[发明专利]一种基于信息素启发的多无人机自主覆盖方法在审

专利信息
申请号: 202310623947.7 申请日: 2023-05-30
公开(公告)号: CN116643587A 公开(公告)日: 2023-08-25
发明(设计)人: 何斌;程徐;蒋荣;李刚;程斌;陆萍;张朋朋 申请(专利权)人: 同济大学
主分类号: G05D1/10 分类号: G05D1/10;G06N3/0499;G06N3/092
代理公司: 上海科盛知识产权代理有限公司 31225 代理人: 赵志远
地址: 200092 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 信息 启发 无人机 自主 覆盖 方法
【权利要求书】:

1.一种基于信息素启发的多无人机自主覆盖方法,其特征在于,该方法包括以下步骤:

步骤S1、构建多无人机自主收集自然灾害区域数据的覆盖场景图;

步骤S2、基于信息素聚合模型,构建多无人机路径信息素地图,标记多无人机路径;

步骤S3、根据多无人机自主覆盖任务,定义状态函数、动作函数及奖励函数,建立基于神经网络的多无人机自主覆盖模型并进行训练;

步骤S4、采用训练好的多无人机自主覆盖模型进行多无人机自主覆盖。

2.根据权利要求1所述的一种基于信息素启发的多无人机自主覆盖方法,其特征在于,所述步骤S1中多无人机自主收集自然灾害区域数据的覆盖场景图包括无人机、覆盖目标和障碍物位置,具体为:

定义n=1,2,…,N表示各架无人机的编号,N为无人机的总数量,则所有无人机的集合表示为:

定义k=1,2,…,K表示任务区域各灾害源的编号,K为灾害源的总数量,自然灾害区域所有灾害源的集合表示为:

定义覆盖区域是长度为L,宽度为W的二维有边界区域,该二维区域被划分为若干单元格,且该区域包含随机生成的若干障碍物。

3.根据权利要求1所述的一种基于信息素启发的多无人机自主覆盖方法,其特征在于,所述步骤S2包括以下子步骤:

步骤S21、信息素地图的初始化过程;

步骤S22、信息素地图的聚合过程。

4.根据权利要求3所述的一种基于信息素启发的多无人机自主覆盖方法,其特征在于,无人机起始位置的信息素初始化函数为:

Pe,0=P((x,y),(1)

其中,(x,y)表示无人机的起始位置,Pe,0表示任务区域无人机初始化的信息素浓度。

5.根据权利要求4所述的一种基于信息素启发的多无人机自主覆盖方法,其特征在于,所述信息素地图的聚合过程,具体为:

当无人机运动到单元格i处时,该处的信息素总量表示为:

其中,为第k架无人机在单元格i处释放的信息素量;n表示(t-1,t)时刻,在单元格i处,半径为无人机感知范围r内的无人机总数;

第i个单元格的踪迹信息素在(t,t+1)时刻蒸发量表示为:

其中,η为信息素蒸发系数,η∈(0,1);

t+1时刻第i个单元格的信息素总量表示为:

其中,η为信息素蒸发系数,η∈(0,1),为单元格i在t+1时刻的信息素增加值;

踪迹信息素的取值限制在[Pmin,Pmax]内,局部信息素更新规则与全局信息素更新规则集成如下:

6.根据权利要求1所述的一种基于信息素启发的多无人机自主覆盖方法,其特征在于,所述步骤S3中状态函数、动作函数及奖励函数分别为:

状态函数:包含任务区域单元格的踪迹信息素浓度第n架UAV剩余能量消耗以及灾害源的覆盖状态在t时刻,状态函数表示为:

动作函数:包含无人机的飞行方向和无人机的飞行距离在t时刻,动作函数表示为:

奖励函数:包括无人机覆盖灾害源获得的奖励撞击障碍物的奖励以及重叠覆盖某区域的奖励在t时刻,奖励函数表示为:

7.根据权利要求6所述的一种基于信息素启发的多无人机自主覆盖方法,其特征在于,所述步骤S3中基于神经网络的多无人机自主覆盖模型,具体为:神经网络包括动作网络和评价网络,具体为:动作网络的输入为每架无人机的状态函数输出为每架无人机的动作函数评价网络的输入为联合状态s(t)和联合动作a(t),输出为Q值,记为Q(s,a)。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310623947.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top