[發明專利]一種無人機飛控控制參數的模糊測試方法及系統

在審

• 申請號: 202011574457.5
• 申請日: 2020-12-25
• 公開（公告）號: CN112668697A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 王運柏;楊超;馬建峰
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62;G06N3/00;G06Q10/06;B64F5/60
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 王艾華

1.一種無人機飛控控制參數的模糊測試方法，其特征在于，包括以下步驟:

步驟1、根據無人機飛行記錄數據得到飛行質量預測模型的數據樣本集，并采用數據樣本集對構建的飛行質量預測模型進行訓練；

步驟2、構建質量-多樣性方法的當前種群，對當前種群執行變異操作得到變異種群，將當前種群和變異種群的個體輸入飛行質量預測模型，得到當前種群和變異種群個體的預估飛行質量，根據預估飛行質量確定當前種群和變異種群中個體的質量指標和多樣性指標，根據質量指標和多樣性指標獲取最終種群；

步驟3、獲取最終種群中各個個體真實的飛行質量指標，使用真實的飛行質量指標更新最終種群中個體的輸出向量，得到更新后的數據樣本集，使用更新后的數據樣本集再次優化飛行質量預測模型，得到最優飛行質量預測模型；

步驟4、將最優飛行質量預測模型作為質量-多樣性方法的評估模型，對無人機的飛行狀態和控制參數進行測試。

2.根據權利要求1所述的一種無人機飛控控制參數的模糊測試方法，其特征在于，步驟1中所述數據樣本集包括輸入向量X和輸出向量Y；

所述輸入向量X為無人機飛行狀態和控制參數的集合，輸出向量Y為飛行質量評估指標的集合，飛行狀態、控制參數和飛行質量評估指標的取值區間組成的集合為飛行數據樣本的狀態空間。

3.根據權利要求1所述的一種無人機飛控控制參數的模糊測試方法，其特征在于，步驟1中構建飛行質量預測模型的方法如下：

根據輸入向量和輸出向量的維度，以及無人機飛行記錄數據確定多層神經網絡的層數和維度，設定多層神經網絡的激活函數，以及多層神經網絡訓練過程中使用的學習率、訓練輪數和損失函數；

使用數據樣本集訓練多層神經網絡，得到初始的飛行質量預測模型。

4.根據權利要求1所述的一種無人機飛控控制參數的模糊測試方法，其特征在于，步驟2中采用偽隨機數生成器隨機生成包含N個個體的初始種群G₀＝{X₁,...X_N}。

5.根據權利要求1所述的一種無人機飛控控制參數的模糊測試方法，其特征在于，步驟2中確定最終種群的方法如下：

根據飛行數據樣本的狀態空間，隨機生成質量-多樣性方法的初始種群，并將其作為方法的當前種群，對當前種群的每一個體執行變異操作，得到變異種群，將當前種群和變異種群的個體輸入飛行質量預測模型，根據模型預測結果計算當前種群和變異種群個體的質量指標和多樣性指標，根據質量指標和多樣性指標獲取下一代種群，并確認下一代種群是否符合設定條件；若符合設定條件，則將下一代種群作為最終種群并執行步驟3，若不符合則將下一代種群作為當前種群，重復該步驟。

6.根據權利要求5所述的一種無人機飛控控制參數的模糊測試方法，其特征在于，所述質量指標Q和多樣性指標D的計算方法如下：

其中，x′_j和x_i,j分別為當前種群中輸入向量X′和第i個K近鄰樣本X_i在維度j上的取值，k為飛行狀態值數量；

其中，y′_j和y_i,j分別為當前種群中輸出向量Y′和第i個K近鄰樣本Y_i在維度j上的取值，m為飛行質量評估指標的數量。