一种基于势博弈的多无人机协同搜索方法技术

本发明专利技术是一种基于势博弈的多无人机协同搜索方法，其实施步骤为：步骤一：多无人机协同搜索问题建模；步骤二：多无人机协调运动的势博弈建模和双对数-线性学习法势博弈求解；步骤三：根据传感器探测信息更新概率图，对更新后的概率图进行信息融合，获取目标存在概率；步骤四：根据目标存在概率更新不确定度，并进行多无人机协同搜索。本发明专利技术能实现多无人机协同搜索，包含基于势博弈的协调运动、概率图更新、信息融合等过程，由于自身分布式的控制方式，方法计算简单，具有较强的鲁棒性，能有效应对外界干扰。

【技术实现步骤摘要】
201610143227

【技术保护点】
一种基于势博弈的多无人机协同搜索方法，其特征在于，该方法的步骤如下：步骤一：多无人机协同搜索问题建模用n架无人机对一个连续的任务区域进行搜索，记为V＝{v1,v2,...,vn}；表示实数域；每架无人机作为独立的决策者采用分布式策略对任务区域进行探索，将连续的任务区域平均分配为M＝Lx×Ly个单，其中，Lx，Ly表示任务区域横向、纵向分配的份数，M表示划分的单元的个数；每个单元用其中心位置g＝[x,y]T等价代替；其中，x，y表示横、纵坐标的位置，T为数学符号转置；无人机vi在时刻t对其覆盖范围内的基本单元进行一次独立的测量，测量结果为Zi,g,t，其中μi,t表示无人机vi在时刻t的位置，Rsi表示无人机传感器的探测范围；若其中心位置位于之内，则某一单元g内的信息被无人机vi检测到；在时刻t，无人机vi执行一次测量，观测结果表示如下，Zi,g,t=1,if|g-μi,t|≤Rsi0,otherwise.---(1)]]>此外，将正确率和误警率分别定义为P(Zi,g,t＝1|θg＝1)＝pc和P(Zi,g,t＝1|θg＝0)＝pf，并假设这两个参数已知，且在整个任务执行过程中保持不变，其中θg表示目标存在于单元g中的概率；对于多无人机网络的通信拓扑，将其建模为一个动态图Gt＝(εt,vt)，该动态图中vt为顶点集合，表示为vt＝{1,2,...,N}，εt为连接边集合，表示为εt＝{{i,j}:i,j∈v；||μi,t‑μj,t||≤RCi}，其中μi,t和μj,t表示两个不同无人机vi和vj在时刻t的位置，RCi为无人机的通信范围；无人机vi在时刻t的邻居集合表示为Ni,t＝{j∈v|{i,j}∈εt}∪{i}，为表征方便，设该无人机本身属于其邻居集合；无人机vi在时刻t的度记为di,t＝|Ni,t|，表示它将自身位置信息和传感器信息传递给邻居个体的能力；步骤二：多无人机协调运动的势博弈建模和双对数‑线性学习法势博弈求解2.1多无人机协调运动的势博弈建模将多无人机协调运动建模成势博弈的过程中，包括三方面的要素：博弈参与者、参与者行动集及效用函数；博弈参与者即为参与搜索过程的n架无人机，需要考虑的为行动集和效用函数的设计；博弈参与者行动集Ai的设计：它定义了博弈参与者可选择的全部行为，其中的元素被称为行动，是参与者在博弈过程中的决策变量；无人机的搜索效率取决于其传感器性能以及其所在的位置，将某一博弈者的行动集定义为在任务区域内它所能选择的位置，Ai＝{g|g∈Ω},无人机vi的行动表示为ai∈Ai，整个无人机群体的集体行动表示为a＝(a1,a2,...,an)，称作行动组合；设a(t‑1)为无人机vi在时刻t‑1的行动组合，则根据无人机运动特性以及障碍物等行动约束，将时刻t行动集简化为上一时刻行动集的函数，受限的行动集，记为对于博弈者任一行动ai∈Ai，有ai∈Ci(ai)，即无人机被允许停留在上一时刻的位置；在无人机被布置到任务器搜集信息时，密度函数η:用来记录无人机对任务区域内目标时间发生概率的了解程度；表示正的实数集；由于信号衰减，传感器性能随着目标单元与无人机位置之间的几何距离增大而降低，因此用非减可微函数f(||q‑pi||):对传感器的信号强度进行量化分析，q∈Ω为任务区域中单元格的位置，pi为无人机vi的位置；无人机的性能用概率密度函数和信号衰减综合表示如下：Φ(a)=Φ(p1,p2,...,pn)=∫Ωf(mini∈{1,2,...n}||q-pi||)η(q)dq---(2)]]>其中f(||q-pi||)=||q-pi||||q-pi||≤RSi0otherwise]]>式中η(q)为密度函数，RSi为无人机vi的传感距离；博弈参与者效用函数Ui(ai,a‑i)的设计：无人机vi的效用函数设计为整体效用的边际贡献值，记做Ui(ai,a-i)=∫Ωf(mini∈{1,2,...,n}||q-pi||)η(q)dq-∫Ωf(mini∈{1,2,...,i-1,i+1,...,n}||q-pi||)η(q)dq.---(3)]]>根据势函数的定义，按照式(3)设计效用函数，构成的博弈为势博弈，满足势博弈的相关性质，能利用各种学习算法保证其最优性和收敛性；2.2双对数‑线性学习法的势博弈求解采用双对数‑线性学习法对问题进行求解，减少无人机计算资源的负担，有利于多无人机的实时运动控制；在双对数‑线性学习法中，首先按异步时间模型以相同的概率随机选择一架无人机vi∈V改变其位置；与此同时，其他无人机保持之前的行动不变a‑i(t)...

【技术特征摘要】
1.一种基于势博弈的多无人机协同搜索方法，其特征在于，该方法的步骤如下：
步骤一：多无人机协...

【专利技术属性】
技术研发人员：段海滨，李沛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11