[发明专利]基于ST-DQN海上无人机目标搜寻方法、装置、设备和介质

说明书

本公开提供一种基于ST‑DQN的海上无人机目标搜寻规划方法、装置、设备和介质，其中的方法包括：基于已知的由漂流预测模型得到的目标包含概率的待搜寻区域，构建海上搜寻地图模型，对无人机搜寻环境进行形式化描述，对无人机搜寻能力进行建模，得到单机搜寻模型，根据搜寻理论和无人机搜寻代价构建奖惩函数，并通过训练ST‑DQN网络参数，获得能够尽快覆盖重点区域的高效搜寻路径。本公开能够实现针对已知目标包含概率的海上目标搜寻场景快速得到优化的无人机搜寻路径。

技术领域

本公开涉及无人机应用技术领域，尤其涉及一种基于ST-DQN的海上无人机目标搜寻方法、装置、设备和介质。

背景技术

传统的海上搜救决策支持方法大多关于船舶和飞机的协同搜救等问题，现实中的海上搜救目标搜寻策略仍采用平行搜寻等低效模式。随着无人装备技术的逐渐发展，近年来，无人机在搜救领域得到了快速的研究和发展。无人机通过空中成像、地形测绘和紧急交付来协助救援工作，同时减少不必要的人员风险。

然而，传统搜寻规划方法存在很多问题，主要是海上应急处置决策系统的科学决策部分占比较小，在海上遇险目标搜寻规划方面还未有智能高效的解决方案，海上无人机目标搜寻任务的规划方法存在缺陷。

发明内容

有鉴于此，本公开的目的在于提出一种基于ST-DQN的海上无人机目标搜寻方法、装置、设备和介质。

基于上述目的，第一方面，本公开提供了一种基于ST-DQN的海上无人机目标搜寻方法，包括：

一种基于ST-DQN的海上无人机目标搜寻方法，包括：

构建海上搜寻地图维护模型，对无人机搜寻环境进行形式化描述，包括：

以任务区域E划分成L_x×L_y个网格，假设每个网格都是独立的，将每个网格的中心点坐标作为该网格的位置坐标；当初始先验信息已知，每个栅格(m,n) 赋予一定的初始POC值p_mn(k)，(m,n)的取值范围(m∈{1,2,3…L_x},n∈{1,2,3…L_y})；

当初始先验信息已知，且已进行归一化处理即满足：

对无人机搜寻能力进行建模，得到单机搜寻模型，包括：

执行任务的无人机以目标存在概率模型为指导，在待搜寻的任务区域E 内规划搜寻路径，当无人机在栅格内执行搜寻任务，基于搜寻理论则无人机的目标探测概率函数为：

其中，v为无人机i的飞行速度；z为无人机i的飞行时间；l为无人机i 在时间内搜寻航行的总路程；w为无人机i的探测宽度即扫海宽度；A为搜寻栅格单元的面积；j为搜寻单元数(j＝1,2,…,xy)；

根据搜寻理论和无人机搜寻代价构建奖惩函数，基于所述海上搜寻地图维护模型、所述单机搜寻模型和所述奖惩函数，通过预设的算法获得能够尽快搜寻覆盖重点区域的高效最优搜寻路径。

结合上述说明，在本公开实施例另一种可能的实施方式中，所述根据搜寻理论和无人机搜寻代价构建奖惩函数，基于所述海上搜寻地图维护模型、所述单机搜寻模型和所述奖惩函数，通过预设的算法获得能够尽快搜寻覆盖重点区域的高效最优搜寻路径，包括：

基于所述公式3.1，对每一个单元(m,n)都设置一个属性值r，r表示搜寻此单元的搜寻代价值，r_mn(k)表示k时刻无人机的路径信息，若r_mn(k)＝-1则表示此单元已被无人机搜寻过，若r_mn(k)＝1则表示当前无人机正处于此单元， r_mn(k)＝0则表示此海域从未被搜寻过；