【技术实现步骤摘要】
本专利技术涉及一种基于智能机巢辅助协同的多无人机自适应作业方法，属于智能机巢的。
技术介绍
1、目前在无人机的电力巡检中，多无人机的协同工作与搜索任务通常是由集中分配算法或是人工分配等方式进行协同工作。这种方式是通过寻优算法或是人力手动分配无人机搜索来进行的，虽然可以达到初始优化的分配需求或工作效果，但对于现场工作的临时性或应急性而言，该方案却并不利于临时变更增加工作任务，也就难以达到实时的全局最优效果。毕竟就自动执行而言，无人机飞行航点程序已经捎入系统，改变则会打乱原本最优方案。
2、现有的应急性变更的技术方案多为：将工作任务重新按照无人机当前的位置和电量等目标状态作为输入，再通过优化模型得到新的搜索方案。但是该方案缺乏及时性和不确定性，并且一些物理数据如无人机当前坐标位置，姿态等等都不便于获取，还需要通过工作人员收回无人机才可实现对其的获取，产生了大量的不必要时间、降低了巡检的效率和无人机能耗。同时，重新召回无人机的方式还缺乏了任务执行的实时性与便利性，并且在一些正在工作的环境中，如山地、危险地带不利于工作人员进行无人机...
【技术保护点】
1.一种基于智能机巢辅助协同的多无人机自适应作业方法，包括机巢端和若干架无人机，机巢端与所有无人机进行通讯连接，其特征在于：还包括以下步骤：
2.根据权利要求1所述的一种基于智能机巢辅助协同的多无人机自适应作业方法，其特征在于：所述机巢端的优化算法为采用融合概率增强算法与PE—IMLP模型，机巢端优化算法包括以下计算步骤：
3.根据权利要求2所述的一种基于智能机巢辅助协同的多无人机自适应作业方法，其特征在于：所述融合概率增强算法包括以下计算步骤：
4.根据权利要求3所述的一种基于智能机巢辅助协同的多无人机自适应作业方法，其特征在于：...
【技术特征摘要】
1.一种基于智能机巢辅助协同的多无人机自适应作业方法，包括机巢端和若干架无人机，机巢端与所有无人机进行通讯连接，其特征在于：还包括以下步骤：
2.根据权利要求1所述的一种基于智能机巢辅助协同的多无人机自适应作业方法，其特征在于：所述机巢端的优化算法为采用融合概率增强算法与pe—imlp模型，机巢端优化算法包括以下计算步骤：
3.根据权利要求2所述的一种基于智能机巢辅助协同的多无人机自适应作业方法，其特征在于：所述融合概率增强算法包括以下计算步骤：
4.根据权利要求3所述的一种基于智能机巢辅助协同的多无人机自适应作业方法，其特征在于：所述pe—imlp模型的训练过程包括以下步骤：将各无人机所生成的动作倾向概率预测发生的最大动作的回报值q，作为pe—imlp模型的输出，将当前所有无人机位置和作业目标位置作为pe—iml...
【专利技术属性】
技术研发人员：汤奕琛，孙嫱，林永翔，陈杰，李郭然，沈滨，黄宇升，沈如榕，陈彬，朱仕焜，
申请(专利权)人：国网福建省电力有限公司漳州供电公司，
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。