基于改进神经网络的双系统无人机航线规划方法及装置与流程

本发明公开一种基于改进神经网络的双系统无人机航线规划方法及装置，涉及无人机控制。

背景技术：

1、随着无人机技术的快速发展，无人机在军事、商业和民用等各个领域的应用日益广泛。有效的航线规划对于无人机的性能和应用效果至关重要。然而，在复杂的飞行环境中，如何实现无人机的最优航线规划是一个挑战。

2、目前，大多数无人机航线规划方法基于传统的数学模型和预设的路径算法。这些方法往往需要大量的计算资源和时间，并且难以优化多参数、多目标的问题。同时，这些方法通常基于固定的飞行路径和规则，无法充分考虑实际环境和运动状态对航线规划的影响，传统的方法在静态环境中表现良好，但在面对动态环境或复杂地形时，缺乏实时性和灵活性。此外，传统方法通常无法有效处理三维空间中的障碍物和风险，导致航线效率低下和飞行安全问题。因此急切的需要一种能够实时响应环境变化并自适应地优化航线的先进算法。

技术实现思路

1、本发明针对现有技术的问题，提供一种基于改进神经网络的双系统无人机航线规划方法及装置，所采用的技术方案为：

2、第一方面，一种基于改进神经网络的双系统无人机航线规划方法，包括：

3、s1，获取无人机当前飞行的任务参数和环境参数，并作为原始数据；

4、s2，根据所述原始数据，通过预处理和特征提取得到特征向量；

5、s3，根据所述特征向量，通过高层路径规划系统获得初步路径；

6、s4，根据所述初步路径，结合历史路径通过路径修正与优化系统进行优化，得到优选路径；根据所述优选路径，通过路径修正与优化系统进行修正，得到航线规划；

7、s5，将所述航线规划转化为飞行命令，所述飞行命令包括飞行路径和航点；

8、s6，执行所述飞行命令，并通过s1～s5步骤对所述飞行路径进行实时调整。

9、在一些实现方式中，所述高层路径规划系统执行全局路径搜索算法；所述s3具体包括：

10、s31，根据所述特征向量，通过格栅法对所述环境数据进行建模；

11、s32，根据所述环境数据，对所述建模赋予格栅属性；

12、s33，根据所述格栅属性，通过全局路径搜索算法生成全局路径，作为初步路径。

13、在一些实现方式中，s33具体包括：

14、s331，根据所述格栅属性，通过所述全局路径搜索算法进行障碍物编码处理，将障碍物周围的所述格栅属性设置为不可行区域和可行区域；

15、s332,根据所述可行区域，通过所述全局路径搜索算法分别进行双向搜索和方向性搜索生成全局路径，将所述全局路径作为初步路径。

16、在一些实现方式中，所述路径修正与优化系统执行改进型神经网络模型；所述改进型神经网络模型包括卷积神经网络模型、循环神经网络模型和强化学习模型；s4具体包括：

17、s41，根据所述初步路径，通过卷积神经网络模型对所述初步路径的环境数据进行解析，获取障碍识别信息；

18、s42，根据所述障碍识别信息，通过循环神经网络模型结合历史路径对飞行轨迹进行预测，得到优选路径；

19、s43，根据所述优选路径，通过强化学习模型结合历史路径进行路径规划，得到航线规划。

20、第二方面，本发明实施例提供一种基于改进神经网络的双系统无人机航线规划装置，包括：

21、参数获取单元，用于获取无人机当前飞行的任务参数和环境参数，并作为原始数据；

22、向量提取单元，用于根据所述原始数据，通过预处理和特征提取得到特征向量；

23、初步规划单元，用于根据所述特征向量，通过高层路径规划系统获得初步路径；

24、航线规划单元，用于根据所述初步路径，结合历史路径通过路径修正与优化系统进行优化，得到优选路径；根据所述优选路径，通过路径修正与优化系统进行修正，得到航线规划；

25、命令解析单元，用于将所述航线规划转化为飞行命令，所述飞行命令包括飞行路径和航点；

26、命令执行单元，执行所述飞行命令，并通过所述参数获取单元对所述飞行路径进行实时调整。

27、在一些实现方式中，所述初步规划单元中，所述高层路径规划系统执行全局路径搜索算法；具体包括：

28、数据建模子单元，用于根据所述特征向量，通过格栅法对所述环境数据进行建模；

29、格栅处理子单元，用于根据所述环境数据，对所述建模赋予格栅属性；

30、路径生成子单元，用于根据所述格栅属性，通过全局路径搜索算法生成全局路径，作为初步路径。

31、在一些实现方式中，所述路径生成子单元，具体包括：

32、属性设置器，用于根据所述格栅属性，通过所述全局路径搜索算法进行障碍物编码处理，将障碍物周围的所述格栅属性设置为不可行区域和可行区域；

33、路径搜索器,用于根据所述可行区域，通过所述全局路径搜索算法分别进行双向搜索和方向性搜索生成全局路径，将所述全局路径作为初步路径。

34、在一些实现方式中，所述航线规划单元中，所述路径修正与优化系统执行改进型神经网络模型；所述改进型神经网络模型包括卷积神经网络模型、循环神经网络模型和强化学习模型；具体包括：

35、障碍识别子单元，用于根据所述初步路径，通过卷积神经网络模型对所述初步路径的环境数据进行解析，获取障碍识别信息；

36、轨迹预测子单元，用于根据所述障碍识别信息，通过循环神经网络模型结合历史路径对飞行轨迹进行预测，得到优选路径；

37、航线生成子单元，用于根据所述优选路径，通过强化学习模型结合历史路径进行路径规划，得到航线规划。

38、第三方面，本发明实施例提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时，实现如上述第一方面所述的方法。

39、第四方面，本发明实施例提供一种计算机存储介质，所述计算机可读取存储介质中存储有计算机程序，所述计算机程序被处理器执行时，用实现如第一方面所述的方法。

40、本发明的一个或多个实施例至少能够带来如下有益效果：

41、本发明提供一种于改进神经网络的双系统无人机航线规划方法，实现无人机在复杂环境中的最优航线规划。采用高层路径规划系统、路径修正与优化系统的融合双系统的框架设计，结合改进型神经网络算法，实现无人机路径的整合处理，完成对无人机进行路径规划和飞行控制，以应对动态变化的环境和避免潜在障碍，同时优化路径以减少飞行时间和能耗。

技术特征：

1.一种基于改进神经网络的双系统无人机航线规划方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述高层路径规划系统执行全局路径搜索算法；所述s3具体包括：

3.根据权利要求2所述的方法，其特征在于，s33具体包括：

4.根据权利要求3所述的方法，其特征在于，所述路径修正与优化系统执行改进型神经网络模型；所述改进型神经网络模型包括卷积神经网络模型、循环神经网络模型和强化学习模型；所述s4具体包括：

5.一种基于改进神经网络的双系统无人机航线规划装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述初步规划单元中，所述高层路径规划系统执行全局路径搜索算法；具体包括：

7.根据权利要求6所述的装置，其特征在于，所述路径生成子单元，具体包括：

8.根据权利要求7所述的装置，其特征在于，所述航线规划单元中，所述路径修正与优化系统执行改进型神经网络模型；所述改进型神经网络模型包括卷积神经网络模型、循环神经网络模型和强化学习模型；具体包括：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如上述权利要求1-4中任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读取存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如上述权利要求1-4中任意一项所述的方法。

技术总结本发明公开一种基于改进神经网络的双系统无人机航线规划方法及装置，涉及无人机控制技术领域。本发明方法能够实现无人机在复杂环境中的最优航线规划，采用高层路径规划系统、路径修正与优化系统的融合双系统的框架设计，结合改进型神经网络算法，实现无人机路径的整合处理，完成对无人机进行路径规划和飞行控制，以应对动态变化的环境和避免潜在障碍，同时优化路径以减少飞行时间和能耗。技术研发人员：黄麟,高莎,黄浩,王磊受保护的技术使用者：国器智眸（重庆）科技有限公司技术研发日：技术公布日：2024/7/9