【技术实现步骤摘要】
本专利技术涉及无人机安全飞行,尤其涉及一种基于协同进化的无人机具身智能可靠感知方法。
技术介绍
1、无人机在复杂环境、未知或非结构化环境进行自主运行时,首先需要实现对周围环境场景的感知,确定可飞行的区域,然后才能进行合理的飞行路径规划和运动控制。因此准确感知和识别可飞行的区域是无人机安全导航的关键,在侦查、搜索、监控等领域具有广阔的应用前景。
2、现有感知飞行区域的技术方案主要包括两类，一类是依靠单机感知,即依靠自身携带的传感设备,采集周围环境的信息,然后在车载计算设备上对信息进行处理和计算,设计相应的算法和软件,实现周围环境的感知,如识别环境中的物体、障碍物、道路,跟踪动态障碍物,划分出可以飞行的空间等。第二类是协同感知,即不仅依靠自身携带的传感设备，还可借助于周围环境中布置的感知设备,例如路边设置的感知模块,这两种传感设备从不同的视角对环境信息进行采集,然后在计算模块中进行融合、处理,得到对环境的感知和理解结果。
3、现有的无人机协同感知虽然扩大了环境信息探测的范围,但是需要提前在环境的适当位置安装传感设备,飞行稳定性低,不适用于首次进入的未知环境(这类环境无法提前在飞行空间的适当位置布置传感器)。现有采用无人机起飞实现感知的方式,不适合复杂的坠机环境(如存在桥梁,电线横挡、高大树木)；需要地面站计算模块来控制无人机的飞行,增加了设备成本(如地面站)；无人机无法实现坠机风险因素分析和灵活的航迹自主规划,无法灵活对无人机摆动幅度物理条件中的人为或非人为因素准确处理。因此，有必要提出一种基于协同进化的无人
技术实现思路
1、有鉴于此，本专利技术提供了一种基于协同进化的无人机具身智能可靠感知方法。其将无人机摆动幅度物理条件进行飞行可靠感知处理，保证了无人机的飞行安全，节约了硬件成本。
2、本专利技术采用技术方案如下：
3、一种基于协同进化的无人机具身智能可靠感知方法，包括以下步骤：
4、步骤1，集成被观测无人机坠机风险因素，通过聚类分析算法处理被观测无人机坠机风险因素，得到无人机摆动幅度物理条件；
5、步骤2，利用设定的协同进化模型对所述无人机摆动幅度物理条件进行飞行可靠感知处理，得到与所述无人机摆动幅度物理条件对应的飞行姿态可靠感知参数，表达式为：
6、
7、其中，表示飞行姿态可靠感知参数，g表示人为因素影响的坠机权重，u表示非人为因素影响的坠机权重，ξ表示每种影响坠机的人为因素出现的概率，te表示影响坠机的人为因素种类分布矩阵，ω表示每种影响坠机的非人为因素出现的概率，ti表示影响坠机的非人为因素种类分布矩阵，k表示可靠感知系数，表示每种物理条件的具身智能观测误差，xj、yj、zj分别表示飞行姿态横滚角、俯仰角、偏航角；
8、步骤3，利用无人机摆动幅度物理条件以及飞行姿态可靠感知参数构建被观测无人机摆动幅度物理条件边缘计算网关；其中的飞行姿态可靠感知参数为通过协同进化模型进行无人机摆动幅度物理条件飞行可靠感知集成的具身智能飞行可靠感知信息；
9、步骤4，将被观测无人机摆动幅度物理条件边缘计算网关生成被观测无人机摆动幅度物理条件边界阈值，将被观测无人机摆动幅度物理条件边界阈值发送至具身智能数据处理平台；
10、步骤5，根据具身智能数据处理平台的指令发送信息，集成对所述被观测无人机摆动幅度物理条件边界阈值的飞行高度可靠感知信息，其中，飞行高度可靠感知信息为具身智能数据处理平台的操控人员在指令发送的过程中输入的飞行调控可靠感知信息；
11、步骤6，分别对所述飞行姿态可靠感知参数与所述飞行高度可靠感知信息通过卷积神经网络进行处理，根据映射至相同海拔所述无人机摆动幅度物理条件的所述飞行姿态可靠感知参数以及所述飞行高度可靠感知信息的飞行影响权重，对所述被观测无人机摆动幅度物理条件边缘计算网关进行参数调整，利用参数调整后的被观测无人机摆动幅度物理条件边缘计算网关迭代协同进化模型；
12、步骤7，集成参数调整后的所述协同进化模型与所述无人机摆动幅度物理条件对应的系数矩阵；
13、将所述系数矩阵与所述飞行姿态可靠感知参数进行误差来源识别，识别出所述无人机摆动幅度物理条件中的干扰替代参数对，所述干扰替代参数对包括识别所述飞行姿态可靠感知参数的误差干扰参数，还包括识别所述系数矩阵的允许干扰参数，所述误差干扰参数与所述允许干扰参数相对应；
14、利用所述干扰替代参数对构建干扰替代数据，应用所述干扰替代数据将设定的transformer模型进行训练，得到干扰替代模型，所述干扰替代模型用于对所述无人机摆动幅度物理条件进行干扰替代；
15、所述干扰替代模型，表达式为：
16、
17、其中，ds表示干扰替代数据，p1…pn表示干扰替代参数矩阵，r11…rnn表示每个干扰替代参数的影响权重，f1…fn表示干扰替代参数是否可被替代矩阵，判断依据为每个干扰替代参数的影响权重是否超过预设值，当大于预设值时为1，当小于预设值时为0，vj表示transformer编码-解码效率，hc表示transformer的输入序列，i表示模型训练计数次数，i表示预设的模型训练总次数。
18、进一步的，所述步骤6中，
19、所述卷积神经网络利用卷积核对飞行姿态可靠感知参数与所述飞行高度可靠感知信息进行特征提取，提取出无噪声的可靠感知参数，将无噪声的可靠感知参数利用全连接层将二维特征向量综合起来转化为一维向量，每一个一维向量映射为一种飞行影响权重。
20、进一步的，所述步骤6中，利用参数调整后的所述被观测无人机摆动幅度物理条件边缘计算网关迭代所述协同进化模型包括：集成与被观测无人机摆动幅度物理条件相映射的多个所述飞行高度可靠感知信息；
21、分别集成与所述被观测无人机摆动幅度物理条件映射的所述飞行姿态可靠感知参数与所述飞行高度可靠感知信息的不同气候环境内的所述飞行影响权重；
22、如果不同气候环境内的所述飞行影响权重的均值超过设定的权重安全参数时，判定所述飞行姿态可靠感知参数出现环境因素干扰，并对不同气候环境内的所述飞行高度可靠感知信息进行归一化处理，得到标准化飞行可靠感知信息，以标准化飞行可靠感知信息参数调整所述被观测无人机摆动幅度物理条件边缘计算网关。
23、进一步的，在步骤1和步骤2之间还包括：
24、应用所述干扰替代模型对所述无人机摆动幅度物理条件进行预处理，以使所述无人机摆动幅度物理条件中的干扰得到补偿。
25、进一步的，在步骤4之前还包括：
26、利用设定的for循环+update语句对所述被观测无人机摆动幅度物理条件边缘计算网关进行更新处理，所述更新处理用于删减所述被观测无人机摆动幅度物理条件边缘计算网关中的被观测无人机摆动幅度物理条件，所述被观测无人机摆动幅度物理条件包括误差干扰参数小于设定参数范围的所述无人机摆动幅度物本文档来自技高网...
【技术保护点】
1.一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，所述步骤6中，
3.根据权利要求1所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，所述步骤6中，利用参数调整后的所述被观测无人机摆动幅度物理条件边缘计算网关迭代所述协同进化模型包括：集成与被观测无人机摆动幅度物理条件相映射的多个所述飞行高度可靠感知信息；
4.根据权利要求1所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，在步骤1和步骤2之间还包括：
5.根据权利要求1所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，在步骤4之前还包括：
6.根据权利要求1-5任一项所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，通过基于协同进化的无人机具身智能可靠感知系统实现，系统包括：
7.根据权利要求6所述一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，所述飞行可靠感知模型迭代单元，包括：p>...
【技术特征摘要】
1.一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，所述步骤6中，
3.根据权利要求1所述的一种基于协同进化的无人机具身智能可靠感知方法，其特征在于，所述步骤6中，利用参数调整后的所述被观测无人机摆动幅度物理条件边缘计算网关迭代所述协同进化模型包括：集成与被观测无人机摆动幅度物理条件相映射的多个所述飞行高度可靠感知信息；
4.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：仇梓峰，邸成良，王雅涵，白慧慧，陈宇，靳锴，刘国栋，陈韬亦，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：
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。