一种基于深度强化学习的实时无人机路径预测方法技术

本发明专利技术属于航路规划领域，涉及一种基于深度强化学习的实时无人机路径预测方法。该方法包括：步骤101、获取无人机的当前探测范围内的威胁矩阵；其中，当前探测范围的中心点位无人机所在位置点；威胁矩阵包括各个位置的威胁系数；步骤102、确定无人机目的地到当前探测范围内各点的距离，将这些距离作为当前距离矩阵；步骤103、根据威胁矩阵、当前距离矩阵和已训练的A3C网络，得到无人机的当前飞行方向和飞到下一时刻的位置；步骤104、无人机沿着当前飞行方向飞到下一时刻的位置；同时，判断下一时刻的位置是否到达目的地；步骤105、若否，执行步骤101。

【技术实现步骤摘要】
一种基于深度强化学习的实时无人机路径预测方法
本专利技术属于航路规划领域，涉及一种基于深度强化学习的实时无人机路径预测方法。
技术介绍
无人机航路规划的基本目标是自主的获得一条能够避开威胁安全到达目标的飞行路径。近些年来，航路规划问题的技术方法发展迅速，有很多文献对该问题从不同方面提出了建模与求解方法。这些技术按照威胁信息获取方式的不同可以分为两大类：一类是静态航路规划技术，即基于环境先验完全信息的航路规划。无人机根据全局完整环境威胁信息构造出一条起始点和目标点之间的安全、可行、满意的路径；另一类是实时航路规划技术，在这部分工作中假设威胁环境预先完全未知或部分未知。此时，无人机只能获取有限范围(通常是传感器探测范围)内的威胁信息，为了安全到达目标就需要在飞行过程中实时规划航路。如果实时航路规划需要在机载计算机上运行，称为在线实时航路规划。下面分别从静态航路规划和实时航路规划两方面进行讨论。第一方面是有关静态路径规划的方法。无人机静态路径规划的重点是如何在全部威胁环境已知的情况下计算得出一条全局优化路径。常用的规划方法包括：通过构造Vor本文档来自技高网...

【技术保护点】
1.一种基于深度强化学习的实时无人机路径预测方法，其特征在于，包括：/n步骤101、获取无人机的当前探测范围内的威胁矩阵；/n步骤102、确定无人机目的地到当前探测范围内各点的距离，将这些距离作为当前距离矩阵；/n步骤103、根据威胁矩阵、当前距离矩阵和已训练的A3C网络，得到无人机的当前飞行方向和飞到下一时刻的位置；/n步骤104、无人机沿着当前飞行方向飞到下一时刻的位置；同时，判断下一时刻的位置是否到达目的地；/n步骤105、若否，执行步骤101。/n

【技术特征摘要】
1.一种基于深度强化学习的实时无人机路径预测方法，其特征在于，包括：
步骤101、获取无人机的当前探测范围内的威胁矩阵；
步骤102、确定无人机目的地到当前探测范围内各点的距离，将这些距离作为当前距离矩阵；
步骤103、根据威胁矩阵、当前距离矩阵和已训练的A3C网络，得到无人机的当前飞行方向和飞到下一时刻的位置；
步骤104、无人机沿着当前飞行方向飞到下一时刻的位置；同时，判断下一时刻的位置是否到达目的地；
步骤105、若否，执行步骤101。


2.根据权利要求1所述的方法，其特征在于，若否，执行步骤101，包括：
若否，判断当前的执行次数是否大于或等于预设门限；
若是，飞机不再按照A3C网络的预测飞行，飞机返航；若否，执行步骤101。


3.根据权利要求1所述的方法，其特征在于，得到无人机的当前飞行方向和飞到下一时刻的位置，包括：
将威胁矩阵和当前距离矩阵输入已训练的A3C网络，预测出飞机飞向各个方向的概率；
将最大概率的飞机飞向的方向作为当前飞行方向；
获取与当前距离矩阵对应的当前探测范围的位置矩阵；
根据无人机所在的位置矩阵的位置，沿当前飞行方向对应的方向跳过M个点，将第M+1个点作为下一时刻的位置点。


4.根据权利要...

【专利技术属性】
技术研发人员：曾议芝，丁勇飞，康敏旸，刘博，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：上海;31