摘要
本发明涉及无人机技术领域,公开一种基于深度学习的无人机蜂群反制方法,包括:步骤1、建立无人机和目标的动态系统模型,各无人机的状态由无人机的位置和速度向量表示,各目标的状态由目标的位置和速度向量表示;步骤2、采用李群与李代数对无人机与目标的相对运动进行建模,所述李群用于表示无人机与目标的刚体运动,通过旋转和平移矩阵的组合,描述无人机与目标在三维空间中的变换。通过采用李群与李代数对无人机与目标的相对运动进行建模,解决现有方法在复杂环境下多目标追踪中的误差问题,实现精确捕捉无人机与目标间的动态关系,得到有效的反制能力和目标追踪,提升多目标环境中的任务执行效率。
技术关键词
无人机蜂群
反制方法
李雅普诺夫函数
霍普菲尔德神经网络
多传感器数据融合技术
扩展卡尔曼滤波
动态系统模型
深度Q网络
路径规划算法
无人机协同作战
轨迹
偏差
障碍物
无人机群体
捕捉无人机
分布式策略
深度强化学习
矩阵
系统为您推荐了相关专利信息
李雅普诺夫函数
轨迹跟踪控制方法
轨迹误差
关节
轨迹跟踪算法
反制无人机
挂载释放机构
无人机反制方法
收纳机构
飞行平台
极限学习机
机械臂系统
状态观测方法
观测器
非线性
机器狗
机械关节
关节编码器
关节力矩
多轴力传感器
回声状态网络
李雅普诺夫函数
节点数
梯度下降算法
多变量控制方法