一种面向无人值守场景的多无人平台协同决策方法技术

本发明专利技术提供了一种面向无人值守场景的多无人平台协同决策方法，该多无人平台协同决策方法包括：实时获取我方无人平台和目标无人平台的态势信息；根据所获取的态势信息建立基于

【技术实现步骤摘要】
一种面向无人值守场景的多无人平台协同决策方法


[0001]本专利技术涉及无人系统领域，具体是一种面向无人值守场景的多无人平台协同决策方法
。

技术介绍

[0002]随着科技的进步，无人技术得到快速发展，高智能化的无人平台应运而生，为各个行业领域带来了革命性变革
。
在实际应用过程中，单一种类的无人平台因工作方式
、
工作空间
、
搭载传感器等因素限制，无法完成多样复杂的任务，因此多种无人系统之间相互协同
、
交叉使用
、
跨域协同逐渐成为无人系统技术与运用的新的研究方向
。
[0003]无人值守是将地面无人平台
、
空中无人平台和地面无人值守传感器相结合，多无人平台跨域协同工作，共同完成探测
、
搜索
、
跟踪等重点区域的防御值守任务
。
无人值守系统作为无人系统的应用形式之一，在工业与民用领域得到广泛应用
。
目前，无人值守系统主要用于重要区域的辅助监控
、
设备故障隔离
、
巡视告警等目的，而对于监视结果缺乏一定的处置措施，系统具有一定的被动性
。
[0004]现有的国内外对无人值守系统决策推理技术建模方法主要包括知识驱动方法和数据驱动方法两大类
。
其中，基于知识驱动的建模方式主要是从先验知识和已有的模型分析对任务决策进行建模，但是单纯的知识建模方法难以应对动态不确定环境下的复杂无人值守任务环境；基于数据驱动的建模方式则是提取无人值守系统中的特征数据信息来对决策进行建模，但现有基于数据驱动的建模方法存在模型可解释性不足和泛化能力较差的问题
。

技术实现思路

[0005]针对目前无人值守系统决策推理建模方法存在的难以应对动态不确定环境下的复杂无人值守任务环境和模型可解释性不足且泛化能力较差的问题，本专利技术提出了一种面向无人值守场景的多无人平台协同决策方法，通过获取无人值守场景的态势信息，基于模糊认知图理论方法对态势信息进行分析，建立目标威胁评估模型
、
效能评估模型和目标分配模型，完成对目标的多无人平台智能协同决策
。
该方法结合了先验知识与数据算法的优势，提高算法效率
、
降低算力要求，同时使得系统具有良好的鲁棒性
、
可解释性和泛化能力
。
[0006]本专利技术的技术方案是：
[0007]一种面向无人值守场景的多无人平台协同决策方法，其特殊之处在于包括以下步骤：
[0008]步骤1，实时获取我方无人平台和目标无人平台的态势信息；
[0009]步骤2，根据所获取的态势信息建立基于
FCM
的目标威胁评估模型，所述目标威胁评估模型包括目标类型量化值
C1、
目标位置优势量化值
C2、
目标运动优势量化值
C3、
目标协同优势量化值
C4、
目标载荷优势量化值
C5、
我方平台健康度量化值
C6、
目标意图量化值
C7和目标威胁度量化值
C8，
[0010]各量化值通过以下方式确定：
[0011](1)
目标类型量化值
C1根据目标无人平台的类型和威胁程度确定；
[0012](2)
目标位置优势量化值
C2为目标无人平台由当前位置向我方无人平台运动的优势的量化值，根据公式
[0013][0014]确定，其中
E
p
为目标无人平台的目标位置优势式中，
D
为目标无人平台入侵我方区域的总路程，
D
r
为当前时刻目标无人平台距离我方区域的剩余路程，
E
d
为目标无人平台的目标距离优势式中，
r
attack
为目标无人平台的武器攻击距离，
r
m
为我方无人平台的武器攻击距离，
r
detect
是我方无人平台的最大搜索距离；
[0015](3)
目标运动优势量化值
C3根据公式
[0016][0017]确定，其中
V
F
为我方无人平台的速度，
V
T
为目标无人平台的速度；
[0018](4)
目标协同优势量化值
C4根据公式
[0019][0020]确定，其中
n
r
为接收节点数目，
n
t
为发送节点数目，
M
t
为节点发送的消息量，
M
r
为节点接收的消息量；
[0021](5)
目标载荷优势量化值
C5根据公式
[0022][0023]确定，其中
n
为武器类型的数量，
R
1i
表示武器的杀伤半径，
R
2i
表示武器的命中精度，
m
i
为第
i
种武器类型的数量；
[0024](6)
我方平台健康度量化值
C6根据公式
[0025]C6＝
ω
e
·
E
e
+
ω
w
·
E
w
确定，其中
E
e
和
E
w
分别表示剩余电量健康度和武器载荷健康度，
ω
e
和
ω
w
分别表示剩余电量健康度和武器载荷健康度对应的权重，且
ω
e
+
ω
w
＝1，
[0026]剩余电量健康度为
E
e
＝
ω
et
E
et
+
ω
er
E
er
+
ω
ee
E
ee
，式中，
E
et
为我方无人平台执行任务所需电量，
E
er
为我方无人平台返航所需电量，
E
ee
为我方无人平台剩余电量，
ω
et
、
ω
er
和
ω
ee
为对应的权重，且
ω
et
+
ω
er
+
ω
ee
＝1，
[0027]武器载荷健康度为式中，
N
w
为我方无人平台最大武器载荷数量，
n
w
为我方无人平台当前剩余本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向无人值守场景的多无人平台协同决策方法，其特征在于包括以下步骤：步骤1，实时获取我方无人平台和目标无人平台的态势信息；步骤2，根据所获取的态势信息建立基于
FCM
的目标威胁评估模型，所述目标威胁评估模型包括目标类型量化值
C1、
目标位置优势量化值
C2、
目标运动优势量化值
C3、
目标协同优势量化值
C4、
目标载荷优势量化值
C5、
我方平台健康度量化值
C6、
目标意图量化值
C7和目标威胁度量化值
C8，各量化值通过以下方式确定：
(1)
所述目标类型量化值
C1根据目标无人平台的类型和威胁程度确定；
(2)
所述目标位置优势量化值
C2为目标无人平台由当前位置向我方无人平台运动的优势的量化值，根据公式确定，其中
E
p
为目标无人平台的目标位置优势式中，
D
为目标无人平台入侵我方区域的总路程，
D
r
为当前时刻目标无人平台距离我方区域的剩余路程，
E
d
为目标无人平台的目标距离优势式中，
r
attack
为目标无人平台的武器攻击距离，
r
m
为我方无人平台的武器攻击距离，
r
detect
是我方无人平台的最大搜索距离；
(3)
所述目标运动优势量化值
C3根据公式确定，其中
V
F
为我方无人平台的速度，
V
T
为目标无人平台的速度；
(4)
所述目标协同优势量化值
C4根据公式确定，其中
n
r
为接收节点数目，
n
t
为发送节点数目，
M
t
为节点发送的消息量，
M
r
为节点接收的消息量；
(5)
所述目标载荷优势量化值
C5根据公式
确定，其中
n
为武器类型的数量，
R
1i
表示武器的杀伤半径，
R
2i
表示武器的命中精度，
m
i
为第
i
种武器类型的数量；
(6)
所述我方平台健康度量化值
C6根据公式
C6＝
ω
e
·
E
e
+
ω
w
·
E
w
确定，其中
E
e
和
E
w
分别表示剩余电量健康度和武器载荷健康度，
ω
e
和
ω
w
分别表示所述剩余电量健康度和所述武器载荷健康度对应的权重，且
ω
e
+
ω
w
＝1，所述剩余电量健康度为
E
e
＝
ω
et
E
et
+
ω
er
E
er
+
ω
ee
E
ee
，式中，
E
et
为我方无人平台执行任务所需电量，
E
er
为我方无人平台返航所需电量，
E
ee
为我方无人平台剩余电量，
ω
et
、
ω
er
和
ω
ee
为对应的权重，且
ω
et
+
ω
er
+
ω
ee
＝1，所述武器载荷健康度为式中，
N
w
为我方无人平台最大武器载荷数量，
n
w
为我方无人平台当前剩余武器载荷数量；
(7)
所述目标意图量化值
C7根据公式确定，其中
C
j
(t)
表示在
t
时刻的所述目标类型量化值
、
所述目标位置优势量化值
、
所述目标运动优势量化值
、
所述目标协同优势量化值
、
所述目标载荷优势量化值和所述我方平台健康度量化值，
w
1ji
表示分别与各量化值对应的权重，
f(
·
)
表示所述目标威胁评估模型的激活函数；
(8)
所述目标威胁度量化值
C8根据公式确定，其中
C
k
(t)
表示在
t
时刻的所述目标类型量化值
、
所述目标位置优势量化值
、
所述目标运动优势量化值
、
所述目标协同优势量化值
、
所述目标载荷优势量化值
、
所述我方平台健康度量化值和所述目标意图量化值，
w
1ji
表示分别与各量化值对应的权重，
f(
·
)
表示所述目标威胁评估模型的激活函数；步骤3，根据所获取的态势信息和所建立的目标威胁评估模型建立...

【专利技术属性】
技术研发人员：陈军，佟龑，王鹏，汤志荔，胡晓宇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：