基于加权模糊Petri网的自主无人机形式化推理方法专利检索-自主无人机飞机类型专利检索查询-专利查询网

基于加权模糊Petri网的自主无人机形式化推理方法

阅读：945发布：2020-05-15

专利汇可以提供基于加权模糊Petri网的自主无人机形式化推理方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种基于加权模糊Petri网的自主无人机形式化推理方法，用于解决现有基于模糊Petri网的形式化推理方法实用性差的技术问题。技术方案是引入加权模糊Petri网形式化推理算法，并在推理算法中采用矩阵对应行列元素相乘取最大值算子代替背景技术的矩阵对应行列元素相乘求和算子，以适应自主无人机形式化推理策略规则集中存在的多条规则的输出命题是相同的情形。由于采用了基于模糊Petri网的智能决策形式化推理方法，使得自主无人机比如执行双机或多机搜索/攻击任务时，能够有效的适应形式化推理过程策略规则集中同时存在着不同输入命题对规则结论的贡献和影响不同以及多条规则的输出命题是相同的情形，实用性强。，下面是基于加权模糊Petri网的自主无人机形式化推理方法专利的具体信息内容。

权利要求

1.一种基于加权模糊Petri网的自主无人机形式化推理方法，应用于两架无人机A、B执
行搜索/攻击任务时的作战决策；其中，无人机A、B同时跟踪到同一目标；其特征在于所述方法包括以下步骤：
步骤一、定义WFPN为一个10元组：
WFPN＝(P，T，D，I，O，α，β，f，Th，W)
其中：
P＝{P1，P2，P3，...，Pm}为库所集，包括规则的前提和结论，是有限个库所的集合；其中库所集中的每个库所对应于“目标优先级高、目标优先级中、目标优先级低、无人机A适合攻击、无人机A中等适合攻击、无人机A不适合攻击、无人机B适合攻击、无人机B中等适合攻击、无人机B不适合攻击、无人机A燃油充足、无人机A燃油不充足、无人机B燃油充足、无人机B燃油不充足、A攻击目标B继续搜索、A继续搜索B攻击目标、A继续搜索B继续搜索、A继续搜索B重新对准再次攻击、以及A重新对准再次攻击B继续搜索”的其中之一；
T＝{t1，t2，t3，...，tn}为变迁集，是有限个变迁的集合，其对应的规则置信度向量CF＝(μ1，μ2，μ3，...，μn)；其中，一条规则对应变迁集中的一个变迁ti；一条规则包括目标优先级、无人机A的攻击适合值、无人机B的攻击适合值、无人机A的剩余燃油、以及无人机B的剩余燃油；
D＝{d1，d2，d3，...，dm}是有限个命题的集合，|P|＝|D|；所述有限个命题的集合中每个命题对应所述库所集中的一个库所；所述有限个命题的集合中的命题分为输入命题和输出命题；其中，每个输入命题为“目标优先级高、目标优先级中、目标优先级低、无人机A适合攻击、无人机A中等适合攻击、无人机A不适合攻击、无人机B适合攻击、无人机B中等适合攻击、无人机B不适合攻击、无人机A燃油充足、无人机A燃油不充足、无人机B燃油充足、以及无人机B燃油不充足”的其中之一，每个输出命题为“A攻击目标B继续搜索、A继续搜索B攻击目标、A继续搜索B继续搜索、A继续搜索B重新对准再次攻击、以及A重新对准再次攻击B继续搜索”的其中之一；
I：为输入矩阵；I＝[δij]m×n(δij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n)表示pi到tj的输入关系及权值wij，当pi是tj的输入库所时δij＝wij，否则为0；
O：为输出矩阵，O＝[γij]m×n(γij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n)表示tj到pi的输出关系及规则置信度μj，当Pi是tj的输出库所时rij＝μj，否则为0；
α：P→[0，1]是命题到实数[0，1]之间的映射，α＝[α1，α2，...，αm]T(αi∈[0，1]，i＝1，
2，...，m)为命题的置信度向量，代表各命题的某个时刻状态；表示命题
的初始置信度；表示第k次推理后的命题置信度；
β：P→D是从库所到命题之间的映射；
f：T→[0，1]为变迁到实数[0，1]之间的映射，f(ti)＝μi(ui∈[0，1])表示规则置信度；
Th：λi代表变迁ti的阈值，λ＝[λ1，λ2，......，λn]阈值向量，λi∈(0，1)，i＝1，2，...，n；
W：表示规则的权值集合，记为W＝{w1，w2，...，wk}；wi为输入命题di(i＝1，2，3...，k)的权系数，它代表规则输入命题对于结论贡献程度，当n＝1时，权值为1；
步骤二、根据领域专家经验和相应的规则约束条件，设计加权模糊产生式规则；
加权模糊产生式规则描述如下：
IF d1(w1)AND d2(w2)…AND dn(wn)THEN dK(μ，λ)，i＝1，2，...n且
其中，d1表示规则中的某个输入命题，wi表示规则中的某个输入命题权值，dk表示规则
的输出命题，μ表示规则的置信度，λ表示规则发生的阈值；其中，所述产生式规则表示如果目标优先级、无人机A适合攻击值、无人机B适合攻击值、无人机A燃油、以及无人机B燃油满足相应的条件，则输出对应的作战策略，所述作战策略为“A攻击目标B继续搜索、A继续搜索B攻击目标、A继续搜索B继续搜索、A继续搜索B重新对准再次攻击、或者A重新对准再次攻击B继续搜索”中的其中之一；
权值、阈值以及信度值说明如下：
1)权值：引入权值，为每个输入命题设定加权因子，以适应无人机双机或多机自主执行
搜索/攻击任务时，搜索/攻击策略规则集中存在着不同输入命题对规则结论的贡献和影响不同；权值的确定通常是由领域专家知识获得；如果要给某个命题分配较大的权值，应当遵守以下原则：
①该命题对结论成立的贡献较大；
②该命题具有较大的独立性且其它命题都对它有依赖关系；
2)置信度：代表了条件满足时结论的可信程度，能够反应整个规则的真实程度；
3)阈值：推理得以进行的最低置信度；
步骤三、根据加权模糊Petri网建模方法，对所设计的产生式规则建立WFPN模型；
加权模糊产生式规则建模说明如下：
1)转换原则；
①一条规则对应模型中的一个变迁；
②产生式规则中的每个命题对应一个库所；
③库所的状态表示命题的可信程度；
④命题之间的逻辑关系对应库所和变迁之间的有向弧；
⑤规则的可信程度对应变迁的置信度值；
⑥命题对结论的贡献程度用有向弧上的权值来表示；
2)WFPN模型表示并引入分层策略；
加权模糊产生式规则往往包含许多∧或∨连接的命题，将简单规则以及它们的相互组
合的规则对应的加权模糊产生式结构归结为以下三种类型：
①IF d1(w1)THEN dk≠1，μ1，λ1
②IF d1(w1)∧d1(w1)∧d1(w1)∧...∧dn(wn)THEN dk，k≠1，...，n，μ1，λ1
③IF d1(w1)∨d1(w1)∨d1(w1)∨...∨dn(wn)THEN dk，k≠1，...，n，μ1，μ2，...，μn，λ1，λ2，...，λn
步骤四、根据建立的模型生成推理运算中需要的矩阵和向量；其中，输入矩阵为I，输出矩阵为O，阈值向量为λ；
步骤五、按照下述WFPN形式化推理算法步骤进行推理；
上述WFPN形式化推理算法说明如下：
1)定义三个算子：
① dij＝max{aij，bij}，其中A、B、D均为m×n维矩阵，i＝1，2，...，m；j
＝1，2，...，n；
②Θ：AΘB＝D，如果aij≥bij，dij＝aij；aij＜bij，dij＝0；其中A、B、D均为m×n维矩阵，i＝
1，2，...，m；j＝1，2，...，n；
③ A，B，C分别为m×p，p×n，m×n的矩阵，Cij＝max1≤k≤p(aik·bkj)，
i＝1，2，...，m；k＝1，2，...，p；j＝1，2，...，n；
2)WFPN形式化推理算法步骤如下：
①令k＝0，对向量α0进行初始化；
②计算已知客观事实条件下，变迁的输入命题组合置信度ρ＝IT·ak；
③计算σ＝ρΘλ，比较命题组合置信度ρ和变迁阈值向量λ，判断能够使能的变迁；
④激发上一步判断出的使能变迁，并计算同时为变迁的输入输出库所传递新
的状态值；
⑤计算通过得到的新的状态值，更新整个库所集的状态
值；
⑥若ak+1≠ak，令k＝k+1，重复步骤②至步骤⑤；若ak+1＝ak，推理结束，并输出ak+1；
步骤六、对推理计算结果进行分析决策，以确定无人机A和无人机B的作战策略。

说明书全文

基于加权模糊Petri网的自主无人机形式化推理方法

技术领域

[0001] 本发明涉及一种基于模糊Petri网的形式化推理方法，特别涉及一种基于加权模糊Petri网的自主无人机形式化推理方法。

背景技术

[0002] 自主推理决策是高度自主化、智能化、协同协作化无人机的重要特征。通过形式化推理技术，无人机能够基于规则执行自动化的推理决策，对提升无人机自主、智能及协同协作程度具有重要意义。现有的形式化推理方法有：基于模糊Petri网的形式化推理方法。

[0003] 文献“基于模糊Petri网的PAAIS知识处理研究，硕士学位论文，西北工业大学,2006,p27-30”中公开了一种基于模糊Petri网的形式化推理方法。此方法用于超视距攻击作战，首先设计超视距攻击作战模糊规则库，根据规则建立模糊Petri网模型，按照相应的模糊Petri网基本原理生成形式化推理需要的各类矩阵和向量，根据模糊Petri网形式化推理算法执行迭代计算，最终分析计算结果并进行超视距攻击作战决策。此方法只适合规则库中多条规则的输出命题是不同的情形，不适合规则库中存在多条规则的输出命题是相同的这一情形，这种方法具有局限性。

[0004] 综上所述，现有基于模糊Petri网的智能决策形式化推理方法与技术，无法满足自主无人机比如执行双机、多机搜索/攻击任务形式化推理过程策略规则集中同时存在着不同输入命题对规则结论的贡献和影响不同以及多条规则的输出命题是相同的情形。

发明内容

[0005] 为了克服现有基于模糊Petri网的形式化推理方法实用性差的不足，本发明提供一种基于加权模糊Petri网的自主无人机形式化推理方法。该方法引入加权模糊Petri网形式化推理算法(简称WFPN形式化推理算法)，并在推理算法中采用矩阵对应行列元素相乘取最大值算子代替背景技术的矩阵对应行列元素相乘求和算子，以适应自主无人机形式化推理策略规则集中存在的多条规则的输出命题是相同的情形。由于采用了基于模糊Petri网的智能决策形式化推理方法与技术，使得自主无人机比如执行双机或多机搜索/攻击任务时，能够有效的适应形式化推理过程策略规则集中同时存在着不同输入命题对规则结论的贡献和影响不同以及多条规则的输出命题是相同的情形，实用性强。

[0006] 本发明解决其技术问题所采用的技术方案：一种基于加权模糊Petri网的自主无人机形式化推理方法，其特点是包括以下步骤：

[0007] 步骤一、定义WFPN为一个10元组：

[0008] WFPN＝(P，T，D，I，O，a，β，f，Th，W)

[0009] 其中：

[0010] P＝{P1，P2，P3，...，Pm}为库所集，包括规则的前提和结论，是有限个库所的集合；

[0011] t＝{t1，t2，t3，...，tn}为变迁集，是有限个变迁的集合，其对应的规则置信度向量CF＝(μ1，μ2，μ3，...，μn)；

[0012] D＝{d1，d2，d3，...，dm}是有限个命题的集合，|P|＝|D|；

[0013] I：为输入矩阵。I＝[δij]m×n(δij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n)表示pi到tj的输入关系及权值,当pi是tj的输入库所时δij＝wij，否则为0；

[0014] O：为输出矩阵,O＝[γij]m×n(γij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n表示tj到pi的输出关系及规则可信程度μ(tj),当pi是tj的输出库所时γij＝μ(tj)，否则为0；

[0015] a：P→[0，1]是命题到实数[0，1]之间的映射，a＝[a1，a2，...，am]T(ai∈[0，1]，i＝1，2，...，m)为命题的置信度向量，代表各命题的某个时刻状态。表示命
题的初始置信度。表示第k次推理后的命题置信度；

[0016] β：P→D是从库所到命题之间的映射；

[0017] f：T→[0，1]为变迁到实数[0，1]之间的映射，f(t)＝μ(μ∈[0，1])表示规则信度；

[0018] Th：λi代表变迁ti的阈值。λ＝[λ1，λ2，......，λn]为阈值向量，λi∈(0，1)，i＝1，2，...，n；

[0019] W：表示规则的权值集合，记为W＝{w1，w2，...，wk}；wi为输入命题di(i＝1，2，3...，k)的权系数，它代表规则输入命题对于结论贡献程度，当n＝1时，权值为1；

[0020] 步骤二、根据领域专家经验和相应的规则约束条件，设计加权模糊产生式规则；

[0021] 加权模糊产生式规则描述如下：

[0022] IFd1(w1)ANDd2(w2)…ANDdn(wn)THENdK(μ,λ),i＝1，2，...n且k∈{1，2，...，n}。

[0023] 其中，d1表示规则中的某个输入命题，wi表示规则中的某个输入命题权值，dk表示规则的输出命题，μ表示规则的可信程度，λ表示规则发生的阈值。

[0024] 权值、阈值以及信度值说明如下：

[0025] 1)权值：引入权值，为每个输入命题设定加权因子，以适应无人机双机或多机自主执行搜索/攻击任务时，搜索/攻击策略规则集中存在着不同输入命题对规则结论的贡献和影响不同。权值的确定通常是由领域专家知识获得。如果要给某个命题分配较大的权值，应当遵守以下原则：

[0026] ①该命题对结论成立的贡献较大；

[0027] ②该命题具有较大的独立性且其它命题都对它有依赖关系；

[0028] 2)信度：代表了条件满足时结论的可信程度，能够反应整个规则的真实程度。

[0029] 3)阈值：推理得以进行的最低信度值。

[0030] 步骤三、根据加权模糊Petri网建模方法，对所设计的产生式规则建立WFPN模型；

[0031] 加权模糊产生式规则建模说明如下：

[0032] 1)转换原则；

[0033] ①一条规则对应模型中的一个变迁；

[0034] ②产生式规则中的每个命题对应一个库所；

[0035] ③库所的状态表示命题的可信程度；

[0036] ④命题之间的逻辑关系对应库所和变迁之间的有向弧；

[0037] ⑤规则的可信程度对应变迁的置信度值；

[0038] ⑥命题对结论的贡献程度用有向弧上的权值来表示。

[0039] 2)WFPN模型表示并引入分层策略；

[0040] 加权模糊产生式规则往往包含许多∧或∨连接的命题，将简单规则以及它们的相互组合的规则对应的加权模糊产生式结构归结为以下三种类型：

[0041] ①IF d1(w1)THEN dk’(CF＝μ1)，λ1

[0042] ②IF d1(w1)∧d2(w2)∧...∧dn(wn)THEN dk’(CF＝μ1)，λ1

[0043] ③IF d1(w1)∨d2(w2)∨...∨dn(wn)THEN dk’(CF＝μ1，μ2，...，μn)，λ1，λ2，...，λn[0044] 步骤四、根据建立的模型生成推理运算中需要的矩阵和向量。其中，输入矩阵为I，输出矩阵为O，阈值向量为λ；

[0045] 步骤五、按照下述WFPN形式化推理算法步骤进行推理；

[0046] 上述WFPN形式化推理算法说明如下：

[0047] 1)定义三个算子：

[0048] 其中A、B、D均为m×n维矩阵，i＝1，2，...，m；j＝1，2，...n；

[0049] ②Θ：AΘB＝D，如果aij≥bij，dij＝aij；aij＜bij，dij＝0。其中A、B、D均为m×n维矩阵，i＝1，2，...，m；j＝1，2，...，n；

[0050] A，B，C分别为m×p，p×n，m×n的矩阵，Cij＝max1≤k≤p(aik·bkj),i＝1，2，...，m；k＝1，2，...，p；j＝1，2，...n；

[0051] 2)WFPN形式化推理算法步骤如下：

[0052] ①令k＝0，对向量a0进行初始化；

[0053] ②计算已知客观事实条件下，变迁的输入命题组合置信度ρ＝IT·ak；

[0054] ③计算σ＝ρ⊙λ，比较命题组合置信度ρ和变迁阈值向量λ，判断能够使能的变迁；

[0055] ④激发上一步判断出的使能变迁，并计算同时为变迁的输入输出库所传递新的状态值；

[0056] ⑤计算通过得到的新的状态值，更新整个库所集的状态值；

[0057] ⑥若ak+1≠ak，令k＝k+1，重复步骤②至步骤⑤；若ak+1＝ak，推理结束,并输出ak+1。

[0058] 步骤六、对推理计算结果进行分析决策。

[0059] 本发明的有益效果是：本发明方法引入加权模糊Petri网形式化推理算法(简称WFPN形式化推理算法)，并在推理算法中采用矩阵对应行列元素相乘取最大值算子代替背景技术的矩阵对应行列元素相乘求和算子，以适应自主无人机形式化推理策略规则集中存在的多条规则的输出命题是相同的情形。由于采用了基于模糊Petri网的智能决策形式化推理方法与技术，使得自主无人机比如执行双机或多机搜索/攻击任务时，能够有效的适应形式化推理过程策略规则集中同时存在着不同输入命题对规则结论的贡献和影响不同以及多条规则的输出命题是相同的情形，实用性强。

[0060] 下面结合附图和具体实施方式对本发明作详细说明。

附图说明

[0061] 图1是本发明方法实施例以目标优先级高中低分层的WFPN模型示意图。

[0062] 图2是本发明方法实施例以目标优先级较高建立的WFPN子模型1。

[0063] 图3是方法实施例以目标优先级中等建立的WFPN子模型2。

[0064] 图4是方法实施例以目标优先级较低建立的WFPN子模型3。

具体实施方式

[0065] 参照图1-4。本发明基于加权模糊Petri网的自主无人机形式化推理方法具体步骤如下：

[0066] 步骤一、定义WFPN为一个10元组：

[0067] WFPN＝(P，T，D，I，O，α，β，f，Th，W)

[0068] 其中：

[0069] P＝{P1，P2，P3，...，Pm}为库所集，包括规则的前提和结论，它是有限个库所的集合；

[0070] T＝{t1，t2，t3，...，tn}为变迁集，是有限个变迁的集合，其对应的规则置信度向量CF＝(μ1，μ2，μ3，...，μn)；

[0071] D＝{d1，d2，d3，...，dm}是有限个命题的集合，|P|＝|D|；

[0072] I：为输入矩阵。I＝[δij]m×n(δij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n)表示pi到tj的输入关系及权值,当pi是tj的输入库所时δij＝wij，否则为0；

[0073] O：为输出矩阵,O＝[γij]m×n(γij∈[0，1]，i＝1，2，...，m；j＝1，2，...，n表示tj到pi的输出关系及规则可信程度μ(tj),当pi是tj的输出库所时γij＝μ(tj)，否则为0；

[0074] a：P→[0，1]是命题到实数[0，1]之间的映射，a＝[a1，a2，...，am]T(ai∈[0，1]，i＝1，2，...，m)为命题的置信度向量，代表各命题的某个时刻状态。表示命
题的初始置信度。表示第k次推理后的命题置信度；

[0075] β：P→D是从库所到命题之间的映射；

[0076] f：T→[0，1]为变迁到实数[0，1]之间的映射，f(t)＝μ(μ∈[0，1])表示规则信度；

[0077] Th：λi代表变迁ti的阈值，λ＝[λ1，λ2，......，λn]为阈值向量，λi∈(0，1)，i＝1，2，...，n；

[0078] W：表示规则的权值集合，记为W＝{w1，w2，...，wk}；Wi为输入命题di(i＝1，2，3...，k)的权系数，权值代表规则输入命题对于结论贡献程度，当n＝1时，权值为1；

[0079] 步骤二、根据领域专家经验和相应的规则约束条件，设计加权模糊产生式规则集；

[0080] 本实施例中，假定在某一目标区域内有A、B两架无人机执行搜索/攻击任务，任务存在优先级之分。当A、B两架无人机同时跟踪到同一目标，其推理决策对应的产生式规则集的输入命题、输出命题、规则约束条件、权值分配原则及具体规则分别说明如下。

[0081] 1)输入命题。

[0082] ①攻击适合值(Suitable Value For Attack，SVA)，包括适合攻击(Suitable Attack，SA)、中等适合攻击(Moderate Suitable Attack，MSA)、不适合攻击(Not Suitable Attack，NSA),即：XSVA＝{SA，MSA，NSA}，X＝A or B；

[0083] ②目标优先级(Target Priority，TP):存在高(High，H)、中(Moderate，M)、低(Low，L)之分，即:TP＝{H，M，L}；

[0084] ③剩余燃油(Fuel)，包括充足(Enough，E)、不充足(Not Enough，NE),即：XFUEL＝{E，NE}，X＝A or B。

[0085] 2)输出命题。

[0086] ①A攻击目标B继续搜索(A strike target and B continue search，AST BCS)；

[0087] ②A继续搜索B攻击目标(ACS BST)；

[0088] ③A继续搜索B继续搜索(ACS BCS)；

[0089] ④A继续搜索B重新对准再次攻击(A continue search,B redirect and attack again，ACS BRAA)；

[0090] ⑤A重新对准再次攻击B继续搜索(ARAA BCS)。

[0091] 3)结合领域专家知识，规则约束如下：

[0092] ①对于高、中优先级的目标：尽可能优先快速实施攻击；

[0093] ②对于低优先级目标：首先，分析无人机的剩余燃油状态，若剩余燃油充足应当尽可能的让无人机保持继续搜索的状态，以便搜索到高、中优先级的目标。其次，分析A、B两架无人机的适合攻击、中等适合攻击或不适合攻击的状态，以便决定攻击目标还是继续搜索。

[0094] 4)权值分配原则如下：

[0095] ①若要A攻击目标B继续搜索，则给命题“A的攻击适合值”和“A的剩余燃油”赋予更高的权值；

[0096] ②若要A继续搜索B攻击目标，则给命题“B的攻击适合值”和“B的剩余燃油”赋予更高的权值；

[0097] ③若要A重新对准再次攻击B继续搜索，则给命题“A的攻击适合值”和“A的剩余燃油”赋予更高的权值；

[0098] ④若要A继续搜索B重新对准再次攻击，则给命题“B的攻击适合值”和“B的剩余燃油”赋予更高的权值；

[0099] ⑤若要A继续搜索B继续搜索，则给命题“A的剩余燃油”和“B的剩余燃油”赋予更高的权值。

[0100] 5)表1是设计的规则集Rule1～Rule72。

[0101] 表1

[0102]

[0103]

[0104] 其中R1具体说明如下：

[0105] Rule1：IF目标优先级较高(0.2)AND A适合攻击(0.3)AND B适合攻击(0.1)AND A剩余燃油充足(0.3)AND B剩余燃油充足(0.1)THEN A攻击目标B继续搜索(μ＝0.9，λ＝0.6)。

[0106] Rule1～Rule72阈值和信度值均假定为μ＝0.9、λ＝0.6。

[0107] 步骤三、根据加权模糊Petri网建模方法，对步骤(2)中所设计的规则进行WFPN建模；

[0108] 1)A、B两架无人机搜索/攻击产生式规则与WFPN模型的转换如下：

[0109] ①一条规则对应模型中的一个变迁,Rule1～Rule72对应变迁t1～t72；

[0110] ②表2中产生式规则中的每个命题对应一个库所；

[0111] ③库所的状态表示命题的可信程度；

[0112] ④命题之间的逻辑关系对应库所和变迁之间的有向弧；

[0113] ⑤规则的可信程度对应变迁的置信度值；

[0114] ⑥命题对结论的贡献程度用有向弧上的权值来表示；

[0115] 表2

[0116]

[0117] 2)WFPN模型表示并引入分层策略；

[0118] 本实施例引入分层的策略：参照附图1，根据设计的规则集，分别以目标优先级较高、目标优先级中等、目标优先级较低建立A、B两无人机搜索/攻击决策推理的WFPN子模型，将完整的无人机双机搜索/攻击决策推理的WFPN模型拆分成3部分。

[0119] 步骤四、根据建立的模型生成推理运算中需要的矩阵和向量。其中，输入矩阵为I，输出矩阵为O，阈值向量为λ；

[0120] 参照附图2，子模型1中的输入输出矩阵和阈值向量：

[0121] 输入矩阵为I1：

[0122]

[0123] 输出矩阵为O1：

[0124]

[0125] 阈值向量为λ1：

[0126] λ1＝[0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6]

[0127] 参照附图3，子模型2中的输入输出矩阵和阈值向量：

[0128] 输入矩阵为I2：

[0129]

[0130] 输出矩阵为O2：

[0131]

[0132] 阈值向量为λ2：

[0133] λ2＝[0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6]

[0134] 参照附图4，子模型3中的输入输出矩阵和阈值向量：

[0135] 输入矩阵为I3：

[0136]

[0137] 输出矩阵为O3：

[0138]

[0139] 阈值向量为λ3：

[0140] λ3＝[0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6[0141] 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6][0142] 步骤五、按照下述WFPN形式化推理算法步骤进行推理；

[0143] 上述WFPN形式化推理算法说明如下：

[0144] 1)定义三个算子：

[0145] 其中A、B、D均为m×n维矩阵，i＝1，2，...，m；j＝1，2，...，n；

[0146] ②Θ：AΘB＝D，如果aij≥bij，dij＝aij；aij＜bij，dij＝0。其中A、B、D均为m×n维矩阵，i＝1，2，...，m；j＝1，2，...，n；

[0147] A，B，C分别为m×p，p×n，m×n的矩阵，Cij＝max1sksp(aik·bkj),i＝1，2，...，m；k＝1，2，...，p；j＝1，2，...，n；

[0148] 2)WFPN形式化推理算法步骤如下：

[0149] ①令k＝0，对向量a0进行初始化；

[0150] A、B两无人机同时跟踪到同一目标，各库所状态值为：TP[0.9,0.05,0.05]、ASVA[0.8,0.1,0.1]、BSVA[0.1,0.1,0.8]、AFUEL[0.2,0.8]、BFUEL[0.7,0.3]。

[0151] 其中，目标优先级为TP[0.9,0.05,0.05]，该目标为高优先级目标，即转入子模型1进行形式化推理计算。

[0152] 命题库所初始值即为：

[0153]

[0154] ②计算已知客观事实条件下，变迁的输入命题组合置信度ρ＝IT·ak；

[0155] ③计算σ＝ρΘλ，比较命题组合置信度ρ和变迁阈值向量λ，判断能够使能的变迁；

[0156] ④激发上一步判断出的使能变迁，并计算同时为变迁的输入输出库所传递新的状态值；

[0157] ⑤计算通过得到的新的状态值，更新整个库所集的状态值；

[0158] ⑥若ak+1≠ak，令k＝k+1，重复②～⑤；若ak+1＝ak，推理结束,并输出ak+1。

[0159] ②～⑥具体实施如下：

[0160] 令K＝0，将命题初始向量输入矩阵I1，输出矩阵O1，阈值向量λ1分别带入加权模Petri网形式化推理算法中进行计算：

[0161] K＝1时：

[0162]

[0163] K＝2时：

[0164]

[0165] 根据推理算法要求，当时推理结束，得到p14＝0.7380，p15＝0，p16＝0.5400，p17＝0。

[0166] 步骤六、对推理计算结果进行分析决策。

[0167] 按照最大置信度原则，无人机决策结果A攻击目标B继续搜索。说明A、B两无人机在发现一高优先级目标后，A无人机适合攻击且剩余燃油较低，B无人机不适合攻击且剩余燃油较高，故而采取A攻击目标B继续搜索的策略。

标题	发布/更新时间	阅读量
场所与自主资源之间的联合自动化互操作	2020-05-08	247
基于不同身份无人机之间的管控系统及方法	2020-05-15	206
用于禁飞区的无人机管控系统及方法	2020-05-15	781
基于加权模糊Petri网的自主无人机形式化推理方法	2020-05-15	945
一种用于无人机自主着陆的平台识别测量方法	2020-05-14	807
一种旋翼无人机动平台自主跟踪起降系统及控制方法	2020-05-13	294
一种无人机自主跟踪起降系统及跟踪定位方法	2020-05-14	917
一种小型固定翼无人机集群自主特情处置方法	2020-05-16	920
智能自主巡航返航指挥控制无人机用的高柔电台电源线	2020-05-13	203
一种具有降落伞安全保护装置的无人机系统	2020-05-13	461

基于加权模糊Petri网的自主无人机形式化推理方法

基于加权模糊Petri网的自主无人机形式化推理方法

技术领域

背景技术

发明内容

附图说明

具体实施方式

该功能需要专业版企业版VIP权限，您可以：