【技术实现步骤摘要】
本专利技术涉及无人机，具体为一种无人机集群协同作战方法及系统。
技术介绍
1、随着无人机技术的快速发展，无人机集群协同作战已成为军事和民用领域的重要研究方向，并具有广泛应用，包括侦察、打击和电子战；在民用领域，无人机集群可用于灾害响应、环境监测、物流配送等，极大地提升了任务执行的效率和安全性。现有的无人机集群在协同作战中由于缺乏有效的协同机制，无人机之间的任务分配和执行往往不够高效，导致整体作战效能受限；不同无人机之间的资源分配往往不够公平，导致某些无人机过度负担，而其他无人机则资源闲置，从而出现资源分配不均的问题；此外，无人机在执行任务时可能出现路径交叉、资源争夺等冲突，影响任务的顺利进行。
2、为了有效提高集群的作战能力和灵活性，需要开发一种新的无人机集群协同作战方法。
技术实现思路
1、本专利技术目的在于提供一种无人机集群协同作战方法及系统，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种无人机集群协同作战方法，具体包括：
3、步骤s1，多架无人机组建无人机集群，通过预设的通信协议进行初始化，用以建立无人机集群内部的通信网络；
4、步骤s2，利用基于人工智能的任务分配算法，将任务分配至每架无人机；
5、步骤s3，采用分布式路径规划算法，为每架无人机规划最优飞行路径，避免碰撞并优化任务执行效率；
6、步骤s4，应用协同机制执行任务，动态调整自身飞行路径和任务执行策
7、步骤s5，通过实时数据与历史数据进行学习，优化无人机集群的协同作战策略，提升应对复杂环境的能力。
8、进一步地，步骤s2所述基于人工智能的任务分配算法采用蚁群算法，进一步为：
9、s21、明确任务及无人机数量信息，初始化信息素；
10、s22、无人机根据信息素与启发式信息选择执行的任务，构建解，具体公式为：
11、
12、其中，tij(t)是时间t时任务i和无人机j之间的信息素值，ηij是任务i和无人机j之间的启发式信息，α和β是控制信息素和启发式信息相对重要性的参数；
13、s23、根据设定的蒸发率ρ，减少路径上的信息素，计算公式为：
14、tij(t+1)＝(1―ρ)·tij(t)；
15、对无人机构建的解增强信息素，计算公式为：
16、
17、其中，是第k个无人机在时间t对任务i和无人机j之间信息素的贡献，定义为：
18、
19、其中，q是常数，lk是第k个无人机构建的解的目标函数值；
20、s24、评估解的目标函数值选择最优解进行迭代，信息素分布趋于稳定后终止迭代，输出最终的最优解，完成无人机集群的任务分配。
21、进一步地，步骤s3采用a*算法进行路径规划，进一步为：
22、s31、初始化节点并确定起点和终点；
23、s32、采用欧几里得距离作为启发式函数，计算目标节点与当前节点的直线距离，计算公式为：
24、
25、其中，(xg,yg,zg)是目标节点的坐标，(xn,yn,zn)是当前节点的坐标；
26、s33、计算代价，获得路径成本，计算公式为：
27、f(n)＝g(n)+h(n)；
28、其中，g(n)是从起始点到当前节点的实际代价；
29、s34、如果n是目标节点，则路径规划完成，构建路径；如果n不是目标节点，则扩展n的邻居节点，对每个邻居节点m，计算代价，公式为：
30、g(m)＝g(n)+d(n,m)；
31、f(m)＝g(m)+h(m)；
32、其中，d(n,m)为边权重；如果邻居m还未被探索或找到更优路径，则更新其代价并将其放入优先队列，以实现无人机集群的路径规划。
33、进一步地，步骤s4采用博弈论进行无人机集群的协同作战，具体为：
34、s41、选择shapley值作为合作博弈模型，进行建模；
35、s42、计算每个无人机的shapley值φi，获得无人机的贡献度，公式为：
36、
37、其中，v是特征函数，n是所有无人机的集合，n是无人机的数量；
38、s43、根据实时信息与shapley值的结果，无人集群进行路径、飞行速度和任务执行策略的实时调整，用以协同配合作战。
39、进一步地，步骤s5进一步为：分析shapley值结果，确定每个无人机的贡献与收益分配；采用q-learning学习方法，无人机集群的协同作战策略。
40、本专利技术还提供一种无人机集群协同作战系统，包括：
41、无人机集群模块，包括多个无人机；
42、通信网络模块，用以实现无人机之间的实时信息交换与共享；
43、合作博弈模块，采用shapley值合作博弈模型，计算每个无人机的贡献和收益分配；
44、路径规划模块，根据实时信息和合作博弈结果，动态调整无人机的路径；
45、任务执行模块，根据合作博弈结果，动态调整无人机的任务执行策略；
46、学习机制模块，通过机器学习方法，无人机从历史数据和经验中学习，改进其决策模型和策略选择。
47、本专利技术有益效果：本方案通过预设的通信协议进行初始化，确保无人机集群内部通信网络的稳定性和高效性，为后续任务分配和协同作战提供坚实基础，并利用基于人工智能的任务分配算法，能够根据无人机的性能、任务需求和实时状态，智能地将任务分配至每架无人机，提高任务执行的效率和灵活性；应用协同机制执行任务，动态调整自身飞行路径和任务执行策略，实现无人机之间的协同作战，确保在执行任务时的协调一致，提升整体作战效能；通过策略优化，识别冲突并及时解决，确保每个无人机的策略得到公平执行；通过实时数据与历史数据进行学习，不断优化无人机集群的协同作战策略，提升应对复杂环境的能力，使无人机集群能够更好地适应战场变化和任务需求。
本文档来自技高网...【技术保护点】
1.一种无人机集群协同作战方法，其特征在于，具体包括：
2.根据权利要求1所述的无人机集群协同作战方法，其特征在于，步骤S2所述基于人工智能的任务分配算法采用蚁群算法，进一步为：
3.根据权利要求1所述的无人机集群协同作战方法，其特征在于，步骤S3采用A*算法进行路径规划，进一步为：
4.根据权利要求1所述的无人机集群协同作战方法，其特征在于，步骤S4采用博弈论进行无人机集群的协同作战，具体为：
5.根据权利要求1所述的无人机集群协同作战方法，其特征在于，步骤S5进一步为：分析Shapley值结果，确定每个无人机的贡献与收益分配；采用Q-learning学习方法，无人机集群的协同作战策略。
6.一种无人机集群协同作战系统，其特征在于，包括：
【技术特征摘要】
1.一种无人机集群协同作战方法，其特征在于，具体包括：
2.根据权利要求1所述的无人机集群协同作战方法，其特征在于，步骤s2所述基于人工智能的任务分配算法采用蚁群算法，进一步为：
3.根据权利要求1所述的无人机集群协同作战方法，其特征在于，步骤s3采用a*算法进行路径规划，进一步为：
4.根据权利要求1所述的无人机集...
【专利技术属性】
技术研发人员：张驰，卢克雷，余非，
申请(专利权)人：中国人民解放军七三一零六部队，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。