[发明专利]一种无人机集群自组织飞行方法、系统及无人机

权利要求书

1.一种无人机集群自组织飞行方法，其特征在于，包括：

获取无人机群的任务信息、各无人机类型，并基于每架无人机观察各无人机临近的其他无人机的飞行信息；

基于各无人机类型从预先构建的策略模型库中确定与所述各无人机性能参数匹配的策略模型；

基于所述任务信息、基于每架无人机观察临近无人机飞行信息和选择的策略模型确定各无人机的策略动作；

所述策略模型以各无人机类型、其他无人机的飞行信息结合三角密铺特性采用进化算法确定各人机在自主飞行过程中的下一个策略动作；

所述任务信息包括任务目的地和任务类型。

2.如权利要求1所述的无人机集群自组织飞行方法，其特征在于，所述无人机飞行信息至少包括位置和速度。

优选的，所述策略模型库的构建包括：

步骤SXL1、以无人机群中的各无人机为点，以无人机集群为点集，并基于各无人机观察临近无人机的位置，利用三角剖分算法对点集实行结构剖分；

步骤SXL2、基于当前无人机的类型和任务信息确定单元结构；

步骤SXL3、基于所述单元接口利用三角密铺特性使用独立强化学习进行迭代训练，确定最佳单元结构；

步骤SXL4、基于所述最佳结构单元确定所述当前无人机的类型和任务信息所对应的策略模型；

步骤SXL5、更换所述当前无人机的类型和任务信息重新执行步骤SXL1,构建多个策略模型；

步骤SXL6、基于所有的策略模型构建策略模型库。

优选的，所述单元为三角形；所述单元结构包括三角形各边的边长和各角度。

优选的，所述最佳单元结构为等腰三角形或正三角形。

优选的，所述利用Delaunay三角剖分对点集实行结构剖分，之后还包括：基于边界约束，对Delaunay三角剖分结果进行裁剪。

优选的，所述基于边界约束，对Delaunay三角剖分结果进行裁剪包括：

基于最短路径，以边不交叉的方式通过点集中所有的点，构成的闭包作为所述点集剖分的边界；

对Delaunary三角剖分结果中处于所述边界外的三角形的边进行裁剪。

优选的，所述基于所述单元接口利用三角密铺特性使用独立强化学习进行迭代训练，确定最佳单元结构，包括：

步骤1、基于当前每个无人机对应的点所涉及的所有三角形与单元结构利用强化学习算法进行训练，当算法收敛后到本轮训练的适应度值；

步骤2、对各无人机对应的点所处的单元结构进行变异处理，再次执行步骤1直到迭代完成，执行步骤3；

步骤3、以适应度值最高所对应的编队单元结构为所述任务和类型所对应的最佳单元结构。

3.如权利要求2所述的无人机集群自组织飞行方法，其特征在于，所述单元结构的变异包括以设定调节系数对边长和角度进行调节。

4.如权利要求2所述的无人机集群自组织飞行方法，其特征在于，所述基于当前每个无人机对应的点所涉及的所有三角形与单元结构利用强化学习算法进行训练，当算法收敛后到本轮训练的适应度值，包括：

计算每个无人机对应的点所涉及的所有三角形与单元结构的差异；

基于每个无人机对应的点的所有单元结构的差异的均值作为所述点的结构奖励；

计算每个点面向任务的奖励；

加权每个点的结构奖励和任务奖励作为总奖励；经过强化学习的训练，算法收敛后所能获得的最高平均总奖励作为该单元结构的适应度。

5.如权利要求2所述的无人机集群自组织飞行方法，其特征在于，所述单元结构的差异的计算式如下：

式中，S_j和S_k表示各无人机所在的三角形单元j和三角形单元k的单元结构；d(S_j，S_k)表示S_j和S_k的单元结构的差异；表示单元j的第i个角度；表示角度对应的边长；C₁和C₂分别为调节权重，且C₁＞0；C₂＞0；C₁+C₂＝1。