一种基于强化学习的无人机辅助配送系统及方法技术方案

本发明专利技术公开了一种基于强化学习的无人机辅助配送方法，包括如下步骤：步骤一、构建用于无人机辅助配送的数学模型，即无人机配送调度问题模型，包括无人机任务分配模型和无人机路径规划模型；步骤二、基于PPO‑PSO算法，采用LSTM–CNN神经网络架构，分别设计用于无人机任务分配模型的任务分配算法和用于无人机路径规划模型的航线规划算法；步骤三、构建自主制导与跟踪避障模型，使无人机能够适应对象和环境的不确定性，具有变参数、变结构的能力，实现地面随机运动目标的连续跟踪和合理避障；步骤四、将自主制导与跟踪避障模型在pybullet平台上进行训练，将训练好的神经网络架构部署到设计好的实验环境上，采用ros系统进行仿真验证。

【技术实现步骤摘要】

本专利技术涉及无人机航迹领域，具体而言，涉及一种基于强化学习的无人机辅助配送系统及方法。

技术介绍

1、近年来，在物流和无人机领域的研究成果很多。但将这两个领域结合起来的研究成果很少。研究无人机领域与物流领域的结合具有理论意义，具体如下：

2、(1)无人机因其较快的飞行速度和轻便灵巧特性，非常适合物流配送服务的最后一公里的交付。

3、(2)由于无人机不受道路基础设施的限制，能够相对轻松地穿过山、丛林、河流等地区，走更短的路线，相比于其他运输方式有更快的效率。

4、(3)地面车辆在交付途中遇到许多障碍，有时需要支援穿越海上等其他无法通行的地区，但无人机在飞往目的地的途中不受阻碍。

5、(4)由于无人机能够有效避免交通拥堵，因此被用于城市地区提供快速、精准的交付服务。无人机还可以用于救灾物资运送到灾区，其中很多是地面车辆甚至徒步救援人员无法到达的。此外，在灾区救灾交付任务中也不存在二次伤害的担忧。

6、路径规划对于无人机执行任务、避免其作业环境中出现威胁至关重要。规划的路径应在应用所定义的特定准则下最本文档来自技高网...

【技术保护点】

1.一种基于强化学习的无人机辅助配送方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于强化学习的无人机辅助配送方法，其特征在于，所述步骤一中，无人机配送调度问题模型应满足如下优化目标和约束条件如下：

3.根据权利要求1所述的一种基于强化学习的无人机辅助配送方法，其特征在于，所述步骤一中，马尔可夫决策过程模型的马尔可夫决策MDP，用五元组(S，A，R，P，γ)来描述；其中S为状态空间，A为作用空间，R为奖励，P为状态转移概率，γ为衰减系数，且γ处于区间[0，1]内；

4.根据权利要求1所述的一种基于强化学习的无人机辅助配送方法，其特征在于...

【技术特征摘要】

1.一种基于强化学习的无人机辅助配送方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于强化学习的无人机辅助配送方法，其特征在于，所述步骤一中，无人机配送调度问题模型应满足如下优化目标和约束条件如下：

3.根据权利要求1所述的一种基于强化学习的无人机辅助配送方法，其特征在于，所述步骤一中，马尔可夫决策过程模型的马尔可夫决策mdp，用五元组(s，a，r，p，γ)来描述；其中s...

【专利技术属性】
技术研发人员：夏庆锋，许可儿，孙宁，宋志强，王松雷，宋利鹏，李东保，
申请(专利权)人：无锡学院，
类型：发明
国别省市：