[发明专利]一种基于DQN的多无人机协同区域监视的航路规划方法

说明书

本发明属于多无人机区域监视航路规划领域，公开了一种基于DQN的多无人机区域监视的航路规划方法，包括：设定无人机群的目标监视区域，包含N架无人机，每架无人机上设置一个机载雷达，每架无人机匀速飞行；对无人机群的航路规划进行建模；确定无人机的状态与动作；建立深度神经网络；得到神经网络的目标值；N架无人机的航路进行规划，得到无人机群飞行过程中的有限个训练样本，通过样本训练深度神经网络，训练好的神经网络可以预测到没有看过的样本。当输入无人机群的当前状态时，通过神经网络就可以知道采取哪一个动作飞行时下一步的监视覆盖率就最大。以此规划出的航路就能够使得无人机群有效地实时覆盖监视区域。

技术领域

本发明属于无人机区域监视航路规划领域，尤其涉及一种基于DQN(Deep Q-Network)的多无人机协同区域监视的航路规划方法，适用于无人机群对目标区域进行实时最大覆盖的持续监视问题。

背景技术

无人机(Unmanned Aerial Vehicle，UAV)，是指不需要飞行员驾驶，利用无线电遥控设备和自备的程序控制装置操纵的飞行器。凭借其成本低、机动性强、零伤亡率等特点，在军事领域及民用领域，都发挥着不可替代的作用。在无人机可以完成的各种任务中，区域监视是目前无人机系统的一项非常重要的任务，尤其是在承担边境防空警戒任务时，需要监视的区域通常较为广阔，导致单架无人机对目标区域进行监视就越来越困难，常常无法完成所有的空中警戒任务。为了实时、最大化地监视目标区域，需要多架无人机协同完成。所以如何对多架无人机进行航路规划，解决多无人机协同飞行问题，以完成对指定目标区域的有效监视覆盖，是需要认真研究的重要问题。

目前无人机的航路规划算法研究大多是以避开防空导弹等障碍物到达飞行目标点为目的的，主要针对的是无人机和巡航导弹，通过相关的航路规划算法计算和选择次优或最优的航路轨迹，使得最后飞行的航路不仅满足无人机的飞行约束，还要满足能够有效避开敌方威胁等障碍物，顺利到达指定飞行目标点执行攻击或进行其它任务。但是本文研究的航路规划问题是需要多架无人机持续、不间断地监视指定区域，在多无人机协同区域监视的情况下为每架无人机规划出一条可以飞行的最有效的航迹，各无人机沿着各自的航迹飞行即可达到实时最大化地监视整个任务区域的目的

因此如何对多架无人机进行航路规划，解决无人机群协同飞行完成对指定区域的有效监视覆盖，是需要认真研究的重要问题。如果缺乏对无人机群的有效协同飞行，不仅无法完全体现多架无人机协同监视覆盖、探测的优势，而且甚至会出现无人机之间冲突、碰撞的危险。反之，多架无人机通过有效的航路规划，协同工作能够带来更好的作战效能。

发明内容

针对上述问题，本发明的目的在于提供一种基于DQN的多无人机协同区域监视的航路规划方法，能够解决多架无人机的协同飞行问题，并能够实现对目标区域的监视覆盖面积最大、且所要求的航路没有固定起点与终点的航迹规划问题。

为达到上述目的，本发明采用如下技术方案予以实现。

一种基于DQN的多无人机协同区域监视的航路规划方法，其特征在于，所述方法包括如下步骤：

步骤1，设定无人机群的监视区域，所述无人机群包含N架无人机，每架无人机上设置一个机载雷达，N架无人机在同一高度匀速飞行，并设定每架无人机的监视半径R_max；

步骤2，确定每架无人机的最大速度偏转角θ_max，以及每架无人机的位置和速度更新表达式；

步骤3，建立深度神经网络包含N个全连接神经网络，一个全连接神经网络对应一架无人机的航路规划；

步骤4，确定每个全连接神经网络的目标值；

步骤5，训练每个全连接神经网络的网络参数，得到每个训练后的神经网络模型，从而根据所述每个训练后的神经网络模型确定对应无人机的航路规划结果。

本发明技术方案的特点和进一步的改进为：