基于深度强化学习的无人机蜂群通信质量优化系统及方法

    公开(公告)号:CN118678375A

    公开(公告)日:2024-09-20

    申请号:CN202410941666.0

    申请日:2024-07-15

    IPC分类号: H04W24/02 H04W4/42 G06N3/092

    摘要: 一种基于深度强化学习的无人机蜂群通信质量优化系统及方法,属于电数据处理技术领域。系统包括中央控制设备和无人机蜂群,无人机蜂群中任一无人机均包括发送控制策略网络、发信装置、接收控制策略网络和收信装置;中央控制设备根据进行通信的无人机蜂群中两个无人机发信装置的参数、收信装置的参数、发送动作、发送状态、接收动作、接收状态和奖励给该两个无人机发送误差;该两个无人机根据接收的误差修改发送控制策略网络、发信装置、接收控制策略网络和收信装置的参数。本发明通过误差修正发信装置和收信装置的参数,大大地提高了通信质量。

    一种无人机的控制系统、控制方法及存储介质

    公开(公告)号:CN117806345B

    公开(公告)日:2024-07-16

    申请号:CN202311835607.7

    申请日:2023-12-28

    IPC分类号: G05D1/46

    摘要: 一种无人机的控制系统、控制方法及存储介质,属于无人机控制技术领域。控制系统中,特征数据提取模块根据第一传感器组提供的无人机的飞行参数及外部环境数据提取出当前时刻t对电机有影响的飞行特征向量Ft,根据第二传感器组提供的电机的运行状态参数提取出上一时刻t‑1电机的运行状态参数向量At‑1;数据融合模块对飞行特征向量Ft、运行状态参数向量At‑1以及当前时刻t的指令数据向量Ct进行融合生成提供给DNN神经网络的当前时刻t的输入向量It,DNN神经网络根据输入向量It计算出电机的当前时刻t的控制向量Dt。本发明充分考虑了各个电机相互之间、飞行状态及外部环境对前时刻驱动部件的影响,进一步提高了无人机控制的灵敏度。

    一种无人机的控制系统、控制方法及存储介质

    公开(公告)号:CN117806345A

    公开(公告)日:2024-04-02

    申请号:CN202311835607.7

    申请日:2023-12-28

    IPC分类号: G05D1/46

    摘要: 一种无人机的控制系统、控制方法及存储介质,属于无人机控制技术领域。控制系统中,特征数据提取模块根据第一传感器组提供的无人机的飞行参数及外部环境数据提取出当前时刻t对电机有影响的飞行特征向量Ft,根据第二传感器组提供的电机的运行状态参数提取出上一时刻t‑1电机的运行状态参数向量At‑1;数据融合模块对飞行特征向量Ft、运行状态参数向量At‑1以及当前时刻t的指令数据向量Ct进行融合生成提供给DNN神经网络的当前时刻t的输入向量It,DNN神经网络根据输入向量It计算出电机的当前时刻t的控制向量Dt。本发明充分考虑了各个电机相互之间、飞行状态及外部环境对前时刻驱动部件的影响,进一步提高了无人机控制的灵敏度。

    一种基于强化学习的异构无人机协同搜索系统及方法

    公开(公告)号:CN118427374A

    公开(公告)日:2024-08-02

    申请号:CN202410902029.2

    申请日:2024-07-05

    摘要: 一种基于强化学习的异构无人机协同搜索系统及方法,属于人工智能技术领域。方法包括如下步骤:无人机Uk获取被搜索区域当前时间的图像#imgabs0#,独立做随机抽样,并执行飞行动作#imgabs1#;获取被搜索区域的下一时间的图像#imgabs2#,并向中央控制设备汇报奖励#imgabs3#;中央控制设备得到K个无人机当前时间的状态#imgabs4#、奖励#imgabs5#和下一时间的状态#imgabs6#;让价值网络做预测#imgabs7#;让目标网络做预测#imgabs8#;计算时间差分值#imgabs9#和误差#imgabs10#,并将误差#imgabs11#广播到所有无人机,更新价值网络参数#imgabs12#和目标网络参数#imgabs13#;无人机根据误差#imgabs14#更新策略网络参数#imgabs15#。本发明学习效率高,收敛速度快。

    无人机人工智能近距离干扰系统及方法

    公开(公告)号:CN117728916A

    公开(公告)日:2024-03-19

    申请号:CN202311839097.0

    申请日:2023-12-28

    IPC分类号: H04K3/00 H04W52/24 G06N3/08

    摘要: 本发明涉及一种无人机人工智能近距离干扰系统及方法,涉及无人机技术领域。所述系统包括:强度分析机构,用于智能分析无人机对象在当前时间分段内接受到的遥控信号的接收功率;内容解析机构,用于基于接收功率以及实时参考距离确定干扰发射机构的发射的用于干扰无人机对象遥控信号接收的干扰信号发射功率;干扰发射机构,邻近地面俯拍设备设置,用于采用干扰信号发射功率执行干扰信号的发射。通过本发明,能够智能分析无人机对象在当前时间分段内接受到的遥控信号的接收功率,并基于接收功率以及无人机对象到地面的实时参考距离确定位于地面的干扰发射机构的干扰信号发射功率,从而兼顾干扰效果以及干扰能耗。

    基于PCNN神经网络的无人机获取图像处理系统及方法

    公开(公告)号:CN115861141B

    公开(公告)日:2023-06-16

    申请号:CN202211534473.0

    申请日:2022-12-02

    IPC分类号: G06T5/50 G06T5/40 G06T5/10

    摘要: 一种基于PCNN神经网络的无人机获取图像处理系统及方法,涉及通信及图像处理技术领域。本发明提供的方法及系统探测无人机发送信息的信道并与无人机对接,接收无人机获取的获取光谱图像以及全色图像;将光谱图像进行了IHS变换,对强度分量和全色图像进行匹配而后进行分解,得到两个低频子带图像系数以及两个高频子带图像系数;将两个低频子带图像系数进行融合,得到融合后的低通子带图像系数;通过PCNN模块将两个高频子带图像系数进行融合,得到融合后的高频子带系数;利用融合后的低通子带图像系数和高频子带系数进行重构得到融合图像。融合图像光谱信息丰富,纹理细节清晰,具有较高的空间细节表现能力且同时保留多光谱图像的光谱特性。

    一种基于强化学习的异构无人机协同搜索系统及方法

    公开(公告)号:CN118427374B

    公开(公告)日:2024-08-30

    申请号:CN202410902029.2

    申请日:2024-07-05

    摘要: 一种基于强化学习的异构无人机协同搜索系统及方法,属于人工智能技术领域。方法包括如下步骤:无人机Uk获取被搜索区域当前时间的图像#imgabs0#,独立做随机抽样,并执行飞行动作#imgabs1#;获取被搜索区域的下一时间的图像#imgabs2#,并向中央控制设备汇报奖励#imgabs3#;中央控制设备得到K个无人机当前时间的状态#imgabs4#、奖励#imgabs5#和下一时间的状态#imgabs6#;让价值网络做预测#imgabs7#;让目标网络做预测#imgabs8#;计算时间差分值#imgabs9#和误差#imgabs10#,并将误差#imgabs11#广播到所有无人机,更新价值网络参数#imgabs12#和目标网络参数#imgabs13#;无人机根据误差#imgabs14#更新策略网络参数#imgabs15#。本发明学习效率高,收敛速度快。

    基于PCNN神经网络的无人机获取图像处理系统及方法

    公开(公告)号:CN115861141A

    公开(公告)日:2023-03-28

    申请号:CN202211534473.0

    申请日:2022-12-02

    IPC分类号: G06T5/50 G06T5/40 G06T5/10

    摘要: 一种基于PCNN神经网络的无人机获取图像处理系统及方法,涉及通信及图像处理技术领域。本发明提供的方法及系统探测无人机发送信息的信道并与无人机对接,接收无人机获取的获取光谱图像以及全色图像;将光谱图像进行了IHS变换,对强度分量和全色图像进行匹配而后进行分解,得到两个低频子带图像系数以及两个高频子带图像系数;将两个低频子带图像系数进行融合,得到融合后的低通子带图像系数;通过PCNN模块将两个高频子带图像系数进行融合,得到融合后的高频子带系数;利用融合后的低通子带图像系数和高频子带系数进行重构得到融合图像。融合图像光谱信息丰富,纹理细节清晰,具有较高的空间细节表现能力且同时保留多光谱图像的光谱特性。