一種基於泛化模糊競爭神經網的航路選擇方法
2023-09-18 21:53:50 1
專利名稱：一種基於泛化模糊競爭神經網的航路選擇方法
技術領域：
本發明屬於無人機航路規劃技術領域，具體地說是指一種基於泛化模糊競爭神經網的航路選擇方法。
背景技術：
神經網絡是研究和利用人腦的某些結構機理以及人的知識和經驗對系統進行學習和辨識。人們普遍認為，神經網絡系統的智能性、魯棒性均較好，能處理高維、非線性和不確定的問題，其顯著特點是具有學習能力，不斷修正神經元之間的連接權值，並離散存儲在連結網絡中，因此對非線性系統、難以建模的系統具有良好的映射和辨識能力。但是神經網絡結構的選擇目前尚缺乏理論依據，處於試湊階段，並且神經網絡結構缺乏明確的物理意義，一些人為定性的知識不易融入其中。另一方面，如何能在較少的時間內使神經網絡能夠訓練到令人滿意的程度，仍是這一領域的研究熱點問題。模糊邏輯是人工智慧較早的形式，它吸取了人的思維具有模糊性的特點。其不需要精確的數學模型，是解決不確定性系統分析的一種有效途徑。但是模糊系統由於採用了模糊集合理論導致其精度較低，規則的選擇多採用試湊法，並且不具備學習能力。神經網絡與模糊邏輯均屬於人工智慧的研究範疇，利用它們各自的長處和特點對難以數學建模的問題進行分析和描述，是許多學者的研究課題。而如今的航路規劃領域，產生了許多航路規劃方法:基於圖形的規劃方法、決策型搜索方法、隨機搜索方法和人工勢場法等。這些航路規劃方法均具備各自的特點或者解決某方面的問題，比如航路的光滑程度，航路的計算時間等等。但是從航路跟蹤的角度，即航路實施的載體(比如機器人或無人機等)需要對這些航路具有一個統一的評判標準，從而根據實際情況和任務情況選擇最適合的航路規劃方法進行跟蹤。現有的航路評價方法大多採用含有所有目標函數的表達式，通過數學上的尋優找到最小代價從而完成評價。這種方式存在三種問題:(1)各子目標函數的標量不統一，權重係數很難選取。(2)目標函數是人為設定的，很難考慮全面。(3)最小評價值並沒有數值/物理上的意義，只有相互比較才能顯出優勢，這就導致如果誤差存在，很可能非最優航路卻取得最小評價值。許多因素影響著最優航路，尤其當飛行任務不同時，最優航路將傾向或側重於某些特定因素。在航路規劃中，真正最優的航路是很難找到的，比如威脅模型和代價函數等指標均是人為設定的優化內容，這意味著人的因素將參與到航路評價中來。如何尋找一種具有較好通用性、容錯性，又能包括人為因素的評價方法，是非常具有實用價值的研究內容。
發明內容
針對現有技術中存在的問題，本發明提出一種基於泛化模糊競爭神經網的航路選擇方法，該方法能夠對已通過不同航路規劃方法生成的航路進行評級，具有通用性，為地面操作人員或者決策系統進行最優航路選擇提供依據。
本發明的一種基於泛化模糊競爭神經網的航路選擇方法，具體包括如下步驟:步驟一:設無人機的可飛航路有η條，η條航路構成航路集合#，每條航路用離散點集合表示，然後確定每條航路的長度子目標函數值；第i條航路= 1,2...; )的長度子目標函數值確定方法是:設航路P包括m個離散點，其中第j個離散點為0c/ = u』)，相鄰離散點巧和A構成航路P的第j個航段，航路戶具有m-ι個航段；對相鄰離散點6和P ,的三維空間坐標進行曼哈頓距離計算，得到的曼哈頓距離就是航路/的第j個航段的長度子目標函數值，則航路F的長度子目標函數值./;(>')由m-Ι個航段的長度子目標函數值求和得到。步驟二:確定每條航路的安全避障距離子目標函數值；當地形中有一個障礙時，第i條航路屍(/ = 1,2..川的安全避障距離子目標函數值/2(戶)為:
權利要求
1.一種基於泛化模糊競爭神經網的航路選擇方法，其特徵在於，包括以下步驟: 步驟一:設無人機的可飛航路有η條，η條航路構成航路集合P，每條航路用離散點集合表示，確定每條航路的長度子目標函數值；第i條航路戶(/= I2...〃)的長度子目標函數值./；(戶> 的確定方法是:設航路P包括m個離散點，其中第j個離散點為巧C/ = 1，2...W)，相鄰離散點巧和g+1構成航路的第j個航段，航路,具有m-1個航段；對相鄰離散點6和勺三維空間坐標進行曼哈頓距離計算，得到的曼哈頓距離就是航路F的第j個航段的長度子目標函數值，則航路尹的長度子目標函數值./;(/>)由m-1個航段的長度子目標函數值求和得到； 步驟二:確定每條航路的安全避障距離子目標函數值； 當地形中有一個障礙時，第i條航路戶(/ = 1，2…的安全避障距離子目標函數值/2(P)為:
2.根據權利要求1所述的一種基於泛化模糊競爭神經網的航路選擇方法，其特徵在於:所述的步驟七中模糊化層中，對各子目標函數的模糊分割數均等且mk等於5。
3.根據權利要求1所述的一種基於泛化模糊競爭神經網的航路選擇方法，其特徵在於:所述的步驟七中，對子目標函數進行模糊分割的方法，採用具有中心值和中心寬度的鐘形函數或三角形函數。
4.根據權利要求1所述的一種基於泛化模糊競爭神經網的航路選擇方法，其特徵在於:所述的步驟七對步驟六所構建的神經網絡進行訓練，具體是:首先獲得有代表性的航路以及各航路的專家評級結果，將各航路經過步驟一 步驟五的順序進行處理，作為神經網絡的輸入訓練樣本，將各專家評級結果作為神經網絡的輸出訓練樣本，對神經網絡進行訓練； 對某航路，當前神經網絡的輸出向量5=[七…4].設專家評級結果為
全文摘要
本發明公開了一種基於泛化模糊競爭神經網的航路選擇方法，屬於航路規劃領域。本發明方法將航路用多個離散點組成，對航路計算長度、安全避障距離、縱向機動次數和橫側向機動次數的子目標函數值，各子目標函數值經過歸一化後，進入到基於泛化模糊競爭神經網的輸入層，經過訓練後的神經網通過模糊運算和競爭之後輸出航路的評價等級，根據評級選擇所需要的航路。本發明將模糊性原理應用到神經網絡中構成模糊神經元來表達專家知識，並採用競爭層來解決了神經網絡隱層節點較多，訓練繁瑣的問題。本發明方法可以對各種地形下和各種航路規划算法計算出的航路進行評價，具有泛化的能力，通用性好。
文檔編號G06N3/02GK103218660SQ20131007693
公開日2013年7月24日 申請日期2013年3月11日 優先權日2013年3月11日
發明者王宏倫, 梁宵, 李大偉 申請人:北京航空航天大學