[发明专利]基于态势信息的对抗环境下多无人艇区域巡逻方法及系统

说明书

本发明公开了一种基于态势信息的对抗环境下多无人艇区域巡逻方法及系统。该方法包括：根据信息集构建战场的全局态势信息；利用当前船只自身的传感器探测信息构建局部海图；根据当前船只周围的船只运动轨迹以及当前船只的运动轨迹，对所有船只的未来运动轨迹进行预测，得到轨迹预测信息；将所述轨迹预测信息与所述局部海图结合形成局部态势信息；基于所述全局态势信息、所述局部态势信息以及船只运动属性向量确定特征向量；通过所述特征向量和奖励函数对MADDPG算法进行训练；通过训练好的Actor网络确定动作指令；根据所述动作指令进行多无人艇的区域巡逻任务。本发明能够在复杂的对抗环境中做出有效决策，能完成区域协同巡逻的任务需求。

技术领域

本发明涉及无人艇巡逻技术领域，特别涉及一种基于态势信息的对抗环境下多无人艇区域巡逻方法及系统。

背景技术

水面无人艇(Unmanned Surface Vehicle，USV)，作为一种水面任务平台，相较于传统的大型船只，具有体型小、隐蔽性强、成本低廉等优势。在复杂的对抗环境中，研究使用无人艇集群以替代有人船只在危险海域执行巡逻任务，具有不可忽视的重大战略价值。

巡逻指的是在环境中以安全为目的的持续移动过程，在对抗环境下，利用无人艇在我方的母艇的周围执行巡逻任务，任务的目标就是尽可能早的检测出入侵我方巡逻任务区域的其他船只，以避免敌方船只进入我方母艇的安全距离。实际任务中，我方的巡逻船只还需要对被发现的非友方船只进行拍照等技术手段，从而进行船只属性的鉴别，以区分出敌方船只以及渔船等中立阵营的船只，这就要求我们保证被发现的其他船只保持在我方探测距离内一段时间。此外，由于巡逻的场景较大，单艘巡逻船只的探测范围有限，如何使多无人艇之间能达成合作，在任务区域内完成协同巡逻，也是一个难点。

对于巡逻任务的研究早已有之，但早期的算法一是大多局限于单个智能体，在出现多艇协同的任务需求时，很难适用；二是大量基于规则的算法追求对区域内每处的回访时间最小，很容易被敌方船只利用，找到巡逻规则的漏洞，从而顺利入侵到我方母艇的安全距离，对我方母艇的安全造成威胁。

发明内容

本发明的目的是提供一种基于态势信息的对抗环境下多无人艇区域巡逻方法及系统，用以在复杂的对抗环境中做出有效决策，能完成区域协同巡逻的任务需求。

为实现上述目的，本发明提供了如下方案：

一种基于态势信息的对抗环境下多无人艇区域巡逻方法，包括：

根据信息集构建战场的全局态势信息；所述信息集包括：巡逻任务信息、海图信息、己方船只位置信息以及已发现的敌方船只位置信息；

利用当前船只自身的传感器探测信息构建局部海图；

根据当前船只周围的船只运动轨迹以及当前船只的运动轨迹，对所有船只的未来运动轨迹进行预测，得到轨迹预测信息；

将所述轨迹预测信息与所述局部海图结合形成局部态势信息；

基于所述全局态势信息、所述局部态势信息以及船只运动属性向量确定特征向量；

通过所述特征向量和奖励函数对MADDPG算法进行训练；所述MADDPG算法包括Actor网络和Critic网络；

通过训练好的Actor网络确定动作指令；根据所述动作指令进行多无人艇的区域巡逻任务。

可选地，根据当前船只周围的船只运动轨迹以及当前船只的运动轨迹，对所有船只的未来运动轨迹进行预测，具体包括：

根据CTRA模型对于船只进行运动学建模，确定船只当前时刻的状态变量；

计算各所述当前时刻的状态变量的变化率；

根据所述变化率确定下一时刻的状态变量；