一种基于插值和模糊识别的多智能体编队识别方法技术

本发明专利技术属于涉及队形识别的人工智能技术领域，具体涉及一种基于插值和模糊识别的多智能体编队识别方法。本发明专利技术包括多智能体编队进入雷达识别区域，雷达扫描并获取识别区域内各智能体的坐标，得到散点集合；从散点集合中获取四个顶点；采用多点插值的方式，在顶点之间随机新增插值点并加入到散点集合中；根据各顶点的连线，构建队形；采用模糊识别的方法来对构建的队形进行识别；多次迭代，根据最后一次识别结果，通过拟合函数预测出下一次的各队形隶属度，取其中最大隶属度对应的队形作为最终识别结果。本发明专利技术运用了模糊识别，利用隶属函数作为样本和模板的度量，能够较好地反映模式的整体特征，并且针对样本中的干扰、噪声具有很强的剔除能力。很强的剔除能力。很强的剔除能力。

【技术实现步骤摘要】
一种基于插值和模糊识别的多智能体编队识别方法


[0001]本专利技术属于涉及队形识别的人工智能
，具体涉及一种基于插值和模糊识别的多智能体编队识别方法。

技术介绍

[0002]多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此相互通信和协调的，易于管理的系统。它的研究涉及智能体的知识、目标、技能、规划以及多智能体系统整体编队的队形识别。目前的队形识别技术发展：
[0003]a)基于规则的多智能体编队识别。目前对空中多智能体编队研究，往往受探测设备分辨率和测量误差影响，空中编队中的单个目标难以分辨，编队目标间隔随机变化大，因而编队难以捕捉。基于规则的多智能体编队识别创建了编队队形识别规则，通过搭建规则运行平台，引接空中作业仿真模拟数据驱动规则运行，从而研判出一些典型空中编队队形。
[0004]b)基于Hough变换法和K
‑
均值算法的编队队形识别。常见的队形识别中，目标和目标之间的间距直接影响探测器捕捉精度，目标之间的间距越小，则探测器对特定目标的选择性就会越差，但是若要提高探测器的目标选择精度，则需要缩小探测器装置的搜索区范围，这样会降低捕捉目标的概率。采用Hough变换和K
‑
均值算法可准确识别编队队形，易于实施、识别结果准确、耗时较少，可以大幅度提高编队识别率，缩短准备时间。
[0005]通过上述分析，现有技术存在的问题及缺陷为：521
[0006]1)受探测设备分辨率和测量误差影响大，编队中的单个目标难以分辨，编队目标间隔随机变化大，因而编队难以捕捉。当识别范围扩大，识别精度就会降低，提高精度，就会相应的降低识别效率。
[0007]2)编队队形探测不全时，识别精度较低。
[0008]3)由于目前规则主要依赖人为设定，局限性很大。
[0009]本专利技术在识别的基础上进行了拓展，提出了一种能在队形未完全呈现时，尽早预测出结果的队形识别技术。

技术实现思路

[0010]本专利技术的目的在提供一种基于插值和模糊识别的多智能体编队识别方法。
[0011]一种基于插值和模糊识别的多智能体编队识别方法，包括以下步骤：
[0012]步骤1：多智能体编队进入雷达识别区域，雷达扫描并获取识别区域内各智能体的坐标，得到散点集合A；
[0013]步骤2：从散点集合A中获取四个顶点；
[0014]对于散点集合A，定义任意两点间的距离为d；构造集合B，集合B中的元素取对应距离d最大的前两组散点；令集合B中各元素的横坐标构成向量X，各元素的纵坐标构成向量Y，但当集合B中元素相当靠近时，这样找取的顶点是没有意义的，对此需要增加一个约束条件，使得上述情况出现时，不会选取对应的顶点；约束条件定义为：
[0015]令向量X,Y之间的最大值大于δ，即max|x
i
‑
y
i
|＞δ
[0016]其中，x
i
,y
i
为向量X,Y的分量，i＝1,2,3,4；
[0017]对于散点集合A，获取各散点与其他散点的距离，将所有的距离结果从大到小排列，再根据约束条件max|x
i
‑
y
i
|＞δ选择四个散点作为顶点；
[0018]步骤3：采用多点插值的方式，在顶点之间随机新增a个插值点并加入到散点集合A中；
[0019]多点插值的公式为：
[0020][0021][0022]步骤4：根据集合B中各顶点的连线，构建队形，获取队形的四个角度特征A1、A2、A3、A4；其中，A1、A2、A3、A4表示内角度数，且A1≥A2≥A3≥A4；
[0023]步骤5：采用模糊识别的方法来对构建的队形进行识别；
[0024]假设对于给定的四边形(A1,A2,A3,A4)，若A
j
是A
i
的对角，规定D(A
i
；A1,A2,A3)＝A
j
，若A
j
是A
i
的邻角，规定L(A
i
；A1,A2,A3)＝A
j
；
[0025]步骤5.1：计算V形Va隶属函数；
[0026]根据V形的特征，其内角为三个角度，区分与菱形梯形的四个角度，即当角度数量为三时，判断队形为V形；
[0027]当180＞A1＞A2＞A3＞0,A4＝0时，Va(A1,A2,A3,A4)＝1
[0028]当180＞A1＞A2＞A3＞A4＞0时，Va(A1,A2,A3,A4)＝0
[0029]步骤5.2：计算菱形Pa隶属函数；
[0030]当A2是A1的对角时，即D(A1；A2,A3,A4)＝A2，Pa的隶属函数Pa(A1,A2,A3,A4)为：
[0031][0032]当A2是A1的邻角时，即L(A1；A2,A3,A4)＝A2，Pa的隶属函数Pa(A1,A2,A3,A4)为：
[0033][0034]步骤5.3：计算梯形Tr隶属函数；
[0035]当A2是A1的对角时，即D(A1；A2,A3,A4)＝A2，Tr的隶属函数Tr(A1,A2,A3,A4)为：
[0036][0037]∧min[|A2+L(A2；A3,A4)
‑
180|+|A2‑
L(A2；A3,A4)|]}
[0038]当A2是A1的邻角时，即L(A1；A2,A3,A4)＝A2，Tr的隶属函数Tr(A1,A2,A3,A4)为：
[0039][0040]∧[|A
i
+L(A
i
；A3,A4)
‑
180|+|A
i
‑
L(A
i
；A3,A4)|]},i＝1,2
[0041]步骤5.4：计算其他四边形Qu隶属函数；所述其他四边形不具有菱形、梯形的特征；
[0042]Qu(A1,A2,A3,A4)＝Pa
C
∧Tr
C
[0043]＝(1
‑
Pa)∧(1
‑
Tr)
[0044]步骤5.5：分别计算得出属于Va，Pa，Tr，Qu这四种队形的隶属度，取其中最大的隶属度所对应的队形作为识别结果，R＝max(Va,Pa,Ta,Qa)；
[0045]步骤6：重复步骤2与步骤5至设定的迭代次数b；根据得到的b次识别结果，通过拟合函数δ预测出下一次的各队形隶属度Va
δ
,Pa
δ
,Ta
δ
,Qa
δ
，取其中最大的隶属度所对应的队形作为最终识别结果R
δ
＝max(Va
δ
,Pa,
δ
Ta
δ
,Qa
δ
)。
[0046]本专利技术的有益效果在于：
...

【技术保护点】

【技术特征摘要】
1.一种基于插值和模糊识别的多智能体编队识别方法，其特征在于，包括以下步骤：步骤1：多智能体编队进入雷达识别区域，雷达扫描并获取识别区域内各智能体的坐标，得到散点集合A；步骤2：从散点集合A中获取四个顶点；对于散点集合A，定义任意两点间的距离为d；构造集合B，集合B中的元素取对应距离d最大的前两组散点；令集合B中各元素的横坐标构成向量X，各元素的纵坐标构成向量Y，但当集合B中元素相当靠近时，这样找取的顶点是没有意义的，对此需要增加一个约束条件，使得上述情况出现时，不会选取对应的顶点；约束条件定义为：令向量X,Y之间的最大值大于δ，即max|x
i
‑
y
i
|＞δ其中，x
i
,y
i
为向量X,Y的分量，i＝1,2,3,4；对于散点集合A，获取各散点与其他散点的距离，将所有的距离结果从大到小排列，再根据约束条件max|x
i
‑
y
i
|＞δ选择四个散点作为顶点；步骤3：采用多点插值的方式，在顶点之间随机新增a个插值点并加入到散点集合A中；多点插值的公式为：多点插值的公式为：步骤4：根据集合B中各顶点的连线，构建队形，获取队形的四个角度特征A1、A2、A3、A4；其中，A1、A2、A3、A4表示内角度数，且A1≥A2≥A3≥A4；步骤5：采用模糊识别的方法来对构建的队形进行识别；假设对于给定的四边形(A1,A2,A3,A4)，若A
j
是A
i
的对角，规定D(A
i
；A1,A2,A3)＝A
j
，若A
j
是A
i
的邻角，规定L(A
i
；A1,A2,A3)＝A
j
；步骤5.1：计算V形Va隶属函数；根据V形的特征，其内角为三个角度，区分与菱形梯形的四个角度，即当角度数量为三时，判断队形为V形；当180＞A1＞A2＞A3＞0,A4＝0时，Va(A1,A2,A3,A4)＝1当18...

【专利技术属性】
技术研发人员：邓廷权，李予凌，任泳行，夏天，张鹏，韦正现，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：