[发明专利]一种无人机集群系统协同追逐目标航迹规划方法及系统

权利要求书

1.一种无人机集群系统协同追逐目标航迹规划方法，其特征在于，所述航迹规划方法包括：

获取无人机集群系统中每一架无人机在当前时刻的观测向量；所述观测向量包括所述无人机到距离所述无人机最近的指定障碍物的距离和相对于所述指定障碍物的方向角、所述无人机到目标的距离和相对于所述目标的方向角以及所述无人机到每一其他无人机的距离和相对于每一所述其他无人机的方向角；

分别以每一架无人机在当前时刻的观测向量为输入，利用深度强化学习网络确定每一架无人机对应的第一动作常数和第二动作常数；

对于每一架无人机，以所述第一动作常数和所述第二动作常数为输入，利用人工势场方法计算所述无人机指向所述目标的吸引力、所述指定障碍物对所述无人机的排斥力以及所述无人机与所述其他无人机之间的作用力合力；基于所述吸引力、所述排斥力和所述作用力合力确定所述无人机在下一时刻的航向角；控制所述无人机按照所述无人机在下一时刻的航向角飞行，得到所述无人机集群系统中每一架无人机在下一时刻的观测向量；

判断是否达到迭代终止条件；若是，则结束迭代；若否，则以每一架无人机在下一时刻的观测向量作为下一迭代的每一架无人机在当前时刻的观测向量，返回“分别以每一架无人机在当前时刻的观测向量为输入，利用深度强化学习网络确定每一架无人机对应的第一动作常数和第二动作常数”的步骤。

2.根据权利要求1所述的航迹规划方法，其特征在于，在分别以每一架无人机在当前时刻的观测向量为输入，利用深度强化学习网络确定每一架无人机对应的第一动作常数和第二动作常数之前，所述航迹规划方法还包括：

对于每一架无人机，对所述无人机在当前时刻的观测向量进行特征提取，得到所述无人机的特征向量，并以所述无人机的特征向量作为所述无人机在当前时刻的新的观测向量。

3.根据权利要求2所述的航迹规划方法，其特征在于，所述对所述无人机在当前时刻的观测向量进行特征提取具体包括：将所述无人机在当前时刻的观测向量输入至神经网络中进行特征提取；所述神经网络包括一层全连接层。

4.根据权利要求1所述的航迹规划方法，其特征在于，所述无人机指向所述目标的吸引力的计算公式为：

其中，F_a,i为无人机i指向目标的吸引力；x_e为目标的位置坐标；x_i为无人机i的位置坐标；

所述指定障碍物对所述无人机的排斥力的计算公式为：

其中，F_r,i为距离无人机i最近的指定障碍物对无人机i的排斥力；η为第一动作常数；ρ₀为障碍物作用力半径范围；x_o,i为距离无人机i最近的指定障碍物的位置坐标；x_i为无人机i的位置坐标；

所述无人机与所述其他无人机之间的作用力合力的计算公式为：

其中，F_in,i为无人机i与其他无人机之间的作用力合力；P(i)为无人机i的邻机集合，包括无人机集群系统中除无人机i之外的其他无人机；λ为第二动作常数；x_j为其他无人机j的位置坐标；x_i为无人机i的位置坐标。

5.根据权利要求1所述的航迹规划方法，其特征在于，所述基于所述吸引力、所述排斥力和所述作用力合力确定所述无人机在下一时刻的航向角具体包括：

计算所述吸引力和所述排斥力的合力，得到第一合力；计算所述吸引力、所述排斥力和所述作用力合力的合力，得到第二合力；

判断所述第一合力的方向与所述吸引力的方向之间的夹角是否大于90度，得到第一判断结果；

若所述第一判断结果为是，则判断所述作用力合力的大小是否大于预设阈值；若是，则选择与所述指定障碍物平行且与所述作用力合力的方向的夹角小于90度的方向作为所述无人机在下一时刻的航向角；否则，则选择与所述指定障碍物平行且与所述无人机在当前时刻的航向角的方向的夹角小于90度的方向作为所述无人机在下一时刻的航向角；

若所述第一判断结果为否，则选择所述第二合力的方向作为所述无人机在下一时刻的航向角。