一种基于强化学习的海上无人机编队变粒度协同搜救方法技术

本发明专利技术公开了一种基于强化学习的海上无人机编队变粒度协同搜救方法，属于海洋环境下搜救技术领域，包括如下步骤：步骤1、初始化海面目标搜救作业区域范围，并在作业区域内部署多架无人机，形成无人机集群；步骤2、无人机集群使用协同割草机算法执行粗粒度搜救作业，并使用数字信息素记录每个区域单元格的目标存在概率；步骤3、使用改进的数字信息素传播公式，捕捉目标在海面上的运动，并使用数字信息素更新公式实现信息融合；步骤4、无人机集群执行细粒度搜救作业，并执行无人机集群变粒度搜救编队协同算法。本发明专利技术可以适用于特征稳定的海面环境下目标快速搜救定位、多无人机协同作业的需求。

【技术实现步骤摘要】

本专利技术属于海洋环境搜救定位，具体涉及一种基于强化学习的海上无人机编队变粒度协同搜救方法。

技术介绍

1、当前，随着人类社会对海洋资源的开发和利用的逐渐深入，人们在海洋上的经济活动日益活跃。海上意外搜救定位是一个重要的研究课题，搜救问题需要考虑特定的环境特征，因此海上搜救定位需要分析和利用好海洋环境的特征。与城市地面等环境的搜救定位任务相比，海上搜救定位的工作环境具有相对稳定的特征。同时，无人机（unmannedaerial vehicles，uav）具有克服恶劣环境和灵活机动的优点，可以在执行任务的时候随时改变飞行高度，以使传感器在不同的高度获得不同的信息粒度，并进行信息融合。综上所述，可将海上搜救问题视为一个信息路径规划（informative path planning，ipp）问题。

2、在海上搜救定位任务中，无人机通常装载一个传感器，收集各个区域单元格感兴趣目标（objects of interest，ooi）的目标检测概率（probability of detection，pod）。目前已有一些通过改变无人机飞行高度实现多粒度信息本文档来自技高网...

【技术保护点】

1.一种基于强化学习的海上无人机编队变粒度协同搜救方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于强化学习的海上无人机编队变粒度协同搜救方法，其特征在于，所述步骤1中，将需要搜救的区域设定为一个矩形区域，该矩形区域为初始化的海上多无人机协同搜救作业区域；将该作业区域离散化为若干个单元格，将第个单元格记为，一个单元格对应一个航路点；在作业区域上空部署架无人机，每架无人机使用朝向向下的摄像机作为捕捉目标的传感器；将第架无人机的飞行高度记为，当前时刻第架无人机在海面上的探测半径为；初始化作业区域内共有个感兴趣目标，将第个感兴趣目标的运动过程通过随机马尔可夫状态转移模型表...

【技术特征摘要】

1.一种基于强化学习的海上无人机编队变粒度协同搜救方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于强化学习的海上无人机编队变粒度协同搜救方法，其特征在于，所述步骤1中，将需要搜救的区域设定为一个矩形区域，该矩形区域为初始化的海上多无人机协同搜救作业区域；将该作业区域离散化为若干个单元格，将第个单元格记为，一个单元格对应一个航路点；在作业区域上空部署架无人机，每架无人机使用朝向向下的摄像机作为捕捉目标的传感器；将第架无人机的飞行高度记为，当前时刻第架无人机在海面上的探测半径为；初始化作业区域内共有个感兴趣目标，将第个感兴趣目标的运动过程通过随机马尔可夫状态转移模型表示为，其中表示第个感兴趣目标在时刻的海面位置，表示第个感兴趣目标在时刻的海面位置，是第个感兴趣目标运动过程的一个非线性函数，是第个感兴趣目标在时刻的过程噪声。

3.根据权利要求2所述基于强化学习的海上无人机编队变粒度协同搜救方法，其特征在于，所述步骤2中，协同割草机算法是指多架无人机根据各自的探测半径来回并排扫描作业区域的一种路径覆盖算法；记录感兴趣区域的具体过程为：

4.根据权利要求3所述基于强化学习的海上无人机编队变粒度协同搜救方法，其特征在于，函数定义如下：

5....

【专利技术属性】
技术研发人员：罗汉江，郭恺，刘奎，陶航，陈晓东，董配军，赵扬，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：