利索能及
我要发布
收藏
专利号: 2025115472910
申请人: 浙江理工大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-06-24
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.基于超声频率自适应的无人机智能动态避障方法,其特征在于,包括如下步骤;

S1,无人机沿预设航线飞行时,飞行控制系统首先读取上一个决策周期中深度Q网络输出的中心频率,并触发数字直接合成DDS驱动装置,向四枚宽带超声换能器同时发射窄脉冲或线性扫频信号;宽带超声换能器接收的回波经模数转换器采样后,立即送入卷积神经网络CNN‑AE完成去噪、增强和互相关特征提取,并输出结果;

S2,姿态识别模块同步输出融合后的姿态角、航向角、速度和加速度数据,长短期记忆网络对无人机行进路径进行短期预测,获得未来姿态变化趋势;深度Q网络综合检测到的超声特征和未来姿态变化趋势,划分安全区、减速区、急停区,并生成复合动作;

S3,当进入急停区时,立即执行制动或爬升机动;当进入减速区时,则降低速度并按偏航指令绕行;当处于安全区时,则保持巡航,同时将最新状态反馈给深度Q网络的深度学习决策层,完成闭环更新;

在步骤S1中,所述宽带超声换能器接收的回波经模数转换器采样后,立即送入卷积神经网络CNN‑AE完成去噪、增强和互相关特征提取,并输出结果包括如下步骤:利用增强数据对卷积自编码网络CNN‑AE进行预训练,网络输入为动态中心频率标记的回波窗,输出为去噪互相关特征和距离真值;

使用“重建误差+谱一致性”联合损失:

其中, 为整体联合损失, 为划分后的回波窗个数, 为模型对第n个回波窗的重构结果,为谱一致性损失的权重系数; 表示频域幅度差的L2范数。

2.根据权利要求1所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,在步骤S2中,所述长短期记忆网络对无人机行进路径进行短期预测,获得未来姿态变化趋势,包括如下步骤:将历史含噪的超声回波压缩成高维特征 、超声测量距离 、信噪比 、姿态四元数、机体速度v以及加速度a,同时输入到长短期记忆网络LSTM,通过忘记门判断出有意义的历史特征:;

其中, 为遗忘门输出,为Sigmoid激活函数, 为输入权重矩阵, 为循环权重矩阵, 为前一时刻LSTM单元的输出, 为偏置向量;

通过输出门 把与安全风险最相关的信息暴露为 :

其中, 为输出门单元状态。

3.根据权利要求2所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,步骤S2中,在复合动作的生成过程中,深度Q网络遵循如下经验策略对中心频率作初步筛选以及网络微调:当无人机与障碍物的距离大于10m时,优先选择低频段,用于扩大测距范围;所述低频段指30kHz至300kHz;

当无人机与障碍物的距离在1m‑10m范围时,频率可调的超声波驱动装置发射的超声波频率大小,随距离按线性插值方式逐步升高;

当无人机与障碍物的距离在0.5m‑1m范围时,频率可调的超声波驱动装置发射的声波频率为固定使用最高档频率,并同时输出减速或急停指令。

4.根据权利要求3所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,步骤S2还包括如下步骤:通过惯性测量单元IMU对无人机开展实时测量,获取无人机三轴加速度 与角速度 ,并借助四元数积分算法来计算无人机的姿

态角;所述姿态角包括俯仰角 、横滚角 、偏航角 。

5.根据权利要求4所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,步骤S2中,所述深度Q网络采用双网络结构,包括策略网络与目标网络;所述策略网络与目标网络的权重更新规则为:;

其中, 为策略网络权重; 为目标网络权重;为软更新系数。

6.根据权利要求5所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,步骤S2中,深度Q网络在离线阶段将接收到的传感器数据映射为状态向量 ,具体公式如下:;

其中,各参数归一化至[0,1]区间, 为超声传感器最大探测距离, 为信噪比,为隐藏特征向量, 为电池剩余能量, 为电池额定能量, 为上一时刻所用超声发射中心频率。

7.根据权利要求6所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,步骤S2还包括如下步骤:定义奖励函数如下:

其中, 为时刻t的即时奖励,,,均为动态权重, 为向目标点靠近的奖励,为当前时刻无人机的三轴加速度;

动态奖励函数的权重 根据无人机与障碍物的距离 进行动态调整,用于在不同距离范围内对避障行为进行不同程度的奖励,以引导无人机在飞行过程中做出最优决策。

8.根据权利要求7所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,还包括如下步骤:S4,当无人机通信中断时,根据本地Q值表选择最优动作,Q值数据以及最优选择公式如下:;

其中,为学习率, 表示下一状态的最大预期价值, 为最佳应急动作, 为动作记忆结构。

9.基于超声频率自适应的无人机智能动态避障系统,用于实现权利要求1‑8任一项所述的基于超声频率自适应的无人机智能动态避障方法,其特征在于,所述基于超声频率自适应的无人机智能动态避障系统包括:超声波测距模块,所述超声波测距模块包括四个超声波测距传感器和一个用于驱动发射不同频率超声波且频率可调的超声波驱动装置;四个超声波测距传感器位于无人机前、后、左、右四面的中心,且用于读取无人机与障碍物之间的距离,同时均与超声波驱动装置电连接;

姿态识别模块,所述姿态识别模块集成加速度计、陀螺仪、磁力计、气压计和GPS;所述加速度计输出重力在机体坐标系三轴上的分量信号;所述陀螺仪输出飞行器绕三轴旋转的角速度信号;所述磁力计输出磁场强度在三轴的分量信号;所述气压计用于获取无人机的飞行高度;

飞行控制模块,所述飞行控制模块分别与超声波测距模块和姿态识别模块电连接;所述飞行控制模块包括嵌入式单片机和地面站,用于处理传感器测量的飞行状态数据,判断、控制并监测无人机的飞行状况,输出控制指令给执行机构,实现对无人机中各种飞行模态的控制和对任务设备的管理;

应急控制模块,用于在通信中断时触发基于Q值表的本地决策,使无人机在异常情况下安全飞行。