[發明專利]一種基于機器學習的協同探測控制方法

在審

• 申請號: 201810654979.2
• 申請日: 2018-06-22
• 公開（公告）號: CN109324505A
• 公開（公告）日: 2019-02-12
• 發明（設計）人: 高偉亮;王永坤;李淑華;李寶鵬;夏棟;郭維波;馮威
• 申請（專利權）人: 中國人民解放軍海軍航空大學青島校區
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 青島聯智專利商標事務所有限公司 37101
• 代理人: 王艷珍

1.一種基于機器學習的協同探測控制方法，其特征在于，包括以下步驟：

對態勢因子與協同探測模式之間的映射關系建模步驟，建立態勢因子與協同探測模式之間的映射關系模型；

目標態勢信息提取步驟，獲取目標的態勢因子x，共m個態勢因子，m為正整數；

協同探測模式獲取步驟，將標態勢信息提取步驟中獲取的態勢因子輸入所述態勢因子與協同探測模式之間的映射關系模型，輸出得到當前態勢下協同探測模式；

協同探測控制步驟，將當前態勢下協同探測模式發送至編隊中的各飛行裝置，統一切換至所述當前態勢下協同探測模式。

2.根據權利要求1所述的基于機器學習的協同探測控制方法，其特征在于，對態勢因子與協同探測模式之間的映射關系建模步驟中，包括以下子步驟：

a1、樣本數據獲取步驟，獲取目標的態勢因子樣本數據；

a2、態勢因子樣本數據模糊表征步驟，將所述態勢因子樣本數據與獲取該態勢因子樣本數據的時刻值相對應，得到態勢因子樣本數據對于時間t的具體值x′(t)，并將其映射為模糊集合所具有的隸屬函數μ(x′(t))；

a3、訓練態勢因子與協同探測模式之間的觸發邏輯步驟，針對所述隸屬函數μ(x′(t))值，根據經驗判斷隸屬函數μ(x′(t))值所對應的協同探測模式，并以該協同探測模式作為輸出，目標的態勢因子樣本數據作為輸入，采用前向神經網絡與BP神經網絡結合進行映射關系建模，訓練確定模型參數。

3.根據權利要求2所述的基于機器學習的協同探測控制方法，其特征在于，步驟a3中所建立的模型為：

其中k表示數據編號；a_i為隱含層節點，i表示節點編號，共p個節點，p為大于1的自然數；v_ih為隱含層與輸入層之間的連接權值，h表示輸入層節點編號，輸入層節點的數量與態勢因子的數量一致；θ_i表示閾值；σ(z)是單調有界的激活函數，取σ(z)＝1/(1+e^-z)，z表示函數自變量，w_i為輸出層與隱含層之間的連接權值；r表示輸出層與隱含層之間的連接閾值；x_h(k)表示第k組數據中第h個態勢因子值，y(k)為模型輸出的協同探測模式。

4.根據權利要求1所述的基于機器學習的協同探測控制方法，其特征在于，目標態勢信息提取步驟中，獲取目標的態勢因子x的方法包括以下子步驟：

b1、編隊中的各飛行裝置分別獲取目標的各態勢因子；

b2、計算各態勢因子的平均值作為目標的態勢因子。

5.根據權利要求2所述的基于機器學習的協同探測控制方法，其特征在于，步驟a2中，隸屬函數μ(x′(t))為：

其中，n1、n2為常系數，0＜a1＜a2＜a3。

6.根據權利要求4所述的基于機器學習的協同探測控制方法，其特征在于，步驟b1與b2之間，還包括各飛行裝置將其所獲取目標的各態勢因子發送給地面控制中心的步驟，步驟b2中，地面控制中心計算各態勢因子的平均值作為目標的態勢因子。

7.根據權利要求6所述的基于機器學習的協同探測控制方法，其特征在于，協同探測模式獲取步驟中，地面控制中心將標態勢信息提取步驟中獲取的態勢因子輸入所述態勢因子與協同探測模式之間的映射關系模型，輸出得到當前態勢下協同探測模式。

8.根據權利要求7所述的基于機器學習的協同探測控制方法，其特征在于，協同探測模式獲取步驟與協同探測控制步驟之間，還包括地面控制中心將計算所得的目標的態勢因子發送給編隊中的各飛行裝置的步驟，協同探測控制步驟中由各飛行裝置完成各自的探測模式切換。