一种无人机协同决策准则生成方法技术

本发明专利技术公开了一种无人机协同决策准则生成方法

【技术实现步骤摘要】
一种无人机协同决策准则生成方法、系统、装备和介质


[0001]本专利技术涉及无人机
，尤其涉及无人机协同决策准则生成方法
、
系统
、
装备和介质
。

技术介绍

[0002]随着无人机技术的快速发展，无人机可以执行各种复杂的任务，但在任务执行过程中，无人机受到任务多样性
、
环境复杂性和计算能力不足等因素的制约，使其在复杂多变的任务环境下很难进行自主决策
。
在执行任务期间遇到突发状况时，无人机需要根据实时情况调整自身的任务，但调整自身的任务规划时，需要遵循一定的决策准则，比如任务完成率最大
、
区域覆盖率最大
、
任务规划时间最快等
。
[0003]现有的无人机决策准则生成方法主要有基于规则库的规则匹配和基于深度强化学习的规则预测，前者通过对已有的大量历史数据进行分析处理后，手动提取规则并构建规则库，用于后续的规则匹配，这种方法需要手动提取，费时费力，且很难适应动态的态势环境
。
后者能够以动态仿真的方式进行不同态势的匹配，致力于对未来可能发生的各种情况做出预测，但是其预测的是单一准则，未考虑多个准则间的相关性
、
优先级，导致生成的决策准则适用性差
。

技术实现思路

[0004]本专利技术提供了一种无人机协同决策准则生成方法
、
系统
、
装备和介质，解决了现有的无人机决策准则生成方法仅能预测单一准则，未考虑多个准则间的相关性
、
优先级，导致生成的决策准则适用性差的技术问题
。
[0005]本专利技术提供的一种无人机协同决策准则生成方法，包括：
[0006]当接收到决策准则触发数据时，获取无人机的任务数据及对应的任务紧急状况数据；
[0007]当所述任务紧急状况数据为不紧急时，将所述无人机对应的周围环境图像数据进行对手装备识别，得到对手装备数量和对手装备特征数据；
[0008]当所述对手装备数量小于预设值时，提取无人机对应的无人机装备特征数据和地面控制站采集的地面数据；
[0009]将所述对手装备特征数据
、
所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像；
[0010]将所述环境态势网格图像输入多协同决策准则分类模型，得到所述无人机对应的协同决策准则
。
[0011]可选地，所述获取无人机的任务数据及对应的任务紧急状况数据的步骤，包括：
[0012]获取无人机对应的无人机授权情况数据；
[0013]当所述无人机授权情况数据为授权时，将所述无人机的任务数据进行紧急状况判断，得到任务紧急状况数据
。
[0014]可选地，所述将所述对手装备特征数据
、
所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像的步骤，包括：
[0015]将所述对手装备特征数据
、
所述无人机装备特征数据和所述地面数据进行特征融合，得到初始真实态势网格图像集；
[0016]将所述初始真实态势网格图像集进行栅格化，得到目标真实态势网格图像集；
[0017]根据所述目标真实态势网格图像集，采用上采样算法
SMOTE
生成样本，得到第一虚拟态势网格图像集；
[0018]根据所述目标真实态势网格图像集，采用信息扩散方法
MTD
生成样本，得到第二虚拟态势网格图像集；
[0019]采用所述第一虚拟态势网格图像集和所述第二虚拟态势网格图像集，构建虚拟态势网格图像集；
[0020]从所述目标真实态势网格图像集和所述虚拟态势网格图像集中选取网格图像样本，构建环境态势网格图像
。
[0021]可选地，所述根据所述目标真实态势网格图像集，采用上采样算法
SMOTE
生成样本，得到第一虚拟态势网格图像集的步骤，包括：
[0022]将所述目标真实态势网格图像集中的装备分别作为第一样本生成对象，得到第一网格图像样本集；
[0023]按照预设选取标准从所述第一网格图像样本集中选取合成样本的根样本；
[0024]从所述第一网格图像样本集中选取与所述根样本之间欧式距离在预设距离范围内的多个所述第一样本生成对象，得到近邻辅助样本点集；
[0025]按照预设上采样率从所述近邻辅助样本点集中选取辅助样本点，得到辅助样本点集；
[0026]将所述辅助样本点集中的辅助样本点分别代入预设样本公式进行样本更新，生成虚拟样本；
[0027]所述预设样本公式为：
[0028]x
new
＝
x
i
+(x
′
i
‑
x
i
)
×
rand(0,1)
；
[0029]其中，
x
new
为第一虚拟态势网格图像；
x
i
为根样本；
x
′
i
为辅助样本点；
rand(0,1)
为0至1之间的随机函数；
[0030]采用全部所述虚拟样本，构建第一虚拟态势网格图像集
。
[0031]可选地，所述根据所述目标真实态势网格图像集，采用信息扩散方法
MTD
生成样本，得到第二虚拟态势网格图像集的步骤，包括：
[0032]将所述目标真实态势网格图像集中的装备分别作为第二样本生成对象，得到第二网格图像样本集；
[0033]分别选取所述第二网格图像样本集中各装备特征对应的最大值和最小值，得到特征最大值和特征最小值；
[0034]计算所述特征最大值和所述特征最小值之间的平均值，得到特征均值；
[0035]计算所述第二网格图像样本集中小于所述特征均值的装备个数，得到第一装备个数；
[0036]计算所述第二网格图像样本集中大于所述特征均值的装备个数，得到第二装备个
数；
[0037]将所述第一装备个数
、
所述第二装备个数和特征均值代入预设边界值计算公式进行边界值计算，得到所述装备特征对应的上边界值和下边界值；
[0038]所述预设边界值计算公式为：
[0039][0040][0041][0042][0043][0044]其中，
UB
为上边界值；
CL
为特征均值；
Skew
U
为基于特征均值的右偏度；为第二网格图像样本集对应的装备方差；
N
U
为第二装备个数；
LB
为下边界值；
Skew
L
为基于特征均值的左偏度；
N
L
为第一装备个数；
x
j
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种无人机协同决策准则生成方法，其特征在于，包括：当接收到决策准则触发数据时，获取无人机的任务数据及对应的任务紧急状况数据；当所述任务紧急状况数据为不紧急时，将所述无人机对应的周围环境图像数据进行对手装备识别，得到对手装备数量和对手装备特征数据；当所述对手装备数量小于预设值时，提取无人机对应的无人机装备特征数据和地面控制站采集的地面数据；将所述对手装备特征数据
、
所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像；将所述环境态势网格图像输入多协同决策准则分类模型，得到所述无人机对应的协同决策准则
。2.
根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述获取无人机的任务数据及对应的任务紧急状况数据的步骤，包括：获取无人机对应的无人机授权情况数据；当所述无人机授权情况数据为授权时，将所述无人机的任务数据进行紧急状况判断，得到任务紧急状况数据
。3.
根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述将所述对手装备特征数据
、
所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像的步骤，包括：将所述对手装备特征数据
、
所述无人机装备特征数据和所述地面数据进行特征融合，得到初始真实态势网格图像集；将所述初始真实态势网格图像集进行栅格化，得到目标真实态势网格图像集；根据所述目标真实态势网格图像集，采用上采样算法
SMOTE
生成样本，得到第一虚拟态势网格图像集；根据所述目标真实态势网格图像集，采用信息扩散方法
MTD
生成样本，得到第二虚拟态势网格图像集；采用所述第一虚拟态势网格图像集和所述第二虚拟态势网格图像集，构建虚拟态势网格图像集；从所述目标真实态势网格图像集和所述虚拟态势网格图像集中选取网格图像样本，构建环境态势网格图像
。4.
根据权利要求3所述的无人机协同决策准则生成方法，其特征在于，所述根据所述目标真实态势网格图像集，采用上采样算法
SMOTE
生成样本，得到第一虚拟态势网格图像集的步骤，包括：将所述目标真实态势网格图像集中的装备分别作为第一样本生成对象，得到第一网格图像样本集；按照预设选取标准从所述第一网格图像样本集中选取合成样本的根样本；从所述第一网格图像样本集中选取与所述根样本之间欧式距离在预设距离范围内的多个所述第一样本生成对象，得到近邻辅助样本点集；按照预设上采样率从所述近邻辅助样本点集中选取辅助样本点，得到辅助样本点集；将所述辅助样本点集中的辅助样本点分别代入预设样本公式进行样本更新，生成虚拟
样本；所述预设样本公式为：
x
new
＝
x
i
+(x
′
i
‑
x
i
)
×
rand(0
，
1)
；其中，
x
new
为第一虚拟态势网格图像；
x
i
为根样本；
x
′
i
为辅助样本点；
rand(0
，
1)
为0至1之间的随机函数；采用全部所述虚拟样本，构建第一虚拟态势网格图像集
。5.
根据权利要求3所述的无人机协同决策准则生成方法，其特征在于，所述根据所述目标真实态势网格图像集，采用信息扩散方法
MTD
生成样本，得到第二虚拟态势网格图像集的步骤，包括：将所述目标真实态势网格图像集中的装备分别作为第二样本生成对象，得到第二网格图像样本集；分别选取所述第二网格图像样本集中各装备特征对应的最大值和最小值，得到特征最大值和特征最小值；计算所述特征最大值和所述特征最小值之间的平均值，得到特征均值；计算所述第二网格图像样本集中小于所述特征均值的装备个数，得到第一装备个数；计算所述第二网格图像样本集中大于所述特征均值的装备个数，得到第二装备个数；将所述第一装备个数<...

【专利技术属性】
技术研发人员：李雄，蒋燕梅，倪晓升，张易东，吕雅丽，熊宇涵，李梦迪，秦小营，谢雨琪，冼军，成诚，
申请(专利权)人：中山大学，
类型：发明
国别省市：