了无人机对通信和计算能力的要求，有效解决了传统的多无人机多目标跟踪方法计算量大、无人机之间可能相互影响或碰撞、难以应对需要实时解算的环境变化等问题，具有较强的自适应性和鲁棒性。

本发明授权基于MAPPO算法的多无人机多目标协同跟踪控制方法在权利要求书中公布了：1.基于MAPPO算法的多无人机多目标协同跟踪控制方法，其特征在于，包括以下步骤：步骤1：对多无人机目标跟踪过程进行建模，包括建立无人机六自由度运动学模型、运动目标恒定转弯率和速度模型和分布式部分可观察的马尔可夫决策模型；步骤2：进行环境标准化及数据归一化预处理；步骤3：对多无人机跟踪任务进行任务分配，将N架无人机分成m组跟踪m个目标，同时基于各无人机距离各目标初始位置距离，计算最小的所有无人机跟踪各目标的欧式距离代价和，其中，N≥2，m≥2；步骤4：构建状态价值函数、动作价值函数以及奖励回报函数；步骤5：构建深度神经网络结构，包括策略网络和价值网络，策略网络用于根据输入的各无人机的无人机局部状态量输出无人机动作控制量价值网络用于根据输入的多无人机全局状态量Sk输出当前无人机状态量对应的价值估计值value；步骤6：基于MAPPO算法的多无人机多目标协同跟踪训练，得到多无人机多目标协同跟踪控制器；步骤7：将各无人机的无人机局部状态量输入所述多无人机多目标协同跟踪控制器，得到各无人机的动作控制量，根据各动作控制量控制各无人机工作，完成控制多无人机对多目标展开协同跟踪任务；步骤4中，所构建的状态价值函数表示无人机i∈{1,…,N}在k∈{1,…,t}时刻状态空间为其中j∈{1,…,N}∩j≠i，dx,dy,dz,dω表示无人机与目标在X、Y、Z三个方向上的相对距离和偏航角的相差角度，表示无人机在X、Y、Z三个方向上的速度大小和偏航角速度，表示无人机i与无人机j在X、Y、Z三个方向上的相对距离，t为训练的最大步数，T表示向量转置；用x、y、z方向矢量和一个速度绝对值来定义无人机的速度，所构建的动作价值函数表示无人机i∈{1,…,N}在k∈{1,…,t}时刻连续动作空间为其中，表示无人机执行动作在X、Y、Z三个方向上的方向矢量，speed表示无人机执行动作的速度绝对值大小，表示无人机执行动作的偏航角速度，T表示向量转置；所构建的奖励回报函数表示无人机i∈{1,…,N}在k∈{1,…,t}时刻获得的奖励回报值其中分别表示无人机i在k时刻的追踪奖惩、高度奖惩和安全奖惩；步骤6中的训练过程包括：设定训练的总回合数以及步数；在每个回合内，随机初始化目标的位置和速度，并进行多目标分配，之后各无人机与其他无人机和目标进行信息交互，即模拟多无人机在环境中对多目标进行一次协同跟踪的过程，无论跟踪的结果如何，将交互的信息数据进行数据预处理后，按照时间序列存储在经验池中；每当经验池的数据存满时，将数据全部取出，依照MAPPO算法对策略网络和价值网略进行参数迭代更新，其中，系统中的同构无人机可以共享参数，异构无人机不可以共享参数；当达到设定的训练总回合数，全部训练结束，将策略网络取出作为多无人机多目标协同跟踪控制器。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。