基于强化学习算法的飞行器再入跟踪制导方法

被引：0

专利类型：

发明

申请号：

CN202211130234.9

申请日：

2022-09-16

公开(公告)号：

CN115437406B

公开(公告)日：

2025-07-08

发明(设计)人：

冯冬竹戴沛崔家山仲秦秦翰林张立华冯炜皓马佳笛

申请人：

西安电子科技大学

申请人地址：

710071 陕西省西安市太白南路2号

IPC主分类号：

G05D1/46

IPC分类号：

B64G1/24

代理机构：

陕西电子工业专利中心 61205

代理人：

王品华

法律状态：

授权

国省代码：

陕西省西安市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2025-07-08	授权	授权

共 50 条

[1]

基于强化学习算法的飞行器再入跟踪制导方法 [P].

冯冬竹 ;

戴沛 ;

崔家山 ;

仲秦 ;

秦翰林 ;

张立华 ;

冯炜皓 ;

马佳笛 .

中国专利 :CN115437406A ,2022-12-06

[2]

一种基于强化学习的再入飞行器轨迹规划方法 [P].

张冉 ;

侯忻宜 ;

李惠峰 .

中国专利 :CN112947592B ,2021-06-11

[3]

一种基于ARS强化学习算法的行星飞行避障制导方法 [P].

泮斌峰 ;

焦杰 .

中国专利 :CN114115309B ,2024-09-06

[4]

一种基于ARS强化学习算法的行星飞行避障制导方法 [P].

泮斌峰 ;

焦杰 .

中国专利 :CN114115309A ,2022-03-01

[5]

飞行器智能轨迹重构再入制导方法 [P].

胥彪 ;

李翔 ;

冯建鑫 ;

李爽 .

中国专利 :CN111351488B ,2020-06-30

[6]

一种基于强化学习的高超声速飞行器再入协同制导方法 [P].

蔡光斌 ;

李欣 ;

穆朝絮 ;

张艳红 ;

徐慧 ;

肖永强 ;

魏昊 .

中国专利 :CN114675545B ,2022-06-28

[7]

基于深度强化学习的飞行器时间协同制导方法 [P].

王江 ;

刘子超 ;

何绍溟 ;

侯淼 ;

王鹏 .

中国专利 :CN115046433A ,2022-09-13

[8]

基于神经网络的飞行器再入段轨迹优化方法 [P].

冯冬竹 ;

戴沛 ;

崔家山 ;

仲秦 ;

秦翰林 ;

张立华 ;

冯炜皓 ;

马佳笛 .

中国专利 :CN115390456B ,2025-07-01

[9]

基于神经网络的飞行器再入段轨迹优化方法 [P].

冯冬竹 ;

戴沛 ;

崔家山 ;

仲秦 ;

秦翰林 ;

张立华 ;

冯炜皓 ;

马佳笛 .

中国专利 :CN115390456A ,2022-11-25

[10]

一种基于强化学习的飞行器智能制导方法 [P].

张旭辉 ;

汪韧 ;

曹严 ;

解春雷 ;

马超越 ;

王静轩 ;

王敬功 ;

刘治东 ;

侍野 ;

韩卫波 .

中国专利 :CN119596971A ,2025-03-11

← 1 2 3 4 5 →