【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生系統(tǒng)及方法，屬于無人機(jī)數(shù)字孿生領(lǐng)域。
技術(shù)介紹
1、數(shù)字孿生技術(shù)作為一種前沿集成技術(shù)，其核心在于創(chuàng)建物理實體的虛擬映射，實現(xiàn)物理世界與數(shù)字世界的無縫連接。這一技術(shù)通過數(shù)據(jù)的實時反饋，對物理實體的狀態(tài)進(jìn)行模擬、分析、預(yù)測和優(yōu)化，進(jìn)而在多個領(lǐng)域發(fā)揮著重要作用。數(shù)字孿生技術(shù)能夠廣泛應(yīng)用于航空航天、工業(yè)制造、醫(yī)療服務(wù)、交通運輸?shù)阮I(lǐng)域。在這些領(lǐng)域中，數(shù)字孿生不僅提升了產(chǎn)品的質(zhì)量與生產(chǎn)的效率，同時也保障了安全性，節(jié)約了資源。作為工業(yè)4.0的重要技術(shù)支撐，數(shù)字孿生技術(shù)通過其高精度的模擬預(yù)測能力，為復(fù)雜系統(tǒng)的分析與決策提供了強(qiáng)有力的工具。
2、數(shù)字孿生的特征可以從模型、數(shù)據(jù)、連接、服務(wù)/功能以及物理五個維度進(jìn)行總結(jié)。模型維度要求數(shù)字孿生模型具備高保真、高可靠性和高精度的特性。數(shù)據(jù)維度強(qiáng)調(diào)了數(shù)據(jù)全面性以及實時動態(tài)更新的能力。連接維度突出了物理世界與虛擬世界之間的無縫連接。服務(wù)/功能維度則涵蓋了產(chǎn)品設(shè)計、運行監(jiān)測、能耗優(yōu)化等一系列應(yīng)用服務(wù)。物理維度則體現(xiàn)了數(shù)字孿生與物理實體之間的密不可分的關(guān)系。根據(jù)這些特征，一種公認(rèn)的數(shù)字孿生系統(tǒng)模型架構(gòu)為數(shù)字孿生五維模型架構(gòu)，它為數(shù)字孿生技術(shù)提供了一個全面的框架。這一架構(gòu)強(qiáng)調(diào)了物理實體、虛擬模型、數(shù)據(jù)連接、服務(wù)功能以及信息物理交互的重要性。物理實體作為數(shù)字孿生的基礎(chǔ)，通過傳感器和測量技術(shù)收集數(shù)據(jù)，為虛擬模型提供原始信息。虛擬模型則利用先進(jìn)的仿真技術(shù)，創(chuàng)建了物理實體的精確數(shù)字化表示。數(shù)據(jù)作為連接物理世界和虛擬世界的紐帶，確保了虛擬模型能夠?qū)崟r反映物理
3、目前，涉及無人機(jī)集群數(shù)字孿生技術(shù)的研究，尤其是在多智能體場景中個體行為的局部決策和群體行為的集中評價問題，如何提升無人機(jī)集群任務(wù)執(zhí)行的智能化水平和運行效率等方面，亟待解決。
技術(shù)實現(xiàn)思路
1、1、專利技術(shù)目的：
2、本發(fā)提供了一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生系統(tǒng)及方法，該平臺旨在創(chuàng)建一種面向無人集群的數(shù)字孿生軟件平臺，通過精確的數(shù)字孿生技術(shù)，實現(xiàn)對無人單裝和集群執(zhí)行典型任務(wù)時的全面監(jiān)控、智能預(yù)測、實時更新和高效學(xué)習(xí)訓(xùn)練。本專利技術(shù)通過提供一個綜合的解決方案，以增強(qiáng)無人集群的智能化水平，優(yōu)化任務(wù)執(zhí)行策略，并提高整體的運行效率和可靠性。
3、2、技術(shù)方案：
4、面向無人集群的典型任務(wù)執(zhí)行場景，以無人單裝和集群為研究對象，本文建立了一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生系統(tǒng)。該系統(tǒng)架構(gòu)如圖1所示：
5、一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生系統(tǒng)分為四個層面，即資源層，仿真層，通信層，應(yīng)用層。
6、(1)資源層是無人集群數(shù)字孿生平臺的基礎(chǔ)，主要負(fù)責(zé)管理靜態(tài)的軟件平臺資源。它包含虛擬模型庫、孿生數(shù)據(jù)庫、應(yīng)用算法庫和通信協(xié)議庫等模塊。
7、虛擬模型庫：虛擬模型庫包括物理實體對應(yīng)的數(shù)字孿生模型。虛擬模型可以包括物理外形、動力學(xué)模型，任務(wù)邏輯模型，模擬接口模型等。這些模型通常以模塊化的形式存儲，包括可配置的模型參數(shù)，且每一個虛擬模型都有唯一的物理實體作為映射。
8、孿生數(shù)據(jù)庫：孿生數(shù)據(jù)庫負(fù)責(zé)存儲平臺運行過程中產(chǎn)生的各種必要數(shù)據(jù)。包括在數(shù)字孿生平臺中產(chǎn)生的各項數(shù)據(jù)，如物理實體和虛擬模型的直接仿真數(shù)據(jù)、各模塊間的虛實通信數(shù)據(jù)、日志數(shù)據(jù)等。
9、應(yīng)用算法庫：應(yīng)用算法庫包括封裝好的特定算法模型，如優(yōu)化算法，機(jī)器學(xué)習(xí)算法等。數(shù)字孿生平臺軟件中的部分應(yīng)用根據(jù)場景不同涉及到對不同算法的調(diào)用，如利用孿生環(huán)境進(jìn)行深度強(qiáng)化學(xué)習(xí)訓(xùn)練時，可以根據(jù)需要調(diào)用封裝好輸入輸出接口的算法，來針對不同場景不同對象進(jìn)行更高效的學(xué)習(xí)。
10、通信協(xié)議庫：通信協(xié)議負(fù)責(zé)存儲各類通信協(xié)議格式。數(shù)字孿生平臺中物理實體之間，虛擬實體之間，以及虛實個體之間均需要采用不同的通信協(xié)議和接口定義，如基于串口協(xié)議的無線數(shù)傳組網(wǎng)通信，或基于tcp/udp的虛擬模型間數(shù)據(jù)交換。
11、虛擬模型用于用戶對虛擬模型進(jìn)行基本操作，包括：
12、模型導(dǎo)入：模型導(dǎo)入功能可以導(dǎo)入特定格式的平臺虛擬模型，這些模型是由多個模塊化的部件模型(如控制器、電機(jī)或電池等)組合而成，進(jìn)而作為一個孿生世界中的仿真實例。
13、平臺模型創(chuàng)建：平臺模型創(chuàng)建用于將模塊化的部件模型組建為一個平臺化的實例模型，在此環(huán)節(jié)中模塊中的關(guān)鍵參數(shù)將被確定，平臺模型將成為一個具體物理對象的映射。
14、模型定義：數(shù)字孿生模型可以包括多種領(lǐng)域的模型，如力學(xué)模型，電學(xué)模型，熱學(xué)模型等，同時也可以包括多維度的模型，如物理模型，三維模型，行為模型等[2]。
15、模型存儲：同一類型的物理實體部件對應(yīng)一類固定的虛擬模型模板，不同的個體則在此模板的基礎(chǔ)上修改關(guān)鍵參數(shù)。因此模型的存儲可以簡化為對類型和關(guān)鍵參數(shù)的存儲。在數(shù)字孿生平臺軟件中，模型存儲基于xml格式存儲模型模板的地址和關(guān)鍵參數(shù)列表。
16、資源層的最后一個部分涉及對數(shù)字孿生平臺軟件運行中涉及的所有關(guān)鍵數(shù)據(jù)的處理，它包括下列模塊：
17、歷史數(shù)據(jù)導(dǎo)入：數(shù)據(jù)導(dǎo)入模塊使數(shù)字孿生平臺軟件可以導(dǎo)入用戶在此之前產(chǎn)生的各類數(shù)據(jù)，如仿真數(shù)據(jù)，實裝數(shù)據(jù)，日志數(shù)據(jù)等，且可以兼容常見的csv、xml或txt等主流數(shù)據(jù)格式。
18、數(shù)據(jù)篩選：數(shù)據(jù)篩選支持用戶根據(jù)數(shù)據(jù)的字段進(jìn)行檢索和查看，并對感興趣的數(shù)據(jù)進(jìn)行重新打包和保存，便于進(jìn)行后續(xù)的處理和支持特征提取或機(jī)器學(xué)習(xí)等頂層復(fù)雜應(yīng)用。
19、數(shù)據(jù)處理：數(shù)據(jù)處理主要針對特定類型的數(shù)據(jù)如傳感器數(shù)據(jù)進(jìn)行預(yù)處理，包括異常值處理，平滑噪聲，重復(fù)數(shù)據(jù)刪除等。
20、數(shù)據(jù)回灌：支持對仿真模型和物理實裝產(chǎn)生的輸出數(shù)據(jù)被用作進(jìn)一步仿真的輸入，用以頂層應(yīng)用重新分析過去的仿真例程。
21、(2)仿真層是數(shù)字孿生平臺的核心，專注于支持虛擬模型的仿真進(jìn)程。它由仿真配置管理和仿真引擎兩部分組成。仿真配置管理涵蓋了仿真實例配置、算法參數(shù)配置、場景配置和通信配置，允許用戶根據(jù)具體需求設(shè)置仿真環(huán)境和參數(shù)。
22、仿真實例配置：仿真實例配置用于按事先要求明確孿生世界的仿真場景中涉及的平臺模型實例初始化的初始化要求，包括設(shè)置其初始位置，載荷配置，性能包線等。
23、算法參數(shù)配置：算法參數(shù)配置用于按用戶期望和應(yīng)用場景對頂層應(yīng)用中執(zhí)行的算法進(jìn)行參數(shù)配置，如優(yōu)化算法的搜索權(quán)重參數(shù)、邊界值，強(qiáng)化學(xué)習(xí)算法的學(xué)習(xí)率，折扣因子，探索率等。
24、場景配置：場景配置涉及仿真執(zhí)行場景的環(huán)境因素配置，如障礙物的數(shù)量和大小，虛擬目標(biāo)的配置，以及渲染設(shè)計的材質(zhì)和通用模型等，根據(jù)用戶的需要進(jìn)行配置和一定范圍內(nèi)隨機(jī)化部署以支持學(xué)習(xí)中的交互。
25、通信配置：數(shù)字孿生平臺中涉及對多方面的連接，各方間通信的數(shù)據(jù)內(nèi)容各不相同，需要通過配置明確通信雙方之間的字段組成。通常包括固定的包頭和包體，以區(qū)分不同數(shù)據(jù)的類型和具體內(nèi)容。
26、仿真引擎基于nvidia?omniverse平臺的iss本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生方法，其特征在于：該方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟三，使用貝葉斯推理方法進(jìn)行定期參數(shù)更新；使用在參數(shù)θ下的模型輸出x|θ，與數(shù)據(jù)集D中下一個狀態(tài)的實際狀態(tài)之間的均方誤差來計算似然；使用對數(shù)運算簡化計算，添加負(fù)號是因為希望誤差盡可能小，而似然則期望盡可能大。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于：進(jìn)一步引入群智學(xué)習(xí)啟發(fā)的優(yōu)化算法解決貝葉斯推理的求解；首先使用混沌映射初始化種群位置，算法的初始種群在[0,1]范圍內(nèi)隨機(jī)初始化，隨后經(jīng)過幾次混沌映射，最后轉(zhuǎn)換到搜索空間范圍。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于：進(jìn)一步使用海洋捕食者算法為基礎(chǔ)進(jìn)行優(yōu)化迭代。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于：進(jìn)一步引入陷阱避免操作：在每一輪迭代結(jié)束時，如果隨機(jī)數(shù)小于閾值DF，則在個體上執(zhí)行TAO操作。
6.一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生系統(tǒng)，用于實現(xiàn)權(quán)利要求1-5任意一項所述的方法，其特征在于：該系統(tǒng)包括資源層，仿真層，通信層，應(yīng)用層；
...【技術(shù)特征摘要】
1.一種基于生物群智學(xué)習(xí)的無人機(jī)集群數(shù)字孿生方法，其特征在于：該方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟三，使用貝葉斯推理方法進(jìn)行定期參數(shù)更新；使用在參數(shù)θ下的模型輸出x|θ，與數(shù)據(jù)集d中下一個狀態(tài)的實際狀態(tài)之間的均方誤差來計算似然；使用對數(shù)運算簡化計算，添加負(fù)號是因為希望誤差盡可能小，而似然則期望盡可能大。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于：進(jìn)一步引入群智學(xué)習(xí)啟發(fā)的優(yōu)化算法解決貝葉斯推理的求解；首先使用混沌映射初始化種群位置，算法的初始種群在[0,1]范圍內(nèi)隨機(jī)初始化，隨后經(jīng)過幾次混沌映射，最后轉(zhuǎn)換到搜索空間范圍。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于：進(jìn)一步使用海洋捕食者算法為基礎(chǔ)進(jìn)行優(yōu)化迭代。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：魏晨，張宇宸，段海濱，
申請(專利權(quán))人：北京航空航天大學(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。