基于自适应分层决策的异构多智能体导航与避障控制方法技术

本发明专利技术涉及一种基于自适应分层决策的异构多智能体导航与避障控制方法，属于异构多智能体协调运动与避障控制技术领域，解决了现有技术中驱赶成功率低、集群失控和任务完成质量低的问题。通过预训练的第二决策网络，使得控制模式转换条件不再固定，能够避免集群出现失控现象，提高控制方法稳定性，还能自动调节无人机环绕集群运动的方向；通过贴合集群轮廓生成无人机弧形运动轨迹，使得无人机充分出现在集群内部节点的感知范围内，从而最大化无人机对集群节点的控制作用，而且控制模式的切换也更加灵活，更适用于障碍物环境，驱赶成功率高；通过预训练的第一决策网络，适时调节弧形控制的控制参数，优化驱赶过程，进一步提升驱赶成功率。

【技术实现步骤摘要】

本专利技术涉及异构多智能体协调运动与避障控制，具体涉及一种基于自适应分层决策的异构多智能体导航与避障控制方法。

技术介绍

1、多智能体协同的许多研究工作都是在引入基于行为的控制范式之后开展的，shepherding作为典型的异构多智能体行为范式，受到许多研究者的关注。目前，shepherding控制方法包括gcm+v控制方法(global centre of mass+v control,基于质量中心的“v”形控制方法)和弧形控制方法。

2、弧形控制方法以及gcm+v控制方法的本质都在于当集群半径大于给定阈值后会以弧形或v形的轨迹环绕集群运动，将处于集群外围的个体向集群中心驱赶，同时，无人机是根据目标的朝向来调整轨迹的，以便于使得集群朝向目标的位置运动。但是这种通过环绕集群的运动来促使集群聚拢的方式是有可能会失效的。

3、首先，当在环境中添加障碍物后，集群在障碍物凹槽内的滞留可能会导致个体的离群。如图1和图2所示，随着集群半径的不断增加，无人机运动幅度将会增大，进而导致集群失去控制。即使集群滞留在障碍物凹槽后不出现个体离群状况，但由本文档来自技高网...

【技术保护点】

1.一种基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，异构多智能体包括无人机和非合作智能体集群，非合作智能体集群具有自主意识且无法与无人机协同合作，包括如下步骤：

2.根据权利要求1所述的基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，S1，基于PRM规划得到集群路径包括：

3.根据权利要求2所述的基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，S4，利用GCM-targeting轨迹生成器更新无人机路径节点包括：

4.根据权利要求3所述的基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，...

【技术特征摘要】

1.一种基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，异构多智能体包括无人机和非合作智能体集群，非合作智能体集群具有自主意识且无法与无人机协同合作，包括如下步骤：

2.根据权利要求1所述的基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，s1，基于prm规划得到集群路径包括：

3.根据权利要求2所述的基于自适应分层决策的异构多智能体导航与避障控制方法，其特征在于，s4，利用gcm-targeting轨迹生成器更新无人机路径节点包括：

4.根据权利要求3所述的基于自适应分层决策的异...

【专利技术属性】
技术研发人员：赵江，杨智，池沛，王英勋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：