太阳能无人机飞行控制方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种太阳能无人机飞行控制方法，包括：基于太阳能无人机中全机系统、子系统、部件之间的信息传递关系建立多级智能体架构；对多级智能体架构进行训练，得到分布式神经网络控制结构及其参数；通过神经网络基于智能体信息进行决策，输出控制指令至与神经网络对应的智能体存在物理映射关系的太阳能无人机全机系统或子系统或部件，以控制所述太阳能无人机全机系统或子系统或部件执行动作。本发明专利技术通过物理映射构建分布式神经网络控制结构，生成面向具体舵面和电机的控制指令，有效解决目前对太阳能无人机飞控系统中强化学习的中间层数较多，难以研究不同层内权值的特征的问题，提高了太阳能无人机的决策能力和续航能力。力。力。

【技术实现步骤摘要】
太阳能无人机飞行控制方法、装置、电子设备及存储介质


[0001]本专利技术涉及太阳能无人机飞行控制
，具体涉及一种太阳能无人机飞行控制方法、装置、电子设备及存储介质。

技术介绍

[0002]临近空间太阳能无人机具有续航时间长、飞行高度高、使用部署灵活等特点，是国内外临近空间低速飞行器研发的重点方向。然而根据当前国内外太阳能电池和储能电池的发展水平，让太阳能无人机实现数周乃至数月的长时间续航依然充满挑战，达成这一目标仍有赖于飞机各个分系统的通力合作，其中通过优化飞行航迹和飞行姿态，在实现太阳能量最大峰值跟踪的同时保证较低的飞行能耗，使无人机能够最大化净能量收益，对提升其长时间续航能力有着至关重要的作用。
[0003]目前利用机器学习对无人机飞行控制系统的研究普遍采用深度全连接网络，将状态参量同时输入，通过大量网络参数的拟合获得最终控制指令，这种方式将太阳能无人机视为一个整体，忽略了飞机内部天然存在的物理联系，导致无关的输入信息干扰输出指令，如GPS坐标被当作油门位置的参量。舵面与电机数量的增加意味着神经网络的输出参数增加，这使得强化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太阳能无人机飞行控制方法，包括：基于太阳能无人机中全机系统、子系统、作动部件之间的信息传递关系建立多级智能体架构；其中，所述多级智能体架构包括三个智能体层级，每一智能体层级包含多个智能体，所述智能体层级与所述太阳能无人机全机系统、所有子系统、所有作动部件存在一一对应的物理映射关系；对所述多级智能体架构进行训练，得到分布式神经网络控制结构及其参数，其中，所述分布式神经网络控制结构包括三个神经网络层级，每一神经网络层级包括多个以智能体为单位建立的神经网络；通过所述神经网络基于所述智能体信息进行决策，输出控制指令至与所述神经网络对应的智能体存在物理映射关系的所述太阳能无人机全机系统或子系统或部件，以控制所述太阳能无人机全机系统或子系统或部件执行动作。2.根据权利要求1所述的方法，其中，所述三个智能体层级为顶级智能体、次级智能体和底级智能体；其中，顶级智能体为所述全机系统的物理映射，负责对全局信息进行筛选整理，并将整理后的信息传递至相应的次级智能体；次级智能体为所述子系统的物理映射，负责对所述顶级智能体传递的信息进一步筛选整理，并将整理后的信息传递至相应的底级智能体；底级智能体为所述部件的物理映射，负责接收次级智能体传递的信息，并利用该信息做出面向具体舵面和电机等作动部件的控制指令。3.根据权利要求1所述的方法，其中，所述三个神经网络层级为顶级神经网络层、次级神经网络层以及底级神经网络层；所述通过所述神经网络基于所述智能体信息进行决策，包括：底级神经网络对所述次级智能体输出结果及当前层级的多个智能体信息进行融合，并根据信息融合结果进行决策，输出控制指令至与所述底级智能体存在物理映射关系的所述太阳能无人机部件；其中，所述底级神经网络中的智能体信息为该底级神经网络对应的作动部件的信息。4.根据权利要求3所述的方法，其中，所述通过所述神经网络基于所述智能体信息进行决策，还包括：次级神经网络对所述顶级智能体输出结果及当前层级多个智能体的信息进行融合，并根据信息融合结果进行决策，输出控制指令至与所述次级智能体存在物理映射关系的所述太阳能无人机子系统；其中，次级神经网络中的智能体信息为该次级神经网络对应的子系统的信息。5.根据权利要求4所述的方法，其中，所述通过所述...

【专利技术属性】
技术研发人员：吴迪，倪文俊，张子健，刘宇超，
申请(专利权)人：中国科学院工程热物理研究所，
类型：发明
国别省市：