【技术实现步骤摘要】
本专利技术涉及雷达信号处理，具体涉及复杂环境下无人水面航行器最优轨迹规划方法及系统。
技术介绍
1、随着海洋资源利用技术的不断进步，各国对海域安全的重视逐渐增强，使得海洋成为现代战场的战略重心。usv(无人水面航行器)凭借其隐蔽性，多扩展性和灵活性等优点，广泛应用于海上侦察预警、目标监测和反潜等任务。然而，由于海洋环境复杂多变，usv的导航和控制容易受到时变海风、洋流和海浪等外部干扰的影响，因此有效确保其航行安全已成为任务成功的关键因素。实时规划usv航行路径以适应环境变化，对于海上监测任务及维护海域安全具有重要意义。伴随着人工智能技术的飞速发展，无人水面航行系统不仅具备信息感知能力，更具有逻辑推理、推断决策和自适应能力。尤其是如何在复杂环境中实现智能决策已成为研究的重点。
2、在usv的路径规划问题中，强化学习(rl)作为一种基于试错的学习方法，通过智能体与环境的交互来学习最优策略，已成为解决路径规划等顺序决策任务的有效框架。传统rl算法在低维动作空间中表现优异，但在面对高维动作空间时，往往会遭遇维度爆炸问题。随着深度学习...
【技术保护点】
1.复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，步骤包括：
2.根据权利要求1所述的复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，进行所述状态初始化的方法包括：设置k时刻t个目标的多目标状态集为采样周期为T＝1s，过程噪声矩阵vk，假设k时刻接收m个量测，多目标量测集Zk为量测噪声矩阵wk，采样点为N＝100。
3.根据权利要求2所述的复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，所述系统模型包括：目标的状态转移方程、目标的量测方程以及洋流模型；其中，所述目标的状态转移方程包括：
4.根据权利要求3所述的复...
【技术特征摘要】
1.复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，步骤包括：
2.根据权利要求1所述的复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，进行所述状态初始化的方法包括：设置k时刻t个目标的多目标状态集为采样周期为t＝1s，过程噪声矩阵vk，假设k时刻接收m个量测，多目标量测集zk为量测噪声矩阵wk，采样点为n＝100。
3.根据权利要求2所述的复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，所述系统模型包括：目标的状态转移方程、目标的量测方程以及洋流模型；其中，所述目标的状态转移方程包括：
4.根据权利要求3所述的复杂环境下无人水面航行器最优轨迹规划方法，其特征在于，使用策略梯度强化学习算法对威胁度进行推理的方法包括：构建威胁评估数据集，然后通过从给定的正样本子集中进行探索来训练监督策略网络，接着在监督策略的基础上，使智能体学习奖励函数最大化的动作来进一步从威胁评估数据集中探索威胁实体...
【专利技术属性】
技术研发人员：陈辉，张永祺，罗欣，陈义，周泽鹏，张震宇，王涵宇，王耿林，管健，殷翼鹏，
申请(专利权)人：兰州理工大学，
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。