一种复杂障碍环境下目标感知安全残差协同追踪方法及系统

本发明属于无人机协同控制与智能决策，具体说是一种复杂障碍环境下目标感知安全残差协同追踪方法及系统。

背景技术：

1、多无人机协同目标追踪在空域安防、目标监视和应急处置等场景中具有重要应用价值。相比单无人机系统，多无人机系统具有更好的空间覆盖能力和持续追踪能力。现有多无人机协同追踪方法在复杂障碍环境中，通常难以同时兼顾目标追踪性能与飞行安全。当障碍物阻挡目标方向、存在飞行边界约束以及无人机之间存在碰撞风险时，若仅强调目标追踪，容易发生碰撞或越界；若仅强调安全规避，又容易降低追踪效率。因此，亟需一种复杂障碍环境下的多无人机协同追踪方法，以在保证目标持续追踪能力的同时，提高对障碍物、边界及协同飞行风险的规避能力。

技术实现思路

1、针对现有技术的不足，本发明提供一种复杂障碍环境下目标感知安全残差协同追踪方法及系统。该方法面向复杂障碍环境中的多无人机协同目标追踪任务，通过构建包含追踪策略分支和安全残差策略分支的双头决策网络，结合风险感知门控机制和安全约束优化方法，对无人机控制动作进行联合决策，在保证目标持续追踪能力的同时，提高无人机对障碍物、边界及协同飞行风险的规避能力。

2、本发明为实现上述目的所采用的技术方案是：

3、一种复杂障碍环境下目标感知安全残差协同追踪方法，包括如下步骤：

4、步骤1、构建多无人机协同追踪环境，所述环境包括目标、两架协同无人机、障碍物特征集合以及飞行边界特征；

5、步骤2、对第架无人机构建目标感知联合观测向量：

6、

7、其中，表示线速度，表示角速度，表示姿态重力投影，和分别表示目标相对位置和相对速度，和分别表示协同无人机相对位置和相对速度，表示障碍物特征，表示边界特征；

8、步骤3、将所述联合观测向量输入双头决策网络，得到追踪动作以及安全残差动作；其中，为追踪策略分支，为安全残差策略分支；

9、步骤4、根据当前观测计算融合系数，并按照如下关系得到融合控制动作：；其中，表示按元素乘；

10、步骤5、构建安全约束代价函数，并基于任务奖励与安全约束对所述双头决策网络进行联合优化训练；

11、步骤6、利用训练后的双头决策网络输出各无人机的融合控制动作，实现复杂障碍环境下对目标的协同追踪。

12、所述障碍物特征集合由环境中的多个障碍物相对于第架无人机的位置和尺寸信息拼接形成，表示为：；其中，表示第个障碍物相对于第架无人机的机体系相对位置，表示第个障碍物的半径参数，表示第个障碍物的高度参数，，表示障碍物数量。

13、所述边界特征包括边界参考中心相对于第架无人机的位置以及当前边界安全裕度，表示为：，其中，表示边界参考中心相对于第架无人机的机体系位置，表示当前边界安全裕度。

14、步骤3中所述双头决策网络包括共享特征编码器、追踪策略分支、安全残差策略分支和融合系数分支；

15、其中，将观测向量输入共享特征编码器，得到共享特征, 基于所述共享特征，追踪策略分支输出基础动作，安全残差策略分支输出安全残差动作，融合系数分支输出融合调节量；其中，表示共享特征编码器，表示追踪策略分支，表示安全残差策略分支，表示融合系数分支，表示安全残差动作的最大幅值。

16、步骤s4中所述融合系数由融合调节量和风险值共同确定，其计算公式为。

17、其中，表示预设最大融合系数，表示 sigmoid 函数，表示当前总体风险值，最终控制动作按下式得到，⊙表示按元素乘，所述安全残差动作仅作用于控制动作中的部分维度，用于对基础动作进行横向避障和安全修正，且所述安全残差动作满足如下幅值约束：

18、

19、其中，表示安全残差动作的幅值上限，以限制安全修正量对基础追踪动作的扰动范围。

20、所述总体风险值由障碍物风险和边界风险共同确定，满足，表示风险幂指数，所述障碍物风险按下式计算：

21、

22、

23、其中，表示第架无人机与第个障碍物之间的表面距离，表示障碍物风险影响距离；

24、所述边界风险按下式计算：

25、

26、其中，表示边界风险开始产生影响的距离；表示无人机当前距离飞行边界的安全距离；所述表示当计算结果小于0时取0，当计算结果大于1时取1，其余情况下保持原计算值不变。

27、步骤5中所述安全约束代价由障碍物代价、边界代价、协同无人机间距代价和终端风险代价组成，表示为：

28、

29、其中，、、和表示各代价项的权重系数，所述障碍物代价、边界代价、协同无人机间距代价分别反映无人机接近障碍物、接近飞行边界和接近协同无人机时的安全风险。

30、所述障碍物代价、边界代价和协同无人机间距代价分别为：

31、

32、

33、

34、其中，表示障碍物代价影响距离，表示边界代价影响裕度，表示协同无人机安全间距阈值，表示第架无人机与协同无人机之间的距离；

35、所述终端风险代价表示为：

36、

37、其中，、、和分别表示障碍物碰撞、边界越界、无人机间碰撞和飞行失败的指示量；当发生对应风险事件时，相应指示量取非零值，用于提高训练过程中对严重安全事件的惩罚强度。

38、基于任务奖励与安全约束代价进行联合优化训练，其优化目标表示为；其中，表示任务奖励项，表示安全约束代价项，表示约束权重系数；

39、通过增大任务奖励项提高目标追踪性能，通过引入安全约束代价项降低碰撞、越界和协同失稳风险，从而实现追踪效率与飞行安全之间的平衡；

40、所述任务奖励项和安全约束代价项按照如下获取：

41、a.基于训练过程中各时间步获得的任务奖励；计算任务奖励项；其中,，表示目标接近奖励，表示目标到达奖励，，；表示第个时间步无人机与目标之间的距离，表示上一时间步无人机与目标之间的距离，表示目标接近奖励的权重系数，表示目标邻域半径，表示无人机进入目标邻域后获得的固定奖励；当无人机相较上一时间步更加接近目标时,，获得正向接近奖励；当无人机远离目标时，该项为负；当无人机进入目标邻域，即满足时，再额外获得固定奖励；

42、b.基于各时间步获得的安全约束代价；计算安全约束代价项；

43、其中，表示对训练过程中采样得到的控制时间步求期望，表示第个控制时间步的任务奖励，表示第个控制时间步的安全约束代价；所述安全约束代价由障碍物代价、边界代价、协同无人机间距代价和终端风险代价共同构成。

44、一种复杂障碍环境下目标感知安全残差协同追踪系统，所述系统包括环境和目标观测构建层、双头决策网络层；

45、环境和目标观测构建层，包括环境单元和目标感知单元；所述环境单元，用于构建目标、两架协同无人机、障碍物特征集合以及飞行边界特征；所述目标感知单元，用于对第架无人机构建目标感知联合观测向量：

46、

47、其中，表示线速度，表示角速度，表示姿态重力投影，和分别表示目标相对位置和相对速度，和分别表示协同无人机相对位置和相对速度，表示障碍物特征，表示边界特征；

48、双头决策网络层，包括双头决策网络单元、门控融合单元、安全约束代价函数单元；所述双头决策网络单元，用于将所述联合观测向量输入双头决策网络，得到追踪动作以及安全残差动作；其中，为追踪策略分支，为安全残差策略分支；所述门控融合单元，用于根据当前观测计算融合系数，并按照如下关系得到融合控制动作：；其中，表示按元素乘；所述安全约束代价函数单元，用于构建安全约束代价函数，并基于任务奖励与安全约束对所述双头决策网络进行联合优化训练；

49、部署层，未知环境下，利用训练后的双头决策网络输出各无人机的融合控制动作，实现复杂障碍环境下对目标的协同追踪。

50、本发明具有以下有益效果及优点：

51、1、本发明在多无人机协同追踪控制中，构建了包含追踪策略分支和安全残差策略分支的双头决策网络。通过将目标追踪动作与安全修正动作分离建模，使无人机在执行目标追踪任务时，既能够保持对目标的持续接近和协同跟踪能力，又能够在存在障碍物、边界约束及协同飞行风险时对控制动作进行针对性修正，从而避免传统单一策略同时兼顾追踪与避险时容易出现的目标推进能力下降或安全裕度不足的问题，提高了复杂环境下多无人机协同追踪控制的合理性和稳定性。

52、2、本发明引入了风险感知门控机制，根据障碍物风险和边界风险动态调节安全残差动作在最终控制动作中的作用强度，使得无人机在低风险状态下能够保持较高的目标追踪效率，在高风险状态下能够增强对障碍物、边界以及协同飞行风险的规避能力。通过这种随环境风险自适应变化的动作融合方式，实现了目标追踪性能与飞行安全性的协调控制，提高了多无人机在复杂障碍环境中的安全性、鲁棒性和环境适应能力。

53、3、本发明进一步构建了基于任务奖励与安全约束代价的联合优化机制，通过对障碍物风险、边界风险、协同无人机间距风险以及终端碰撞风险进行约束建模，使所学习得到的协同追踪策略不仅关注目标持续追踪效果，还能够兼顾飞行过程中的安全约束要求。因此，本发明方法可应用于复杂障碍环境下的多无人机协同巡航、目标跟踪、空域监视、目标伴飞等场景，在提高目标持续追踪能力的同时，降低碰撞和越界风险，具有较好的工程应用价值。