[发明专利]一种无人机集群自组织飞行方法、系统及无人机

说明书

本发明提供一种无人机集群自组织飞行方法、系统及无人机，包括：基于提出的边界约束三角密铺方法，采用独立强化学习评估单元结构适应度，基于适应度应用进化算法得到无人机群的最佳编队单元结构，以及能够飞行达到该单元结构的无人机策略模型；变换无人机参数，预先训练构建得到无人机策略模型库，从策略模型库中确定与无人机群性能参数相匹配的策略模型；基于任务信息、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；本发明基于结构演化的密铺编队和基于单智能体视角的独立强化学习，可用于通信拒止和局部观察限制下的无人机集群自组织飞行；同时本发明提供的技术方案易于理解，实施简单，具有广泛的适用性。

技术领域

本发明涉及群体无人系统的应用领域，具体涉及一种无人机集群自组织飞行方法、系统及无人机。

背景技术

无人机集群的优点是成本低、抗毁伤能力强，可以通过群体智能涌现机理实现多种复杂任务。无人机集群首要解决的问题就是自组织飞行问题，自组织飞行需要具备大规模、无中心和分布式特点。在实际强干扰环境中，无人机集群自组织飞行往往面临通信拒止的难题，另一方面，对于通信的依赖降低可以极大程度提高无人机集群的规模，实现从几架无人机的长机-僚机式编队向成百上千架无人机集群的自组织飞行转变。

采取自组织方式的典型模型包括：基于分离、聚集、速度一致的Reynolds boids方法；基于Vicsek模型的自驱动集群动力学方法和Granular-swarm集群模型等，这些模型主要考虑速度一致性问题，没有考虑编队结构问题。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种无人机集群自组织飞行方法，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。

优选的，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：