基于脉冲神经元模型和AC网络的无人机类脑避障方法技术

本发明专利技术公开了一种基于脉冲神经元模型和AC网络的无人机类脑避障方法，包括步骤：1)分析脉冲神经元的响应特性，建立神经元脉冲响应模型；2)对脉冲AC网络的输入输出进行编码，并完成时序差分的参数更新；3)获取无人机状态信息，通过神经元脉冲响应模型和脉冲AC网络输出避障决策以进行避障；其中无人机状态信息包括由无人机相机拍摄到的图像信息。本发明专利技术的方法耗时短、输出响应快、消耗计算资源少且能耗低。输出响应快、消耗计算资源少且能耗低。输出响应快、消耗计算资源少且能耗低。

【技术实现步骤摘要】
基于脉冲神经元模型和AC网络的无人机类脑避障方法


[0001]本专利技术主要涉及无人机
，具体涉及一种基于脉冲神经元模型和AC网络的无人机类脑避障方法。

技术介绍

[0002]无人机(Unmanned Aerial Vehicle，UAV)在学术界和工业界都受到了空前重视并得到迅速发展。目前，无人机广泛应用于情报侦察、军事打击、信息对抗、搜索救援等军事领域，以及航空摄影、环境保护、农林作业、货物递送、道路交通监控等民用领域。
[0003]许多无人机都涉及到在低空和受限环境的飞行，例如空中格斗、复杂环境快速穿越、巡航过程中遇到突发情况等。这些情况对无人机的快速避障提出了很大的考验。无人机对障碍物识别距离和数量有限，在面对近距离障碍或者障碍速度较快时，无人机需要做出非常剧烈和频繁的机动动作。准确而快速的机动动作决策可以确保无人机自身安全，极大地提高无人机的生存能力。
[0004]随着应用的不断扩展，无人机越来越多地面临着复杂动态的飞行环境。在复杂动态的环境中，无人机遇到突发事故的可能性不断提高，为了能够智能、自主地完成任务，无人机必须具备对快速运动障碍实现快速避障的能力。因此，使无人机能够完成快速的机动动作决策，实现对近距离或者动态障碍的快速避障，是其保全自身并顺利完成任务的基础。对无人机避障快速决策展开研究具有重要的理论意义和应用价值。
[0005]无人机通过动作决策实现快速避障主要面临以下挑战：
[0006]其一，快速性挑战。面对快速避障任务时，无人机面临的是运动速度较快或相对距离近的目标，这就要求其必须在短时间内完成快速避障任务。这不仅包括运动规划和底层控制的快速响应，还需要无人机迅速完成运动规划的顶层决策。这对于传统的无人机运动规划和控制方法来说较难实现：一方面，在获知目标的运动状态时才能较快地完成运动规划，在目标运动状态未知的情况下，则很难在短时间内完成运动规划；另一方面，多层嵌套的反馈控制回路束缚了无人机的动作执行频率，难以满足快速避障需求。而传统的无人机决策方法，往往高度依赖于环境信息的预处理，而这往往占据了决策算法的大部分时间。若能想办法将这部分时间节省下来，则可以大大加快无人机决策的速度。
[0007]其二，机载资源受限。小型无人机受限于自身的机型和载荷大小，无法携带较多的计算资源：复杂的决策算法会消耗大量的计算资源，从而依赖高性能的计算设备实现，然而这些重量较大，无法在载荷受限的小型无人机上使用，这导致了无人机需要在机载资源受限的条件下选用轻量级算法进行快速决策。
[0008]为应对这两个重大挑战，需要探索耗时短、消耗计算资源少、能耗低的快速避障方法。在处理一些复杂任务时，人脑的决策机制十分高效。因此，通过借鉴人脑的决策机制，很有可能找到一种耗时短、消耗计算资源少、能耗低的快速决策方法。
[0009]起源于脑科学的脉冲神经网络(Spiking Neural Network，SNN)是第三代人工神经网络，以其丰富的时空领域的神经动力学特性、多样的编码机制、事件驱动的优势引起了
学者的关注。近年来，脉冲神经网络的发展使得当前以脑科学成果为基础和启发的一种新型计算范式——类脑计算(Brain
‑
Inspired Computing，BIC)产生了极大的发展。通过脉冲神经网络来实现类脑决策方法，可以显著缩小网络规模，同时高密度的信息传递方式具备降低资源消耗的特性。
[0010]脉冲神经网络在快速决策方法中的研究可以分为两条脉络。第一条脉络是从对生物脑的理解开始的，是对脑启发决策方法的研究。在过去的二十年中，基底神经节和丘脑逐渐被认为参与了人脑中对于运动行为的选择过程。第二条脉络是从强化学习算法在脉冲神经网络上的实现开始的，是脉冲神经网络在决策上的实现，强化学习的目标是实现从状态空间到动作空间的映射，天然适合运用到决策中。脉冲神经网络的训练方法分成两类，一类是按照相应的对照关系，将参数学习的过程从传统的人工神经网络映射到脉冲神经网络上，另一类则是依据STDP直接在脉冲神经网络上进行训练。
[0011]总的来看，在基于脉冲神经网络的无人系统决策领域，已经出现了一些研究成果，奠定了一定的理论基础，但是并没有一个通用的学习范式。同时，现有的方法对于状态空间的描述和状态神经元的建模实现尚不成熟，没有充分发挥出脉冲神经网络的潜力。

技术实现思路

[0012]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种耗时短、响应快的基于脉冲神经元模型和AC网络的无人机类脑避障方法。
[0013]为解决上述技术问题，本专利技术提出的技术方案为：
[0014]一种基于脉冲神经元模型和AC网络的无人机类脑避障方法，包括步骤：
[0015]1)分析脉冲神经元的响应特性，建立神经元脉冲响应模型；
[0016]2)对脉冲AC网络的输入输出进行编码，并完成时序差分的参数更新；
[0017]3)获取无人机状态信息，通过神经元脉冲响应模型和脉冲AC网络输出避障决策以进行避障。
[0018]优选地，在步骤2)中，对脉冲AC网络的输入输出进行时序编码。
[0019]优选地，在步骤2)中，脉冲AC网络完成时序差分的参数更新的过程为：
[0020]设两层的神经网络中，输入层的神经元标记为i，输出层的神经元标记为j，输入层与输出层之间的连接权重标记为w，则计算值函数的梯度，即为计算偏导数
[0021]假设t＝0时刻，神经元处于静止状态，而神经元j的输出t
j
是神经元j激发的第一个脉冲，不考虑核函数η(s)的影响，则t
j
满足：
[0022][0023]考虑输入层的神经元m，其到输出神经元j的连接权重为w
mj
，式(40)两边同时对w
mj
求偏导，合并移项，解得
[0024][0025]通过偏导数和式(41)，即得到值函数梯度据此进行Critic网络的参数更新；其中Actor网络的参数更新与Critic网络的参数更新过程相同。
[0026]优选地，在步骤1)中，建立神经元脉冲响应模型的具体过程为：
[0027]对于脉冲神经元i的放电时间记为t
if
，其中f＝1，2，
…
；因为各个脉冲的形态基本相似，信息被以脉冲时间的形式编码，将神经元i的脉冲序列表示为放电时间序列，并以δ函数的形式表示：
[0028][0029]神经元每次接收脉冲，相当于膜表面一次性接收了定量的电荷，同样，将神经元每次释放脉冲，视为膜表面一次性移除了定量的电荷；将神经元每次释放一个脉冲时，从膜表面移除的电荷记为定值q
r
；激发脉冲后，膜电势从激发阈值瞬间下降到u
r
，则有
[0030][0031]则因为激发脉冲，而在膜表面产生的放电电流为：
[0032][0033]与放电对应的短脉冲电流在数学上的处理方式与任何其他依赖时间的输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脉冲神经元模型和AC网络的无人机类脑避障方法，其特征在于，包括步骤：1)分析脉冲神经元的响应特性，建立神经元脉冲响应模型；2)对脉冲AC网络的输入输出进行编码，并完成时序差分的参数更新；3)获取无人机状态信息，通过神经元脉冲响应模型和脉冲AC网络输出避障决策以进行避障。2.根据权利要求1所述的基于脉冲神经元模型和AC网络的无人机类脑避障方法，其特征在于，在步骤2)中，对脉冲AC网络的输入输出进行时序编码。3.根据权利要求2所述的基于脉冲神经元模型和AC网络的无人机类脑避障方法，其特征在于，在步骤2)中，脉冲AC网络完成时序差分的参数更新的过程为：设两层的神经网络中，输入层的神经元标记为i，输出层的神经元标记为j，输入层与输出层之间的连接权重标记为w，则计算值函数的梯度，即为计算偏导数假设t＝0时刻，神经元处于静止状态，而神经元j的输出t
j
是神经元j激发的第一个脉冲，不考虑核函数η(s)的影响，则t
j
满足：其中，是神经元i发出脉冲的时刻；考虑输入层的神经元m，其到输出神经元j的连接权重为w
mj
，式(40)两边同时对w
mj
求偏导，再合并移项，解得：其中，是神经元没发出脉冲的时刻；通过偏导数和式(41)，即得到值函数梯度
▽
w
V(s
t
,w)，据此进行Critic网络的参数更新；其中Actor网络的参数更新与Critic网络的参数更新过程相同。4.根据权利要求1～3中任意一项所述的基于脉冲神经元模型和AC网络的无人机类脑避障方法，其特征在于，在步骤1)中，建立神经元脉冲响应模型的具体过程为：对于脉冲神经元i的放电时间记为t
if
，其中f＝1，2，
…
；因为各个脉冲的形态基本相似，信息被以脉冲时间的形式编码，将神经元i的脉冲序列表示为放电时间序列，并以δ函数的形式表示：F
i
(t)＝∑
f
δ(t
‑
t
i
f)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)神经元每次接收脉冲，相当于膜表面一次性接收了定量的电荷，同样，将神经元每次释放脉冲，视为膜表面一次性移除了定量的电荷；将神经元每次释放一个脉冲时，从膜表面移除的电荷记为定值q
r
；激发脉冲后，膜电势从激发阈值瞬间下降到u
r
，则有q
r
＝C(θ
‑
u
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)...

【专利技术属性】
技术研发人员：喻煌超，丛一睿，尹栋，王祥科，赵述龙，陆俊麒，曹粟，王小霞，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：