【技术实现步骤摘要】
本专利技术涉及无人机飞行控制系统，具体涉及基于深度强化学习的大规模无人机集群飞行系统。
技术介绍
1、在大规模无人机集群进行飞行作业时，为了控制无人机在复杂的飞行环境中可以自动避免碰撞，需要采集大量的无人机集群飞行位置数据进行训练；但由于采集的大量无人机集群飞行位置数据会受到风速、风向、电磁波等干扰因素的影响，导致样本空间中不同的无人机集群飞行位置数据会呈现不同的聚集分布特征，为了提高训练无人机集群智能飞行的效率，需要对无人机集群飞行位置数据进行聚类分类，然后对分类后的数据分别进行训练。
2、传统方法通过层次聚类算法对无人机集群飞行位置数据进行聚类，由于无人机集群飞行位置数据会受到风速、风向、电磁波等众多干扰因素影响，导致呈现不同聚集分布特征的无人机集群飞行位置数据之间存在多个维度的互相关联影响；而传统的层次聚类算法仅通过无人机集群飞行位置数据之间的距离进行聚类，无法有效综合多个维度的干扰因素进行聚类，导致聚类结果不准确。
技术实现思路
1、本专利技术提供基于深度强化学习的大规模无人机集群飞行系统，以解决现有的问题：传统的层次聚类算法仅通过无人机集群飞行位置数据之间的距离进行聚类，无法有效综合无人机集群飞行位置数据的多个维度的干扰因素进行聚类，使聚类结果不准确。
2、本专利技术的基于深度强化学习的大规模无人机集群飞行系统采用如下技术方案：
3、包括以下模块：
4、理想轨迹序列以及空间数据序列采集模块，用于采集理想轨迹序列以及若干无人机
5、整体轨迹稳定度获取模块，用于在空间数据序列中对无人机空间数据点进行范围划分得到每个无人机空间数据点的影响数据点范围；根据影响数据点范围中无人机空间数据点与理想轨迹数据点之间的差异，得到每个无人机空间数据点的区域空间偏移度；根据无人机空间数据点的区域空间偏移度得到每个无人机的整体轨迹稳定度，所述整体轨迹稳定度用于描述无人机实际飞行轨迹与理想飞行轨迹之间的差异；
6、综合权重系数获取模块，用于对无人机进行聚类得到若干聚类簇；对聚类簇之间不同无人机进行区分，得到若干第一最终对比无人机以及若干第二最终对比无人机；根据第一最终对比无人机与第二最终对比无人机之间整体轨迹稳定度的差异，得到每个无人机的综合权重系数；
7、无人机分类训练模块，用于根据无人机之间综合权重系数的差异变化情况，得到任意两个无人机之间的归一空间权重系数；根据归一空间权重系数对无人机之间的距离进行优化，得到任意两个无人机之间的优化分类距离；根据优化分类距离进行大规模无人机集群训练。
8、优选的，所述在空间数据序列中对无人机空间数据点进行范围划分得到每个无人机空间数据点的影响数据点范围，包括的具体方法为：
9、预设一个记录时刻数量t1；对于第个无人机的空间数据序列中第个无人机空间数据点，将第个无人机空间数据点前t1个无人机空间数据点，以及第个无人机空间数据点后t1个无人机空间数据点整体记为第个无人机空间数据点的影响数据点范围。
10、优选的，所述根据影响数据点范围中无人机空间数据点与理想轨迹数据点之间的差异，得到每个无人机空间数据点的区域空间偏移度，包括的具体方法为：
11、
12、式中，表示第个无人机的空间数据序列中第个无人机空间数据点的区域空间偏移度；表示第个无人机的空间数据序列上第个无人机空间数据点的影响数据点范围中所有无人机空间数据点的数量；表示第个无人机的空间数据序列上第个无人机空间数据点与理想轨迹序列中第个理想轨迹数据点之间的欧式距离；表示在第个无人机的空间数据序列上第个无人机空间数据点的影响数据点范围中，第个无人机空间数据点与理想轨迹序列中对应理想轨迹数据点之间的欧式距离；表示取绝对值。
13、优选的，所述根据无人机空间数据点的区域空间偏移度得到每个无人机的整体轨迹稳定度，包括的具体方法为：
14、
15、式中，表示第个无人机的整体轨迹稳定度；表示第个无人机的空间数据序列中所有无人机空间数据点的数量；表示第个无人机的空间数据序列中第个无人机空间数据点的区域空间偏移度；表示以自然常数为底的指数函数。
16、优选的，所述对聚类簇之间不同无人机进行区分，得到若干第一最终对比无人机以及若干第二最终对比无人机，包括的具体方法为：
17、将任意一个无人机记为目标无人机，将包含目标无人机的聚类簇记为目标无人机的目标聚类簇，将目标无人机的所有目标聚类簇按照目标聚类簇内所含无人机数量从小到大顺序进行排列，将排列后的序列记为目标无人机的目标聚类簇序列；
18、对于目标无人机的目标聚类簇序列中任意一个目标聚类簇，将目标聚类簇中除目标无人机以外的每个无人机记为目标聚类簇的一个对比无人机，获取目标无人机的目标聚类簇序列中所有目标聚类簇的所有对比无人机；
19、将目标无人机的目标聚类簇序列中任意两个相邻的目标聚类簇整体记为目标聚类簇对；对于任意一个目标聚类簇对中的第一个目标聚类簇内任意一个对比无人机，若对比无人机没有在第二个目标聚类簇中出现，那么将对比无人机记为第一最终对比无人机；
20、对于任意一个目标聚类簇对中的第二个目标聚类簇内任意一个对比无人机，若对比无人机没有在第一个目标聚类簇中出现，那么将对比无人机记为第二最终对比无人机。
21、优选的，所述根据第一最终对比无人机与第二最终对比无人机之间整体轨迹稳定度的差异，得到每个无人机的综合权重系数，包括的具体方法为：
22、将任意一个无人机的目标聚类簇序列中任意两个相邻的目标聚类簇整体记为目标聚类簇对；
23、根据第一最终对比无人机以及第二最终对比无人机，获取每个目标聚类簇的第一类别轨迹对比度以及一个第二类别轨迹对比度；
24、
25、式中，表示无人机的综合权重系数；表示无人机的所有目标聚类簇对的数量；表示无人机的整体轨迹稳定度；表示无人机的第个目标类簇对的第一类别轨迹对比度；表示无人机的第个目标类簇对的第二类别轨迹对比度；表示预设的超参数；表示取绝对值。
26、优选的，所述根据第一最终对比无人机以及第二最终对比无人机，获取每个目标聚类簇的第一类别轨迹对比度以及一个第二类别轨迹对比度，包括的具体方法为：
27、将目标聚类簇对中所有第一最终对比无人机的整体轨迹稳定度的均值记为目标聚类簇对的第一类别轨迹对比度，将目标聚类簇对中所有第二最终对比无人机的整体轨迹稳定度的均值记为目标聚类簇对的第二类别轨迹对比度。
28、优选的，所述根据无人机之间综合权重系数的差异变化情况，得到任意两个无人机之间的归一空间权重系数，包括的具体方法为：
29、将第个无人机与第个无人机的综合权重系数的差值的绝对值记为第个无人机与第个无人机的综合权重系数差异值，将所有无人机之间的综合权重系数差本文档来自技高网...
【技术保护点】
1.基于深度强化学习的大规模无人机集群飞行系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述在空间数据序列中对无人机空间数据点进行范围划分得到每个无人机空间数据点的影响数据点范围，包括的具体方法为：
3.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据影响数据点范围中无人机空间数据点与理想轨迹数据点之间的差异，得到每个无人机空间数据点的区域空间偏移度，包括的具体方法为：
4.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据无人机空间数据点的区域空间偏移度得到每个无人机的整体轨迹稳定度，包括的具体方法为：
5.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述对聚类簇之间不同无人机进行区分，得到若干第一最终对比无人机以及若干第二最终对比无人机，包括的具体方法为：
6.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据第一最终对
7.根据权利要求6所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据第一最终对比无人机以及第二最终对比无人机，获取每个目标聚类簇的第一类别轨迹对比度以及一个第二类别轨迹对比度，包括的具体方法为：
8.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据无人机之间综合权重系数的差异变化情况，得到任意两个无人机之间的归一空间权重系数，包括的具体方法为：
9.根据权利要求8所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据归一空间权重系数对无人机之间的距离进行优化，得到任意两个无人机之间的优化分类距离，包括的具体方法为：
10.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据优化分类距离进行大规模无人机集群训练，包括的具体方法为：
...【技术特征摘要】
1.基于深度强化学习的大规模无人机集群飞行系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述在空间数据序列中对无人机空间数据点进行范围划分得到每个无人机空间数据点的影响数据点范围，包括的具体方法为：
3.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据影响数据点范围中无人机空间数据点与理想轨迹数据点之间的差异，得到每个无人机空间数据点的区域空间偏移度，包括的具体方法为：
4.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述根据无人机空间数据点的区域空间偏移度得到每个无人机的整体轨迹稳定度，包括的具体方法为：
5.根据权利要求1所述基于深度强化学习的大规模无人机集群飞行系统，其特征在于，所述对聚类簇之间不同无人机进行区分，得到若干第一最终对比无人机以及若干第二最终对比无人机，包括的具体方法为：
6.根据权利要求1所述基于深度强化学习的大...
【专利技术属性】
技术研发人员：顾增辉，王恒，张忱，
申请(专利权)人：北京飞安航空科技有限公司，
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。