[發明專利]一種無人機系統自主能力評價方法、系統及可讀存儲介質

在審

• 申請號: 201911348710.2
• 申請日: 2019-12-24
• 公開（公告）號: CN111160439A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 劉貞報;院金彪;嚴月浩;江飛鴻;張紅軍
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 馬貴香

1.一種無人機系統自主能力評價方法，其特征在于，包括以下步驟：

步驟1：將無人機飛行科目測試中的性能數據，作為自主能力評價的因素樣本；

步驟2：提取因數樣本的特征；

步驟3：構建深度隨機深林并進行訓練；

步驟4：將取因數樣本的特征輸入至訓練后的深度隨機深林中，深度隨機深林輸出無人機系統的評價結果。

2.根據權利要求1所述的一種無人機系統自主能力評價方法，其特征在于，步驟1中所述性能數據包括無人機在靜態測試、個體性能測試和群體測試中的性能數據。

3.根據權利要求1所述的一種無人機系統自主能力評價方法，其特征在于，步驟1中并對無人機的性能數據進行行量化和歸一化處理。

4.根據權利要求1所述的一種無人機系統自主能力評價方法，其特征在于，步驟2中對因素樣本進行多粒度掃描，提取因素樣本的特征，將因素樣本的特征輸入至深度隨機深林。

5.根據權利要求1所述的一種無人機系統自主能力評價方法，其特征在于，步驟3中所述深度隨機深林包括N層級聯森林，每層級聯森林有M個隨機森林，每個隨機森林由多個決策樹組成，每一層級聯森林的輸出合并原始輸入后作為下一層級聯森林的輸入；

對多粒度掃描后的樣本采用有放回無權重的抽樣方式，為每個決策樹產生各自的訓練集，然后采用分類回歸樹算法對訓練集進行計算，同時計算訓練集影響無人機自主能力的各因素樣本的基尼系數，并以基尼系數最小為原則進行構建決策樹。

6.根據權利要求5所述的一種無人機系統自主能力評價方法，其特征在于，當獲得無人機新的因數樣本時，計算因數樣本對基尼系數的影響，當樣本對基尼系數產生影響時，對決策樹進行更新。

7.根據權利要求1所述的一種無人機系統自主能力評價方法，其特征在于，步驟4中深度隨機深林輸出無人機系統評價結果的具體過程如下：

將步驟2得到的因數樣本的特征輸入至中訓練后的深度隨機森林，每棵決策樹輸出無人機自主能力等級的后驗概率，然后將所有的后驗概率進行加權平均，得到每個隨機森林的分類結果，再通過各層級聯森林對分類結果進行投票決策，最終輸出無人機自主能力等級的后驗概率，然后對后驗概率進行最大化統計值，選擇后驗概率最大的類別作為最終的等級劃分結果。

8.一種終端系統，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述方法的步驟。

9.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述方法的步驟。