摘要
本发明属于平流层浮空器路径规划技术领域,具体涉及一种基于风场预测的平流层飞艇路径规划方法,选取飞艇所处区域的历史风场数据,并对历史风场数据进行预处理,然后用滑动窗口对历史风场数据采样得到样本,建立风场预测的数学模型,结合基于深度学习算法,构建神经网络预测模型并训练,训练得到最优预测模型对未来时刻预测,生成风场图并分别对空间和时间维度进行插值,基于马尔科夫决策过程,建立飞艇前往目标点过程中的数学模型,设计状态空间特征提取网络,抽取高维状态空间的特征向量表征,再结合深度强化学习的PPO算法求解得到平流层飞艇的最优动作序列;本发明提高平流层太阳能飞艇路径规划的精度、实用性和鲁棒性。
技术关键词
路径规划方法
平流层飞艇
风场
数学模型
神经网络预测模型
平流层太阳能飞艇
样本
空间特征提取
滑动窗口
深度强化学习
神经网络训练
全局平均池化
深度学习算法
策略
平流层浮空器
连续动作空间
路径规划技术
线性变换矩阵
系统为您推荐了相关专利信息
预测控制方法
电流
误差校正
两相静止坐标系
电压
谐振子
网络控制器
模型构建方法
误差反向传播
数学模型
成像重建方法
心脏电生理
跨膜电位
卷积神经网络设计
特征提取模块
农业无人机
无人机飞行高度
路径规划方法
栅格
路径规划系统