CN115866574B 一种面向灾区救援的多无人机飞行搜救轨迹优化方法 (贵州大学)_第1页
CN115866574B 一种面向灾区救援的多无人机飞行搜救轨迹优化方法 (贵州大学)_第2页
CN115866574B 一种面向灾区救援的多无人机飞行搜救轨迹优化方法 (贵州大学)_第3页
CN115866574B 一种面向灾区救援的多无人机飞行搜救轨迹优化方法 (贵州大学)_第4页
CN115866574B 一种面向灾区救援的多无人机飞行搜救轨迹优化方法 (贵州大学)_第5页
已阅读5页,还剩17页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种面向灾区救援的多无人机飞行搜救轨本发明公开了一种面向灾区救援的多无人(RF)通信模块和自由空间光(FSO)通信模块的无强K_means算法和扩展多模态深度强化学习算同轨迹优化方法。同时基于多模态深度强化学比,本发明还提高了RF分配效率和FSO通信回传2通过所述无人机用户通信模型获得无人机与用户之间的平通过所述用户移动模型获得用户的移动速度与通过所述无人机基站通信模型获得不同可见度下无人机与基基于平均路径损失、用户的移动速度与移动方向、无人机与基站的基于无人机的传输功率、所述平均路径损失、加性高斯白噪声功率计算无所述分布式部分可观察马尔可夫四元组包括观察数据、状态空间、所述奖励函数基于最大化连接用户数量和全局奖励函数rau(t)的表达式如下:i利用中性化训练价值网络将所述分布式部分可观察马尔可夫四元组转化为马尔科夫过程,对无人机建模利用了actor_critic框架,actor_critic框架具有两个关键组件actor通过最大化奖励目标函数来更新策略网络参数,找出最优策略使智能体获32.根据权利要求1所述的面向灾区救援的多无人机飞行搜救轨迹优化方法,其特征在所述平均路径损失的获取过程包括:分别获取视距无线传输中与非3.根据权利要求1所述的面向灾区救援的多无人机飞行搜救轨迹优化方法,其特征在所述无人机基站通信模型包括:基于能见度判断环境质量函数值,λ4如何利用搭载FSO通信模块(与远程基站连接)及多用户及多无人机协同环境中的模型建立及接入匹配的机制是[0004]作为人工智能分支之一的强化学习通决应急通信多无人机协同工作的状态空间和动作空间的5之间的仰角获得建立非视距无线传输的概率,将路径损耗与对应的传输概率相乘后加和,b为平均接收[0023]其中,Θmu代表的是断联的用户数,由公式emu=Nmu-"Nmu计算得出,6[0026]本发明将FSO通信与RF通信结合的无人机作为中继基站为地面用户提供通信服[0029]图2为本发明实施例中的基于多模态深度强化学习的无人机轨迹优化算法流程[0032]如图1_2所示,本实施例中提供一种面向灾区救援的多无人机飞行搜救轨迹优化[0037]S101:建模无人机和移动用户之间视距无线传输(LoS)的通信模型。设和分别为LoS和非视距无线传输(NLoS)中无人机i和移动用户j之间的路径损耗:7[0050]其中σ为加性高斯白噪声(AWGN)功率,Nuav是无人机数量,pj为无人机的传输功8pb为平均接收[0064]其中dik表示无人机i和地面基站k之间的距离,hk为地面基站的高度。α的单位为[0071]这里代表的是在时隙t无人机i的位置9[0077]这里每个无人机在时隙t保持固定高度,同时沿着左右和前后飞行不同个数的单12n)和[0088]在多模态强化学习算法中本实施例对无人机建模利用了actor_critic框架,人机不断与环境交互得到一个完整序列τ存放到经验回放区D={t'},则有所有阶段的奖[0091]vs](23)KLmaxKLmin任何熟

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论