【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。