【技术实现步骤摘要】
本专利技术公开涉及无人机的智能协同，尤其涉及基于深度强化学习的无人机协同集群通信覆盖方法。
技术介绍
1、随着无人机技术的发展，有关自主无人机协同集群的研究也受到了更多关注。无人机之间相互协同能够发挥出单无人机所不具有的优势，更加适合复杂、多任务等场景下的工作。目前，比较流行的深度强化学习框架，已经被证明可以来解决多智能体的控制问题。
技术实现思路
1、鉴于此，本专利技术公开提供了基于深度强化学习的无人机协同集群通信覆盖方法，以实现自主无人机协同集群通信覆盖的目标。
2、本专利技术提供的技术方案，具体为：基于深度强化学习的无人机协同集群通信覆盖方法，包括如下步骤：
3、s1：对无人机集群的通信覆盖任务进行建模，得到无人机集群的运动学模型、覆盖率模型、公平因子、避碰因子及能耗模型；
4、s2：对无人机集群的通信覆盖问题进行部分马尔科夫决策过程建模；
5、s3：无人机集群通过能效函数、多智能体深度强化方法进行自主训练，得到无人机集群的通信覆盖模型...
【技术保护点】
1.基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，所述无人机集群的运动学模型中考虑无人机作为一个质点模型，其中无人机的速度是由法向加速度和切向加速度决定，在时刻t无人机飞行时与坐标x轴形成的夹角为α,由次可以得出，无人机质点运动方程如下：
3.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，所述覆盖率模型：
4.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，所述公...
【技术特征摘要】
1.基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，所述无人机集群的运动学模型中考虑无人机作为一个质点模型，其中无人机的速度是由法向加速度和切向加速度决定，在时刻t无人机飞行时与坐标x轴形成的夹角为α,由次可以得出，无人机质点运动方程如下：
3.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，所述覆盖率模型：
4.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，所述公平因子、避碰因子及能耗模型：
5.根据权利要求1所述的基于深度强化学习的无人机协同集群通信覆盖方法，其特征在于，s2中将无人机对应为...
【专利技术属性】
技术研发人员：吴杰宏，谷林鹏，李丹阳，高利军，刘奎，周振辉，杨华，毕静，陈程程，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。