System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种无人系统集群协同模式反演辨识方法技术方案_技高网

一种无人系统集群协同模式反演辨识方法技术方案

技术编号:42904497 阅读:2 留言:0更新日期:2024-09-30 15:20
本发明专利技术提供一种无人系统集群协同模式反演辨识方法,具体过程为:采集无人系统集群的状态和输入,并基于系统动力学参数,构建二次型性能指标最优控制决策模型,获得所述二次型性能指标最优控制决策模型对应的线性方程组,基于所述方程组解出权重矩阵和目标状态;该方法能够实现决策权重与目标状态的联合反演辨识。

【技术实现步骤摘要】

本专利技术属于模式识别与智能系统,尤其涉及一种无人系统集群协同模式反演辨识方法


技术介绍

1、在无人系统集群中,协同模式决定了各无人系统的行为决策(或控制律)。反演辨识集群的协同模式,可以解释、预测或模仿其行为,实现经验知识建模或迁移,还可以应用于“人在回路”智能。

2、现有反演辨识方法多种多样,其中逆最优控制方法具有高效、可靠、可解释等优势,但典型的逆最优控制方法往往只考虑观测噪声或过程噪声,难以同时兼顾两者,或对噪声的统计特性有较强的假设。集群时变行为决策的协同模式识别,通常依赖于闭环信息结构的反演算法,但现有的闭环反演算法一般假设性能指标函数中的一次项已知(或者可忽略),对含未知意图的动态智能系统辨识效果不理想。

3、因此,亟需一种先进的识别方法对无人系统集群协同模式进行反演辨识。


技术实现思路

1、为克服相关技术中存在的问题,本专利技术提出一种无人系统集群协同模式反演辨识方法,该方法能够实现决策权重与目标状态的联合反演辨识。

2、实现本专利技术的技术方案如下:

3、一种无人系统集群协同模式反演辨识方法,具体过程为:

4、采集无人系统集群的状态和输入,并基于系统动力学参数,构建二次型性能指标最优控制决策模型,获得所述二次型性能指标最优控制决策模型对应的线性方程组,基于所述方程组解出权重矩阵和目标状态;

5、所述二次型性能指标最优控制决策模型基于目标状态进行构建,所述目标状态dk+1表示为:

6、

7、

8、

9、其中,表示目标状态的系统矩阵和激励矩阵,表示定常输入,表示目标状态转移矩阵,d0表示目标状态初值。

10、进一步地,本专利技术二次型性能指标最优控制决策模型为:

11、

12、将意图向量qk+1表示为:qk+1=-qdk+1;

13、其中,是无人系统集群的状态和输入,q,r是权重矩阵;

14、xk+1=axk+buk+wk

15、其中,a,b是系统动力学参数,wk表示均值为零、二阶矩有界的过程噪声。

16、进一步地,本专利技术二次型性能指标最优控制决策模型为:

17、

18、ek+1=xk+1-dk+1,k=0,1,…,k

19、其中,是无人系统集群的状态和输入,q,r,是权重矩阵。

20、xk+1=axk+buk+wk

21、其中,a,b是系统动力学参数,wk表示均值为零二阶矩有界的过程噪声。

22、进一步地,本专利技术所述线性方程组为riccati线性方程组,具体表示为:

23、

24、式中,ηk+1是中间变量,当k=k的时候ηk+1=qk+1。

25、进一步地,本专利技术在基于所述方程组解出权重矩阵、目标状态初值及定常输入,然后求解出目标状态dk+1。

26、进一步地,本专利技术所述在求解方程组的基础上,所述最优控制决策模型的闭式解表示为

27、

28、

29、

30、pk+1=q,ηk+1=qk+1

31、可选的,本专利技术所述最优控制决策模型的闭式解中,将所述更新为

32、有益效果:

33、第一,本专利技术对目标状态的表示方式进行设计,给出了动态一次项参数的通用辨识方法,能够处理某些含有未知时变目标的系统。

34、第二,本专利技术能实现决策权重与目标状态的联合反演辨识,适用范围更广,能处理无人系统集群含未知意图信息的情形。

35、第三,本专利技术能兼顾观测噪声与过程噪声的影响,在它们均值为零且二阶矩有界的情况下,不依赖噪声的其他先验知识就能得到统计一致的理论结果。

36、第四,本专利技术是一种线性方法,能提供高精度的结果,计算速度优于传统方法。

本文档来自技高网...

【技术保护点】

1.一种无人系统集群协同模式反演辨识方法,其特征在于,具体过程为:

2.根据权利要求1所述无人系统集群协同模式反演辨识方法,其特征在于,二次型性能指标最优控制决策模型表示为:

3.根据权利要求1所述无人系统集群协同模式反演辨识方法,其特征在于,二次型性能指标最优控制决策模型表示为:

4.根据权利要求2或3所述无人系统集群协同模式反演辨识方法,其特征在于,所述线性方程组为Riccati线性方程组,具体表示为:

5.根据权利要求4所述无人系统集群协同模式反演辨识方法,其特征在于,在基于所述方程组解出权重矩阵、目标状态初值及定常输入,然后求解出目标状态dk+1。

6.根据权利要求4所述无人系统集群协同模式反演辨识方法,其特征在于,所述在求解方程组的基础上,所述最优控制决策模型的闭式解表示为

7.根据权利要求6所述无人系统集群协同模式反演辨识方法,其特征在于,所述最优控制决策模型的闭式解中,将所述更新为

【技术特征摘要】

1.一种无人系统集群协同模式反演辨识方法,其特征在于,具体过程为:

2.根据权利要求1所述无人系统集群协同模式反演辨识方法,其特征在于,二次型性能指标最优控制决策模型表示为:

3.根据权利要求1所述无人系统集群协同模式反演辨识方法,其特征在于,二次型性能指标最优控制决策模型表示为:

4.根据权利要求2或3所述无人系统集群协同模式反演辨识方法,其特征在于,所述线性方程组为riccati线性方程组,具体表...

【专利技术属性】
技术研发人员:俞成浦李尧程仁硕方浩邓方陈杰
申请(专利权)人:北京理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1