【技术实现步骤摘要】
本专利技术属于无人机控制，尤其涉及一种基于深度学习的无人机控制方法及系统。
技术介绍
1、无人驾驶飞机简称“无人机”，英文缩写为“uav”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。
2、无人机在需要执行任务时，需要从静止状态转变到飞行工作状态必须经历起飞阶段，稳定的起飞对无人机的性能有着举足轻重的作用，而无人机是在各种天气中执行任务的，包括雨雪天气，各级风力的天气，在正常的无风、无雨雪的天气中，无人机容易实现稳定起飞，但是在雨雪天气以及存在各级风力的恶劣天气中，将不易实现平稳起飞，在起飞完成后，也不易保持稳定飞行。
3、因此，如何使无人机在起飞阶段以及飞行阶段中即使在各种恶劣的天气中，仍然能够平稳起飞以及稳定飞行，是目前亟需解决的技术问题。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的无人机控制方法及系统，用以解决无人机在雨雪天气以及存在各级风力的恶劣天气中，将不易实现平稳起飞，在起飞完成后...
【技术保护点】
1.一种基于深度学习的无人机控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的无人机控制方法，其特征在于，所述天气参数数据集包括各种天气数据，涉及雨雪天气中的单位时间雨雪量、预设高度的雨雪倾下角度、刮风天气中的风力大小以及风力角度。
3.根据权利要求1所述的一种基于深度学习的无人机控制方法，其特征在于，步骤S2中的无人机控制的网络模型为卷积神经网络模型。
4.根据权利要求3所述的一种基于深度学习的无人机控制方法，其特征在于，所述卷积神经网络模型的架构使用两组双卷积层，其中第二组双卷积层为第一组双卷积层的...
【技术特征摘要】
1.一种基于深度学习的无人机控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的无人机控制方法，其特征在于，所述天气参数数据集包括各种天气数据，涉及雨雪天气中的单位时间雨雪量、预设高度的雨雪倾下角度、刮风天气中的风力大小以及风力角度。
3.根据权利要求1所述的一种基于深度学习的无人机控制方法，其特征在于，步骤s2中的无人机控制的网络模型为卷积神经网络模型。
4.根据权利要求3所述的一种基于深度学习的无人机控制方法，其特征在于，所述卷积神经网络模型的架构使用两组双卷积层，其中第二组双卷积层为第一组双卷积层的最大池化操作，并且(3×3 )(3×3)步长为 1 的卷积滤波器和(2×2)(2×2)最大池化内核用于两个卷积集，最终卷积层的输出被展平为(100×1)(100×1)池化后的向量，最后是输出层。
5.根据权利要求1所述的一种基于深度学习的无人机控制方法，其特征在于，步骤s3包括以下具体过程：
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。