摘要
本发明涉及一种基于场数据的无人机目标任务自主区域搜索与分配方法,属于无人机和人工智能领域。本发明根据任务飞行规划应用数据结构,设计深度神经网络模型感知深度场信息,通过将感知的信息通过长短期记忆人工网络层后结合深度对抗循环Q神经网络,建立智能体;设计智能体,建立无人机飞行仿真环境,设置奖励机制使智能体在与环境交互中获得实时反馈;利用强化学习思想开展模型训练,通过最大化价值函数使无人机与环境的交互中学习最优策略,对是否完成目标进行测试,对结果进行智能决策的性能评估。本发明节省无人机能源消耗,能快速抵达任务目标区域并高效驻留,支撑任务开展。
技术关键词
决策
深度神经网络模型
融合无人机
卷积神经网络提取
仿真环境
航迹规划
距离估计
数据
无人机高度
机制
障碍物
模型更新
速度
记忆
时序
策略
因子
系统为您推荐了相关专利信息
声源定位方法
音频特征
注意力机制
卷积神经网络提取
模态特征
大曲
模糊PID控制器
随机森林模型
积层
温湿度传感器
智能决策模型
路面养护
卷积特征
融合特征
特征匹配网络
测试用例集
多模态特征融合
高效测试方法
软件运行状态
数据采集单元
轻量级神经网络
多源遥感图像
FPGA开发板
遥感图像处理方法
融合策略