专利汇可以提供一种基于本体的UUV态势感知推理方法专利检索,专利查询,专利分析的服务。并且本 发明 属于UUV态势评估领域,具体涉及一种基于本体的UUV态势 感知 推理方法。本发明能够有效的解决UUV在 水 下环境的态势感知推理问题,以完成对UUV在执行任务时所面对的态势进行评估,从而便于后续的决策和事件处理。本发明具体包括以下步骤:(1)基于本体对UUV态势感知中的态势感知要素进行建模,充分表达态势感知要素之间的关联关系;(2)对本体进行实例化,输入态势感知要素实例;(3)将本体和贝叶斯之间进行结构转换,建立态势感知要素关系描述与态势感知推理之间的 桥梁 ,为后期的推理奠定 基础 ;(4)利用转换后的 贝叶斯网络 对态势感知进行推理,得到当前态势感知推理结果。,下面是一种基于本体的UUV态势感知推理方法专利的具体信息内容。
1.一种基于本体的UUV态势感知推理方法,其特征在于,该方法包括以下步骤:
步骤1:基于本体对UUV态势感知中的态势感知要素进行建模,得到UUV态势感知信息本体,表达态势感知要素之间的关联关系;
步骤2:对UUV态势感知信息本体进行实例化,输入态势感知要素实例;
步骤3:将实例化后的UUV态势感知信息本体转换为贝叶斯网络;
步骤4:将UUV搭载的传感器的信息输入到转换后的贝叶斯网络中,对态势感知进行推理,得到当前态势感知推理结果;
所述的贝叶斯网络推理的本质是在所建立的网络结构基础上进行的概率计算,它的基础仍然是贝叶斯公式和独立假设,即:
上式中P(X1,X2,···,Xn)是所建立的结构模型中的所有节点的联合分布;
对于贝叶斯网络模型来说,假设这个网络有n个隐藏节点,m个观测节点,结合上述公式和假设,可以获得其推理机制为:
上式中的i的取值为1到n,j的取值为1到m;xi表示Xi的一个取值,yj表示观测变量Yj的取值,pa(xi)、pa(yj)分别表示xi,yj的父节点的集合。
2.根据权利要求1所述的一种基于本体的UUV态势感知推理方法,其特征在于,所述的步骤1包括以下步骤:
步骤1.1:创建UUV态势感知相关的属性类,包括:SituAwareness类,Event类以及ThreatLevel类;所述的SituAwareness类表示UUV的态势感知类型;所述的Event类表示不确定事件,Event类包括障碍物事件ObstacleAppear、任务参数变化TaskParameter、能量余量BatteryPower、推进器故障ThrusterFault;所述的ThreatLevel类表示到不确定事件的威胁程度,表示不确定信息概率知识时,对OWL语言进行概率扩展;
步骤1.2:构建类和属性间的关系,包括5种概率关系:hasClass、Conditionhas、hasProbValue、hasState和Variablehas,表示某一个概念和另一个概念间具有属性。
3.根据权利要求1或2所述的一种基于本体的UUV态势感知推理方法,其特征在于,步骤
2所述的对本体进行实例化是对OWL表示的类建立个体并赋值,包括:不确定事件的威胁程度={威胁高,威胁中,威胁低};障碍物影响={威胁高,威胁低};能量余量={充足、不足};
推进器状态={正常,异常};任务参数={不变,变化}。
4.根据权利要求1所述的一种基于本体的UUV态势感知推理方法,其特征在于,所述的步骤3包括以下步骤:
步骤3.1:本体概率扩展,引入数据类型属性hasValue;类Probability表示OWL类和属性节点的概率,包含子类ProbLow(低等级概率)、ProbMedium(中等级概率)和ProbHigh(高等级概率);
步骤3.2:用概率扩展的OWL语言表示态势感知本体的概念和实例、先验概率和条件概率等信息,并将这些信息解析出来保存在txt文件中,生成的ClassInstance.txt、Proirvalue.txt和Condvalue.txt文件分别表示UUV态势感知本体的类和实例关系、先验概率和条件概率信息;
步骤3.3:将ClassInstance.txt、Proirvalue.txt和Condvalue.txt中的数据转换成贝叶斯网络的节点;节点中包括类、类所包含的实例和实例所对应的先验概率信息,根据类和实例信息生成贝叶斯网络中表示因果关系的边,最后生成贝叶斯网络条件概率表。
5.根据权利要求3所述的一种基于本体的UUV态势感知推理方法,其特征在于,所述的步骤3包括以下步骤:
步骤3.1:本体概率扩展,引入数据类型属性hasValue;类Probability表示OWL类和属性节点的概率,包含子类ProbLow(低等级概率)、ProbMedium(中等级概率)和ProbHigh(高等级概率);
步骤3.2:用概率扩展的OWL语言表示态势感知本体的概念和实例、先验概率和条件概率等信息,并将这些信息解析出来保存在txt文件中,生成的ClassInstance.txt、Proirvalue.txt和Condvalue.txt文件分别表示UUV态势感知本体的类和实例关系、先验概率和条件概率信息;
步骤3.3:将ClassInstance.txt、Proirvalue.txt和Condvalue.txt中的数据转换成贝叶斯网络的节点;节点中包括类、类所包含的实例和实例所对应的先验概率信息,根据类和实例信息生成贝叶斯网络中表示因果关系的边,最后生成贝叶斯网络条件概率表。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于发音属性的发音人国别识别模型建模方法及系统 | 2020-05-11 | 107 |
一种基于组件的模块化综合航电模拟训练系统架构 | 2020-05-11 | 46 |
一种基于手绘网页图像的前端工程化代码生成方法 | 2020-05-14 | 374 |
一种环氧/酸酐固化物交联分子模型构建及其玻璃化温度提取方法 | 2020-05-12 | 670 |
神经架构搜索的系统和方法 | 2020-05-14 | 369 |
一种基于语义的大数据分析智能服务系统 | 2020-05-11 | 451 |
一种基于词嵌入技术的API推荐方法 | 2020-05-13 | 197 |
一种基于菌毛抗原基因分布对尿路感染部位进行定位判断的方法 | 2020-05-11 | 965 |
离线客户端重放和同步 | 2020-05-13 | 671 |
一种基于2D图片的AR增强方法 | 2020-05-08 | 627 |
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。