【技术实现步骤摘要】
本专利技术属于无人机控制领域，特别涉及基于深度强化学习的多无人机协同航迹规划方法设计。
技术介绍
1、随着无人机技术的快速发展，无人机集群的协同操作将应用于城市交通管理、灾难救援、智能物流等领域，为人们的生活和工作带来便利和安全保障。无人机广泛应用的背后离不开航迹规划技术的支持.和单无人机航迹规划相比，多无人机协同航迹规划问题变得更加困难和复杂.无人机不仅需要时刻躲避环境中的障碍物，而且还要实时确保各架无人机之间的安全距离，避免碰撞和冲突.在人工智能的学习式航迹规划方法中，多智能体强化学习方法表现出了较强的性能.其中，常用的方法有混合q网络(qmix)，量化转换网络(qtran)和多智能体深度确定性策略梯度(maddpg)等.然而，在应用无人机执行电子侦察，分布式打击，地质勘测等多目标任务场景时，如果使用集中式的思路解决此类问题，即中央控制器既负责任务分配又负责航迹规划，问题求解时间将随着任务数量成倍增加；如果对每架无人机使用独立方法，例如使用ddpg或td3单独训练，则无人机之间会失去协同性.
2、因此，本专利技术基于深度...
【技术保护点】
1.一种多目标场景下基于分层优化的多无人机协同航迹规划方法，所采用的步骤是：
2.根据权利要求1所述方法，其特征在于将任务分配过程建模为特定的优化问题的方法为：
3.根据权利要求1所述方法，其特征在于基于上层粒子群动态分配目标的方法为：
4.根据权利要求1所述方法，其特征在于无人机的运动学模型构建的方法为：
5.根据权利要求1所述方法，其特征在于将多无人机协同航迹规划问题建模成为部分可观测马尔可夫决策过程的方法为：
6.根据权利要求1所述方法，其特征在于下层多无人机航迹规划的方法为：
【技术特征摘要】
1.一种多目标场景下基于分层优化的多无人机协同航迹规划方法，所采用的步骤是：
2.根据权利要求1所述方法，其特征在于将任务分配过程建模为特定的优化问题的方法为：
3.根据权利要求1所述方法，其特征在于基于上层粒子群动态分配目标的方法为：
...
【专利技术属性】
技术研发人员：张莉涓，林杭，雷磊，鹿宇航，宋晓勤，赵世宏，彭佳宾，
申请(专利权)人：南京航空航天大学，
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。