【技术实现步骤摘要】
一种基于数据驱动的大规模无人机集群编队仿真加速方法及系统
[0001]本专利技术涉及数字仿真
，具体涉及一种基于数据驱动的大规模无人机集群编队仿真加速方法及系统。
技术介绍
[0002]无人机由于具有低成本、无人员伤亡、设备简单、操作方便和灵活可靠等特点，在军事领域与民用领域具有广泛的使用，为了使无人机能够发挥更好的能力，执行更加复杂的任务，需要采用多无人机编队飞行的方式来协同执行任务。由于大规模无人机编队系统复杂，很难进行相应的实物实验，因此数字仿真的方式成为了测试开发大规模无人机编队行为的主要方式，仿真为算法的可行性验证提供了良好的手段。但是当无人机编队中无人机个数规模较大时，仿真耗时问题相对突出，其成为制约仿真发展的重要因素。因此有必要研究加速大规模无人机集群编队仿真速度的方法。
[0003]当前常用的解决大规模仿真中模型复杂度高、模拟仿真计算速度慢的主要方式是采用代理模型的方式来模拟高精度物理模型的仿真过程。代理模型的计算结果与原模型非常接近，但是求解计算量较小。代理模型采用一个数据驱动的、自下而上的办...
【技术保护点】
【技术特征摘要】
1.一种基于数据驱动的大规模无人机集群编队仿真加速方法，其特征在于，包括以下步骤：步骤一、获取包括多时刻无人机集群编队状态数据的无人机集群编队轨迹；步骤二、将所述无人机集群编队轨迹输入模拟无人机集群编队过程的线性代理模型进行训练，获得训练好的线性代理模型；步骤三、训练基于神经网络的误差拟合模型，以修正线性代理模型的预测误差；步骤四、将待预测无人机集群编队的初始状态数据输入训练好的线性代理模型中，并利用训练好的基于神经网络的误差拟合模型对线性代理模型的预测误差进行修正，获取待预测无人机集群编队的状态预测结果。2.根据权利要求1所述的一种基于数据驱动的大规模无人机集群编队仿真加速方法，其特征在于，所述状态数据包括无人机的三维位置与三维速度状态。3.根据权利要求2所述的一种基于数据驱动的大规模无人机集群编队仿真加速方法，其特征在于，在获取包括多时刻无人机集群编队状态数据的无人机集群编队轨迹之后，对所述无人机集群编队状态数据进行降维处理，获取低维无人机集群特征状态数据，进而将低维无人机集群特征状态数据输入模拟无人机集群编队过程的线性代理模型进行训练，获得训练好的线性代理模型。4.根据权利要求3所述的一种基于数据驱动的大规模无人机集群编队仿真加速方法，其特征在于，步骤四中将待预测无人机集群编队的初始状态数据进行降维处理后，输入训练好的线性代理模型中，并利用训练好的基于神经网络的误差拟合模型对线性代理模型的预测误差进行修正，获取待预测无人机集群编队的状态预测结果；并将状态预测结果中低维无人机集群特征状态数据恢复为高维无人机集群状态数据。5.根据权利要求4所述的一种基于数据驱动的大规模无人机集群编队仿真加速方法，其特征在于，采用主成分分析法对所述无人机集群编队状态数据进行降维处理，获取低维无人机集群特征状态数据。6.根据权利要求3
‑
5中任一项所述的一种基于数据驱动的大规模无人机集群编队仿真加速方法，其特征在于，步骤三的具体步骤包括：步骤三一、初始化t＝0、t＝1时刻的无人机集群的预测低维特征状态为其中z0,z1分别表示无人机集群编队轨迹中t＝0、t＝1时刻的无人机集群的实际低维特征状态；步骤三二、在t＞1时刻，利用训练好的线性代理模型对低维无人机集群特征状态进行预测：式中，α,β表示线性代理模型的模型参数；
⊙
表示向量的分量乘法；分别表示t
‑
1、t
‑
2时刻利用线性代理模型预测的低维无人机集群特征状态；步骤三三、使用神经网络Φ修正线性代理模型的预测误差，获得修正后的低维无人机集群特征状态集群特征状态
式中，w表示无人机集群编队目的地位置相对于集群中心初始位置的向量；θ表示神经网络Φ的网络参数；步骤三四、使用平均绝对误差计算...
【专利技术属性】
技术研发人员：白成超，颜鹏，郭继峰，郑红星，
申请(专利权)人：哈尔滨工业大学，
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。