一种无人机的飞行控制方法、系统及控制器与流程
本申请涉及智能识别,具体涉及一种无人机的飞行控制方法、系统及控制器。
背景技术:
1、无人机能够自主完成飞行、巡检、物流运输、应急救援等任务,已应用于低空飞行领域。相关技术中,通常根据无人机的飞行状态及飞行环境,对无人机的飞行过程进行控制,以满足不同应用场景下的飞行需求。
2、但是,现有无人机飞行控制方法在复杂飞行环境下,飞行控制效果仍有待提高。
技术实现思路
1、有鉴于此,本申请提供一种无人机的飞行控制方法、系统及控制器,能够提高无人机的飞行安全性。
2、为解决上述问题,本申请提供的技术方案如下:
3、本申请提供一种无人机的飞行控制方法,方法包括:获取无人机的环境状态信息;环境状态信息包括障碍物的状态信息以及无人机的状态信息;根据环境状态信息,采用强化学习策略确定无人机的目标飞行动作;根据目标飞行动作以及环境状态信息,确定目标飞行动作对应的碰撞风险;在碰撞风险满足动作修正条件的情况下,根据安全约束条件对目标飞行动作进行修正,获得安全飞行动作;根据安全飞行动作控制无人机飞行。
4、一种可能的实现方式,根据目标飞行动作以及环境状态信息,确定目标飞行动作对应的碰撞风险,包括:根据目标飞行动作以及环境状态信息,确定无人机与障碍物之间的碰撞时间;根据碰撞时间确定碰撞风险。
5、一种可能的实现方式,在碰撞风险满足动作修正条件的情况下,根据安全约束条件对目标飞行动作进行修正,包括:响应于碰撞时间小于预设碰撞时间阈值,确定碰撞风险满足动作修正条件;根据安全约束条件确定目标飞行动作对应的动作修正量;根据动作修正量修正目标飞行动作。
6、一种可能的实现方式,根据安全约束条件确定目标飞行动作对应的动作修正量,包括:构建以目标飞行动作为优化目标、以无人机飞行动力学约束以及障碍物避碰约束作为约束条件的优化模型;求解优化模型,获得动作修正量。
7、一种可能的实现方式,获取无人机的环境状态信息,包括:获取激光雷达采集的障碍物距离信息;获取北斗定位系统输出的无人机的位置信息;获取传感器输出的无人机的运动状态信息;根据障碍物距离信息、位置信息以及运动状态信息,获得环境状态信息。
8、一种可能的实现方式,根据障碍物距离信息、位置信息以及运动状态信息,获得环境状态信息,包括:按照多个预设方位角及多个预设俯仰角对障碍物距离信息进行采样,获得多个方向对应的障碍物距离;根据多个障碍物距离构建距离矩阵;根据距离矩阵、位置信息以及运动状态信息,构建环境状态向量,获得环境状态信息。
9、一种可能的实现方式,根据环境状态信息,采用强化学习策略确定无人机的目标飞行动作,包括:将环境状态信息输入预先训练完成的强化学习网络;通过强化学习网络输出目标飞行动作。
10、一种可能的实现方式,强化学习网络采用分布式近端策略优化dppo算法获得;强化学习网络包括卷积神经网络、策略网络和值网络;卷积神经网络用于提取环境状态信息对应的环境特征;策略网络用于根据环境特征输出目标飞行动作;值网络用于评估当前环境状态对应的状态价值。
11、本申请还提供一种无人机的飞行控制系统,包括感知模块、动作生成模块、风险评估模块、动作修正模块和飞行控制模块;感知模块,用于获取无人机的环境状态信息;环境状态信息包括障碍物的状态信息以及无人机的状态信息;动作生成模块,用于根据环境状态信息,采用强化学习策略确定无人机的目标飞行动作;风险评估模块,用于根据目标飞行动作以及环境状态信息,确定目标飞行动作对应的碰撞风险;动作修正模块,用于在碰撞风险满足动作修正条件的情况下,根据安全约束条件对目标飞行动作进行修正,获得安全飞行动作;飞行控制模块,用于根据安全飞行动作控制无人机飞行。
12、本申请还提供一种控制器,用于执行以上任一实现方式提供的无人机的飞行控制方法。
13、本申请实施例提供的无人机的飞行控制方法,基于环境状态信息采用强化学习策略生成目标飞行动作;结合环境状态信息对目标飞行动作进行碰撞风险评估,在碰撞风险满足动作修正条件时,根据安全约束条件对目标飞行动作进行修正,获得安全飞行动作;根据安全飞行动作控制无人机飞行。本申请实施例通过将强化学习策略与飞行安全约束相结合,使强化学习策略不仅能够充分发挥环境适应能力强、决策效率高的优势,而且能够兼顾飞行安全要求,在复杂动态环境下降低无人机发生碰撞的风险,提高无人机飞行控制的安全性、实时性以及环境适应能力。
1.一种无人机的飞行控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标飞行动作以及所述环境状态信息,确定所述目标飞行动作对应的碰撞风险,包括:
3.根据权利要求2所述的方法,其特征在于,所述在所述碰撞风险满足动作修正条件的情况下,根据安全约束条件对所述目标飞行动作进行修正,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据所述安全约束条件确定所述目标飞行动作对应的动作修正量,包括:
5.根据权利要求1所述的方法,其特征在于,所述获取无人机的环境状态信息,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述障碍物距离信息、所述位置信息以及所述运动状态信息,获得所述环境状态信息,包括:
7.根据权利要求6所述的方法,其特征在于,所述根据所述环境状态信息,采用强化学习策略确定所述无人机的目标飞行动作,包括:
8.根据权利要求7所述的方法,其特征在于,所述强化学习网络采用分布式近端策略优化dppo算法获得;
9.一种无人机的飞行控制系统,其特征在于,包括感知模块、动作生成模块、风险评估模块、动作修正模块和飞行控制模块;
10.一种控制器,其特征在于,用于执行权利要求1-8任一项所述的无人机的飞行控制方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com