[发明专利]一种基于视觉信息的新型无人机自组群自洽优化控制方法

权利要求书

1.一种基于视觉信息的新型无人机自组群自洽优化控制方法，其特征在于，无人机群在失去通信联络后，仍将保持先前的分组结构，先前的目标搜索或饱和攻击组群任务仍将继续执行，每架无人机在约束条件下，通过视觉互感理解与预测组内各友机行为，自发性的生成最优控制量，自主运动到合适位置，以实现搜索效率最大化和饱和攻击效能最大化的空间位置分布结果；

该优化控制方法包括：建立失去通信联络的无人机群体行为数学模型，该数学模型将视觉图像作为信息输入条件，形成任务约束、环境约束、无人机平台约束、避碰约束的数学表达式，同时考虑风场影响因素，加入风场影响因子，为自洽控制构造经验规则和构造启发性规则；

通过视觉互感理解与预测组内各友机行为，自发性的生成最优控制量，自主运动到合适位置，其优化控制的目标为形成搜索效率最大化的空间位置排布，包括：将作战区域进行栅格化，每一栅格(i，j)被赋予变量W(i，j)来表示对该栅格的关注程度，空间中各个栅格的关注度可描述为：

其中，(i，j)表示栅格化的作战区域内横纵坐标分别为i和j的栅格，A表示战场环境中信息已知区域，B为战场环境中信息未知但其关注度一般的区域，C表示战场环境中信息未知但其关注度较高的区域；

定义Fg(i，j，t)表示在t时刻对栅格(i，j)的覆盖情况，其中，当t时刻至少一个无人机可覆盖到栅格区域(i，j)，则Fg(i，j，t)＝1；当t时刻无法覆盖到栅格(i，j)，则Fg(i，j，t)＝0；定义Fg(i，j，t)∈[0，1]表示t时刻栅格(i，j)内的目标分布的不确定度，其中，Fg(i，j，t)＝1表示t时刻对栅格内目标分布完全未知，该区域被探测到则不确定度变为0；为了覆盖整个作战区域，当某区域未被探测到，则该区域的关注度增加，其关注度的增加描述为：

P(i，j，t+1)＝P(i，j，t)+w·W(i，j)

其中，w非负常数；

因此，搜索覆盖率的回报函数定义为：

SF＝∑_I∑_J∑_TFg(i，j，t)·P(i，j，t)

其中，I和J分别为二维栅格化作战区域在两条边上的栅格总数，T为作战总时长。

2.根据权利要求1所述的基于视觉信息的新型无人机自组群自洽优化控制方法，其特征在于，加入风场影响因子的所述数学模型的表达式如下：

其中，其中(x，y)为无人机在二维平面的坐标位置，θ为航向角，v和r分别为无人机的飞行速度与最小转弯半径，u为控制输入，(x，y，θ)∈R²×S表示无人机的状态，v_w＝[v_wx，v_wy]为风速向量，v_wx和v_wy分别为风在x轴和y轴的速度分量，和分别为无人机在x轴和y轴的速度分量，为无人机航向角速度。

3.根据权利要求1所述的基于视觉信息的新型无人机自组群自洽优化控制方法，其特征在于，通过视觉互感理解与预测组内各友机行为，自发性的生成最优控制量，自主运动到合适位置，包括：

无人机首先获得自身所处的状态，然后无人机依据策略函数，从动作库中选择动作，无人机所处的状态在动作执行后发生改变，与此同时产生一个奖励值和一个惩罚值传递给该无人机，这样无人机通过与周围环境持续不断的交互，不断调整机动动作和幅度值。

4.根据权利要求3所述的基于视觉信息的新型无人机自组群自洽优化控制方法，其特征在于，动作库中无人机的基本动作包括：定常飞行、加速、减速、左转弯、右转弯、拉起、俯冲。