一种基于神经网络学习的集群协同制导方法技术

本发明专利技术公开了一种基于神经网络学习的集群协同制导方法及系统，包括获得任务目标分配算法、无人机集群在到达任务地点后根据任务分配算法分配各无人机任务目标、无人机根据任务目标规划执行任务路径。本发明专利技术所述的基于神经网络学习的集群协同制导方法及系统，采用BP神经网络学习的方法，使得无人机能够对任务目标进行自主识别，自主进行任务分配，自主规划任务路径，快速平稳地接近任务目标以展开工作。快速平稳地接近任务目标以展开工作。快速平稳地接近任务目标以展开工作。

【技术实现步骤摘要】
一种基于神经网络学习的集群协同制导方法


[0001]本专利技术涉及一种制导方法，尤其是一种基于神经网络学习的集群协同制导方法，属于无人机控制领域。

技术介绍

[0002]随着控制、通讯等技术的不断发展，无人无人机在工作中的应用愈发广泛。随着任务需求以及工作环境的日益复杂，多无人机的协同工作已成为其工作模式的重要发展方向。
[0003]但在目标复杂的情况下，通过人工识别的方式难以快速做出任务分配；在信号丢失的情况下，更是难以对无人机进行控制，尤其是在火灾等灾难性现场，现场混乱，信号干扰严重，难以通过人工识别方式完成任务分配。
[0004]因此需要设计无人机自主识别目标并规划路径的计算方法，在末制导阶段对多无人机进行协同控制，有利于无人机在靠近目标后的任务分配更加合理，在之后进行工作时的飞行轨迹更加合理。

技术实现思路

[0005]为了克服上述问题，本专利技术人进行了锐意研究，设计出一种基于神经网络学习的集群协同制导方法及系统，从而完成本专利技术。
[0006]一方面，本专利技术提供了一种基于神经网络学习的集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络学习的集群协同制导方法，无人机集群通过任务目标分配模型自主分配各无人机对应任务目标。2.根据权利要求1所述的集群协同制导方法，其特征在于，所述任务目标分配模型采用神经网络学习方法获得。3.根据权利要求2所述的集群协同制导方法，其特征在于，任务目标分配模型的获得包括以下步骤：S11、收集多个包含任务目标群的图像，对任务目标群进行识别；S12、分析多个包含任务目标群的图像，设计图像中各无人机的任务目标；S13、构建任务目标神经网络，对不同图像中各无人机的工作区域进行学习，得到任务目标分配算法。4.根据权利要求3所述的集群协同制导方法，其特征在于，在步骤S11中，包括以下子步骤：S111、将RGB图像转化为YCbCr图像；S112、对图像进行降噪；S113、特征区域提取；S114、将图像进行划分，将提取出来的特征点在图像中位置进行归纳；S115、按特征区域识别任务目标；S116、将任务目标的位置和等级输出。5.根据权利要求3所述的集群协同制导方法，其特征在于，在步骤S13中，包括以下子步骤：S131、检查任务目标数量与无人机数量；S132、设计任务目标神经网络的输入、输出、隐含层；S133、构建任务目标神经网络。6.根据权利要求5所述的集群协同制导方法，其特征在于，在步骤S133中，不同输入层对隐含层的输出为K
ij
＝ω
ij
x
i
隐含层的输出值L
j
为：输出层的输出M
k
为：任务目标神经网络学习过程更新式为：
其中，n为输入层节点个数，l为隐含层节点个数，m为输出层节点个数，ω
ij
是...

【专利技术属性】
技术研发人员：刘佳琪，王伟，林德福，邓雄，刘鹏飞，张庆，宋旺，
申请(专利权)人：西北工业集团有限公司，
类型：发明
国别省市：