[發明專利]一種空地一體的無人智能決策方法

有效

• 申請號: 201611153189.3
• 申請日: 2016-12-14
• 公開（公告）號: CN108229685B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 文鵬程;白林亭;牛偉;李亞暉;謝建春;郭鋒
• 申請（專利權）人: 中國航空工業集團公司西安航空計算技術研究所
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N5/02;G06N3/02
• 代理公司: 中國航空專利中心 11008
• 代理人: 杜永保

本發明公開了一種空地一體的無人智能決策方法，該方法通過空地協同的工作模式，解決了的無人智能決策技術由于對計算資源和實時性的要求而難以在嵌入式計算環境中實現的問題，通過對知識在線學習和離線學習的支持完成知識的更新演進，通過規則推理和模型推理的協同推理模式融合了兩種推理模式的優點，解決了復雜環境下推理結果的不確定性問題。它為無人智能決策技術的實現提供了一個新思路，可應用于無人機、無人車、無人船等無人系統自主任務，也可用于有人系統中的輔助決策系統。

技術領域

本發明涉及智能決策方法，特別涉及一種空地一體的無人智能決策方法。

背景技術

面向機器學習的智能系統越來越多地應用于航空領域，其典型表現是：能夠自主完成任務，具備事先學習、事后學習和在線學習能力。智能無人系統中最為關鍵的是無人智能決策，其主要目的是在動態、復雜任務環境下能夠更好的完成態勢感知與行為決策。

傳統的智能決策方法是在有人參與的任務環境下開展工作的，它所解決的決策問題有著明確的輸入，只能簡單地執行某項預編程的計劃，其決策結果是確定的,該方法主要是為人的最終決策提供支持。在態勢感知方面，基于深度學習的方法多運行于桌面服務器、工作站、巨型機或云計算環境，在嵌入式計算環境中往往由于資源受限而無法運行；在行為決策方面，傳統的方法更多的是一種事先決策和靜態規劃，很少考慮時間和空間的變化以及不確定因素帶來的影響；在學習訓練方面，傳統方法大都建立在大樣本數據的基礎上，且多為概念性研究或個例性設計。

然而，隨著網絡環境的迅速發展，對智能決策提出了新的要求，智能決策需要具有一定的自主任務能力，才能在不確定的任務環境下做出合乎任務場景的確定的決策，具有高度的確定性將是智能決策的首要特征。

空地一體的無人智能決策方法有效地克服了傳統智能決策方法存在的一些缺陷，該方法更加關注規則知識和模型知識的建立與使用，運用機器學習的方法有助于智能系統自行制定策略，并按照策略自行選擇行為，實現自主引導，自主完成任務。在態勢感知方面，從統一的端到端處理框架入手，進行深度學習(深度神經網絡)的輕量化設計，從專用的智能計算IP和芯片入手，開展低功耗、小型化的輕量級實現；在行為決策方面，從路線規劃、任務分配等方面，研究在線決策與動態規劃；在學習訓練方面，基于在線學習和自主學習，開展知識演進研究。該方法將智能自主決策成功應用到嵌入式環境中去，為實現嵌入式系統的智能化提供了新的思路。

發明內容

本發明的目的：

本發明針對無人系統在動態、復雜環境下的自主任務需求，重點考慮無人智能決策方法中的感知與決策，結合嵌入式計算資源與地面計算資源的特點，利用機器學習的方法，研究滿足任務需求的智能自主決策技術。通過深度學習、在線學習和自主學習，實現知識中心規則知識和模型知識的構建、優化及持續演進；通過靜態配置和動態重構，實現推理引擎對不同任務及其不確定因素的通用化支持，為實現嵌入式系統的智能化提供了一種新的方法和技術支持。