一种基于城市火势蔓延预测的集分式多无人机救援系统的制作方法

技术特征：
1.一种基于城市火势蔓延预测的集分式多无人机救援系统，其特征在于，包括：中心层无人机和若干个同构的执行层无人机；所述中心层无人机包括用于采集初始环境信息和被困人员信息的第一传感器模块、对环境信息进行分析处理生成环境模型的第一环境分析模块以及用于与执行层无人机进行通信的第一通信模块；任意所述执行层无人机包括用于采集实时环境信息的第二传感器模块、用于对当前突发环境信息进行分析的第二环境分析模块、用于与中心层无人机以及执行层其余无人机进行通信的第二通信模块、根据环境模型进行路径规划的决策模块、根据规划路径控制执行层无人机行进的控制模块以及用于引导被困人员避险的执行模块，其中所述当前突发环境信息包括新的火势信息和被困人员信息；遇险时，中心层无人机将构建的初始环境模型通过第一通信模块发送至执行层无人机，执行层无人机根据接收初始环境模型信息中的被困人员信息进行搜救，在搜索过程中进行实时信息采集，当采集到当前突发环境信息时，将采取中断的方式将当前突发环境信息通过第二传感器模块反馈回中心层无人机，中心层无人机重新对火势进行预测，并将更新后的环境模型通过第一通信模块再次发送至执行层无人机，形成闭环，最终引导被困人员脱险。2.根据权利要求1所述的一种基于城市火势蔓延预测的集分式多无人机救援系统，其特征在于，所述第一环境分析模块基于环境信息建立环境模型，包括：根据初始环境信息构建当前火场态势模型；基于长短期记忆神经网络结合当前火场态势模型构建预测火场态势模型。3.根据权利要求1或2所述的一种基于城市火势蔓延预测的集分式多无人机救援系统，其特征在于，所述无人机将被困人员信息发送给执行层无人机之前，对被困人员信息进行分配，使每一个执行层无人机负责救援一个被困人员。4.根据权利要求3所述的一种基于城市火势蔓延预测的集分式多无人机救援系统，其特征在于，任意执行层无人机接收到分配的被困人员信息后，结合环境模型进行搜救路径规划，并通过改进的q-learning方法求解最优搜救被困人员路径。5.根据权利要求3所述的一种基于城市火势蔓延预测的集分式多无人机救援系统，其特征在于，任意执行层无人机搜救到被困人员后，结合当前环境模型进行引导路径规划，并通过改进的q-learning方法求解最优引导路径。6.根据权利要求1所述的一种基于城市火势蔓延预测的集分式多无人机救援系统，其特征在于，所述执行层无人机根据接收的被困人员信息进行搜救时，根据第二传感器模块采集的当前环境信息更新所述第二传感器模块的探测概率。

技术总结
本发明提供一种基于城市火势蔓延预测的集分式多无人机救援系统，包括：中心层无人机和若干个同构的执行层无人机；所述中心层无人机包括用于采集初始环境和被困人员信息的第一传感器模块、对环境信息进行分析处理的第一环境分析模块以及用于与执行层无人机进行通信的第一通信模块；任意所述执行层无人机包括用于采集实时环境信息的第二传感器模块、第二环境分析模块、用于与中心层无人机以及执行层其余无人机进行通信的第二通信模块、用于根据环境模型和被困人员位置进行路径规划的决策模块、根据规划路径控制执行层无人机行进的控制模块以及用于引导被困人员避险的执行模块。本发明通过无人机引导救援，能够降低了火灾对于消防人员安全危害。于消防人员安全危害。于消防人员安全危害。


技术研发人员：岳伟 辛弘 关显赫 邹存名
受保护的技术使用者：大连海事大学
技术研发日：2021.09.24
技术公布日：2022/1/28