【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于無人機(jī)飛行控制，具體涉及一種基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法。
技術(shù)介紹
1、目前，無人機(jī)技術(shù)的作用日益重要，尤其是在一些特殊任務(wù)中的應(yīng)用。無人機(jī)編隊通過多機(jī)體協(xié)同工作，提高了任務(wù)執(zhí)行效率和靈活性，但同時也面臨著復(fù)雜的任務(wù)執(zhí)行環(huán)境和嚴(yán)苛的任務(wù)需求帶來的挑戰(zhàn)。在這樣的背景下，無人機(jī)編隊性能評估技術(shù)顯得尤為關(guān)鍵，它能夠有效監(jiān)控編隊協(xié)同性能，及時發(fā)現(xiàn)潛在故障以提升運行可靠性；同時也是編隊性能優(yōu)化的基礎(chǔ)，為無人機(jī)編隊的長時間、高效能任務(wù)執(zhí)行提供強有力的技術(shù)支持。
2、性能評估方法主要分為基于解析模型的方法和基于人工智能的方法。盡管解析模型在傳統(tǒng)場景中已被廣泛應(yīng)用，但其過度依賴精確的數(shù)學(xué)建模而難以應(yīng)對復(fù)雜的情況，相比之下，人工智能的方法通過利用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)，能夠從數(shù)據(jù)中學(xué)習(xí)和適應(yīng)，從而顯著提高了處理復(fù)雜場景的能力。
3、無人機(jī)編隊擁有運行環(huán)境不確定性強，數(shù)據(jù)特征復(fù)雜多變的特點。目前，現(xiàn)有的基于人工智能的性能評估方法大多采用離線學(xué)習(xí)，在數(shù)據(jù)特征發(fā)生變化時需要在整個數(shù)據(jù)集上重新訓(xùn)練，這導(dǎo)致了模型訓(xùn)練消耗大，靈活性不足。
技術(shù)實現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中所存在的上述問題，本專利技術(shù)提供了一種基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法。
2、本專利技術(shù)要解決的技術(shù)問題通過以下技術(shù)方案實現(xiàn)：
3、本專利技術(shù)提供一種基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，包括：
4、獲取無人機(jī)編隊中各個無人機(jī)的第時刻的第一屬
5、根據(jù)獲取的所述第一屬性值和所述第二屬性值，分別生成所述無人機(jī)編隊的第時刻的第一評價指標(biāo)值和第時刻的第二評價指標(biāo)值；
6、采用基于置信規(guī)則庫的性能評估模型，根據(jù)所述第時刻的第一評價指標(biāo)值和所述第時刻的第二評價指標(biāo)值進(jìn)行性能評估，得到所述無人機(jī)編隊的第時刻的性能評估結(jié)果；
7、其中，所述基于置信規(guī)則庫的性能評估模型是使用在線采樣的樣本數(shù)據(jù)和增量學(xué)習(xí)方式對初始的基于置信規(guī)則庫的性能評估模型進(jìn)行訓(xùn)練獲得，其中，第輪增量學(xué)習(xí)時使用的訓(xùn)練集包含目標(biāo)歷史樣本和第輪的新增樣本，所述目標(biāo)歷史樣本是前輪增量學(xué)習(xí)時使用過的所有訓(xùn)練樣本中最具代表性的個樣本，為大于或等于1的正整數(shù)，為大于1的正整數(shù)。
8、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果：
9、本專利技術(shù)利用基于置信規(guī)則庫的性能評估模型，根據(jù)無人機(jī)編隊的第一屬性值和第二屬性值，可以實現(xiàn)對無人機(jī)編隊性能水平的有效追蹤。在進(jìn)行性能評估模型的訓(xùn)練時，本專利技術(shù)基于增量學(xué)習(xí)技術(shù)在線訓(xùn)練模型參數(shù)，與傳統(tǒng)的機(jī)器學(xué)習(xí)訓(xùn)練方法相比，該方法在遇到新的訓(xùn)練數(shù)據(jù)時不需要重新訓(xùn)練整個模型，可以降低模型的訓(xùn)練消耗，并賦予模型持續(xù)學(xué)習(xí)能力，更具動態(tài)適應(yīng)能力；此外，本專利技術(shù)在每次增量學(xué)習(xí)時使用歷史樣本中最具代表性的一些樣本進(jìn)行模型訓(xùn)練以保持模型在已學(xué)習(xí)數(shù)據(jù)上的精度，如此，可以使模型在學(xué)習(xí)新數(shù)據(jù)的同時，解決由于增量數(shù)據(jù)質(zhì)量波動帶來的模型效果變差的問題，并減緩增量學(xué)習(xí)固有的“災(zāi)難性遺忘”現(xiàn)象。因此，本專利技術(shù)既能降低模型參數(shù)更新的復(fù)雜度，又能提高模型性能。
10、以下將結(jié)合附圖及具體實施方式對本專利技術(shù)做進(jìn)一步詳細(xì)說明。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述無人機(jī)編隊是無領(lǐng)導(dǎo)者的無人機(jī)編隊，所述第一屬性值為地速值，所述第二屬性值為航向角值。
3.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述根據(jù)獲取的所述第一屬性值和所述第二屬性值，分別生成所述無人機(jī)編隊的第時刻的第一評價指標(biāo)值和第時刻的第二評價指標(biāo)值，包括：
4.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，前輪增量學(xué)習(xí)時使用過的所有訓(xùn)練樣本為個訓(xùn)練樣本，第輪增量學(xué)習(xí)所需的最具代表性的個樣本采用以下方法獲得：
5.根據(jù)權(quán)利要求4所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述根據(jù)所述樣本屬于每種預(yù)設(shè)性能評估結(jié)果的真實概率分布、所述樣本對應(yīng)的所述模型輸出以及預(yù)設(shè)權(quán)重系數(shù)，確定所述樣本的不確定性系數(shù)，包括：
6.根據(jù)權(quán)利要求5所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述樣本的不確定性
7.根據(jù)權(quán)利要求4所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述根據(jù)所述不確定性系數(shù)，從所述個訓(xùn)練樣本中選擇個樣本作為所述最具代表性的個樣本，包括：
8.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述基于置信規(guī)則庫的性能評估模型，采用以下方法獲得：
9.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述基于置信規(guī)則庫的性能評估模型中包括條規(guī)則和種預(yù)設(shè)性能評估結(jié)果，其中，第條規(guī)則包含一個規(guī)則權(quán)重、與所述種預(yù)設(shè)性能評估結(jié)果一一對應(yīng)的個結(jié)果置信度、與輸入的個評價指標(biāo)值一一對應(yīng)的個屬性權(quán)重，以及與輸入的個評價指標(biāo)值一一對應(yīng)的個預(yù)設(shè)指標(biāo)參考值；的取值為1至；和均為大于1的正整數(shù)；
10.根據(jù)權(quán)利要求9所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，第個預(yù)設(shè)性能評估結(jié)果對應(yīng)的置信程度的表達(dá)式如下：
...【技術(shù)特征摘要】
1.一種基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述無人機(jī)編隊是無領(lǐng)導(dǎo)者的無人機(jī)編隊，所述第一屬性值為地速值，所述第二屬性值為航向角值。
3.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述根據(jù)獲取的所述第一屬性值和所述第二屬性值，分別生成所述無人機(jī)編隊的第時刻的第一評價指標(biāo)值和第時刻的第二評價指標(biāo)值，包括：
4.根據(jù)權(quán)利要求1所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，前輪增量學(xué)習(xí)時使用過的所有訓(xùn)練樣本為個訓(xùn)練樣本，第輪增量學(xué)習(xí)所需的最具代表性的個樣本采用以下方法獲得：
5.根據(jù)權(quán)利要求4所述的基于增量學(xué)習(xí)的無人機(jī)編隊性能在線評估方法，其特征在于，所述根據(jù)所述樣本屬于每種預(yù)設(shè)性能評估結(jié)果的真實概率分布、所述樣本對應(yīng)的所述模型輸出以及預(yù)設(shè)權(quán)重系數(shù)，確定所述樣本的不確定性系數(shù)，包括：
6.根據(jù)權(quán)利要求5所述的基...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：楊若涵，呂曉波，陳銀超，王濤，馮志超，周德云，周穎，
申請(專利權(quán))人：西北工業(yè)大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。