一种自适应路径规划的无人机电池动态管理强化学习方法技术

本发明专利技术公开了一种自适应路径规划的无人机电池动态管理强化学习方法，涉及无人机技术领域，包括，在地面控制站激活无人机的多模态感知，收集无人机的多模态感知数据并进行预处理；利用深度学习模型对预处理后的多模态数据进行融合分析，生成环境感知图基于环境感知图，采用强化学习算法进行自适应路径规划，并通过无人机状态和环境条件，动态生成最优飞行路径和电池管理策略深度学习模型；飞行任务完成后，收集飞行数据、环境感知数据和决策记录反馈至地面控制站并进行迭代训练。本发明专利技术通过融合多模态感知与深度学习，强化学习优化路径及电池管理，群体智能协同，迭代提升任务效率与安全。

【技术实现步骤摘要】

本专利技术涉及无人机，特别是一种自适应路径规划的无人机电池动态管理强化学习方法。

技术介绍

1、无人机技术的飞速演进，尤其是在自主导航与智能控制领域，已推动其在诸多行业的广泛应用，然而，传统无人机的路径规划与电池管理受限于预设路线和固定模式，缺乏适应环境变化的能力，尽管多模态感知技术的引入增强了无人机的数据采集能力，但现有技术在数据融合、实时路径规划以及电池动态管理上仍存在不足，包括传感器数据融合偏倚、无法动态响应环境变化、电池管理策略保守以及多无人机协同作业时的资源分配低效等问题；

2、为克服上述挑战，本专利技术提出了一种自适应路径规划的无人机电池动态管理强化学习方法，通过深度学习模型对多模态感知数据进行智能融合，生成环境感知图，进而利用强化学习算法实时规划最优路径并动态调整电池管理策略，显著提升了无人机在复杂环境中的自主决策能力，此外，结合群体智能算法优化多无人机任务分配，实现了资源的高效利用与协同作业的智能化，全面增强了无人机系统的性能与可靠性。

技术实现思路

1、鉴于上述现有存在的问题，提本文档来自技高网...

【技术保护点】

1.一种自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：包括，

2.如权利要求1所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述在地面控制站激活无人机的多模态感知，收集无人机的多模态感知数据并进行预处理，具体步骤为：

3.如权利要求2所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述利用深度学习模型对预处理后的多模态数据进行融合分析，生成环境感知图，具体步骤为：

4.如权利要求3所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述基于环境感知图，采用强化学习算法进行自适应路径规划，...

【技术特征摘要】

1.一种自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：包括，

2.如权利要求1所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述在地面控制站激活无人机的多模态感知，收集无人机的多模态感知数据并进行预处理，具体步骤为：

3.如权利要求2所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述利用深度学习模型对预处理后的多模态数据进行融合分析，生成环境感知图，具体步骤为：

4.如权利要求3所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述基于环境感知图，采用强化学习算法进行自适应路径规划，并通过无人机状态和环境条件，动态生成最优飞行路径和电池管理策略，具体步骤为：

5.如权利要求4所述的自适应路径规划的无人机电池动态管理强化学习方法，其特征在于：所述将路径规划和电池管理策略上传至群体智能中心节点，利用基于群体智能算法进行全局优化，生成优化后的任务分配和飞行策略，具体步骤为：

6.如权...

【专利技术属性】
技术研发人员：奉斌，陈绍南，吴晓锐，肖静，莫宇鸿，吴剑豪，刘泉，冯河清，陈千懿，李沂峰，龚文兰，况成忠，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：