专利汇可以提供一种基于情景模糊认知图的无人机群自主等级自适应调整方法专利检索,专利查询,专利分析的服务。并且本 发明 公开一种基于情景模糊认知图的无人机群自主等级自适应调整方法,步骤包括:S1.建立针对当前任务的情景模糊认知图模型;S2.在无人机上布置用于采集外界环境信息的 传感器 ,以及在操作员身上布置用于采集状态数据的传感器;执行任务过程中,通过各传感器采集无人机的外界环境信息以及操作员的状态数据;S3.使用情景认知模糊认知图模型根据当前任务阶段、各传感器采集到的无人机的外界环境信息以及操作员的状态数据控制调整无人机的自主等级。本发明能够利用情景模糊认知图实现无人机机群的动态自主等级自适应切换,且执行效率高、实现灵活。,下面是一种基于情景模糊认知图的无人机群自主等级自适应调整方法专利的具体信息内容。
1.一种基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,步骤包括:
S1.建立针对当前任务的情景模糊认知图模型;
S2.在无人机上布置用于采集外界环境信息的传感器,以及在操作员身上布置用于采集状态数据的传感器;执行任务过程中,通过各传感器采集无人机的外界环境信息以及操作员的状态数据;
S3.使用情景认知模糊认知图模型根据当前任务阶段、各传感器采集到的无人机的外界环境信息以及操作员的状态数据控制调整无人机的自主等级。
2.根据权利要求1所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于:所述情景模糊认知图模型为基于SA理论融合层次和反馈结构建立得到,依次包括输入层、感知层、理解层、决策层以及预测环节,所述输入层中各输入节点的节点值为各个传感器的数据输入;所述感知层接收所述输入节点的数据,输出给所述理解层;所述感知层包括多个用于分析任务复杂度、环境复杂度以及操作员状态的节点,所述理解层包括用于对应所述任务复杂度、环境复杂度和操作员状态的多个决策所需节点,所述理解层的节点数据输出给所述决策层,所述决策层包括用于根据根据所述理解层的输出数据进行决策的决策节点,所述预测环节用于将所述决策层输出的当前决策反馈回所述感知层中节点以进行重新决策。
3.根据权利要求2所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于:所述感知层具体包括用于分析任务复杂度的机群任务复杂度、单机任务复杂度、子任务复杂度中任意一种或多种的节点,用于分析环境复杂度的气象复杂度节点、电磁环境复杂度、地面图像复杂度中任意一种或多种的节点,以及用于分析操作员状态的心率、交互频率、眼动频率中任意一种或多种的节点。
4.根据权利要求2所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于:所述情景模糊认知图模型中每个节点使用隶属度函数进行模糊化。
5.根据权利要求4所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,所述感知层的输出为将各个节点的输入数据使用隶属度函数得到的模糊化结果,所述感知层中节点输入为所述输入层中各传感器采集到的数据,所述感知层中各节点输出具体表示为:
其中, 表示所述感知层第i个节点的输出,a为sigmoid隶属度函数的倾斜程度,c为sigmoid隶属度函数中位数,xi(t)为所述输入层中各传感器采集到的数据。
6.根据权利要求4所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,所述感知层中节点按照因果关系及因果关系大小ωij与所述理解层中对应的节点连接,其中i为所述感知层的第i个输出节点,j为所述理解层的第j个输入节点,所述理解层的输出f(3)具体为:
其中, 为所述理解层中节点的值, 为所述感知层中节点的值,ωi,j为因果关系的大小,sig()为隶属度函数。
7.根据权利要求4所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,所述决策层的输出具体为所述理解层中各节点的综合结果,具体表示为:
其中, 为所述决策层中节点的值, 为所述理解层中节点的值,ωi,j为因果关系的大小,sig()为隶属度函数。
8.根据权利要求2~7中任意一项所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,所述步骤S3中具体根据所述决策层的输出值大小控制调整无人机应的自主等级,以及通过所述预测环节将所述决策层输出的当前决策反馈回所述感知层中,并判断判断当前决策对环境复杂度和任务复杂度的影响以重新确定最终的决策。
9.根据权利要求8所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,所述预测环节的具体执行步骤包括:
S31.遍历执行所述情景模糊认知图模型后,将所述决策层中的决策节点的当前决策输出C4(t)反馈到所述感知层;
S32.再次遍历所述情景模糊认知图模型,得到下一时刻的决策C4(t+1);
S33.对比当前决策C4(t)和下一时刻的决策C4(t+1),根据对比结果得到最终的决策,其中:
若C4(t+1)=C4(t),则输出为C4(t);
若C4(t+1)
10.根据权利要求1~7中任意一项所述的基于情景模糊认知图的无人机群自主等级自适应调整方法,其特征在于,所述无人机的自主等级按照从低到高依次包括:操作员手动、操作员主动、无人机主动以及无人机自主模式,所述操作员手动模式时,由操作员使用摇杆完成对无人机机群的遥控以及由操作员手动标记出目标位置;所述操作员主动模式时,由操作员通过摇杆设置航路点,由无人机自主规划出经过航路点的航线以及由操作员判断目标位置;所述无人机主动模式时,由无人机自主规划航线,并通过图像处理算法提供给操作员需要重点观察的区域,由操作员判断目标位置;所述无人机自主模式时,由无人机自主规划航线并判断目标位置。
方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于MOOC数据中辍学行为的因果关系挖掘方法 | 2020-05-13 | 52 |
一种基于深度学习的误发音检测的检测方法和装置 | 2020-05-12 | 690 |
一种基于多源数据信息的疲劳状态因果网络方法 | 2020-05-16 | 349 |
人机回环交互式模型训练 | 2020-05-17 | 74 |
一种LED阵列白光通信PCB电路板的检测方法及装置 | 2020-05-12 | 328 |
基于数据、信息和知识对象的意图导向的TCP/IP四层网络协议模型 | 2020-05-16 | 404 |
一种区域企业数据异常行为的大数据识别方法 | 2020-05-08 | 75 |
影响数控装备可靠性的关键子系统识别方法及系统 | 2020-05-16 | 752 |
一种数控机床可用性改进方法及装置 | 2020-05-16 | 132 |
一种面向电力监控系统的网络安全威胁溯源方法 | 2020-05-14 | 618 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。