摘要: 随着无人机自主化和智能化水平的提高，无人机之间可以通过协作完成更加复杂的任务。相比于单架无人机，无人机集群可以通过分布式感知、计算和执行提高无人机系统的容错性，以及扩大感知范围和应用规模等。应用无人机集群完成协作搜索任务具有节省人... 展开 随着无人机自主化和智能化水平的提高，无人机之间可以通过协作完成更加复杂的任务。相比于单架无人机，无人机集群可以通过分布式感知、计算和执行提高无人机系统的容错性，以及扩大感知范围和应用规模等。应用无人机集群完成协作搜索任务具有节省人力、效率更高以及减少危险发生等优点。对于无人机集群这一概念，其强调大量无人机之间通过自主协作完成任务。但是，因为涉及到的无人机数量多、约束多，并且经常需要面临不可预测的动态场景、以及由于通信范围有限导致的无人机仅具有局部信息等问题，在设计无人机集群协作搜索算法时，存在两个难点，一是集群内部存在大量的无用信息，容易淹没有效数据，另外，求解最优解的决策问题为多目标多约束问题，难以求解。因此，协作算法算法的关键为设计有效的信息交互算法以及高效的分布式决策算法。 针对搭载有限精度传感器的无人机集群，采用栅格模型法对其执行协作搜索任务的场景进行建模，并以概率地图的形式表征目标在不同栅格中的存在可能性。由于传感器精度有限，因此，采用贝叶斯定理的形式对无人机探索过的区域进行概率更新。无人机集群协作搜索的目标也就转变为将整个区域中目标存在概率降低或者升高到一定的阈值。对于信息交互算法，采用效用性的概念解决目标存在概率随探测次数增加而变化微小的问题，并基于效用性设计概率融合算法。为了使得算法能够更好的应用于大规模无人机集群，利用探访时间间隔计算概率信息的可信度，并结合可信度优化概率融合算法。决策算法方面，采用强化学习设计分布式决策算法。结合不确定度概念与滚动时域优化思想，分别针对由相同性能与不同性能无人机组成的集群设计决策网络，使无人机能够兼顾对局部区域的探索以及降低全局的最大不确定度。此外，利用基于记忆的加权Voronoi图区域分割方法，降低无人机之间的趋同性，提高搜索效率。通过仿真验证，本文所提出的算法，在无人机集群协作搜索任务中，具有更高的搜索效率。 收起