[發明專利]基于生成對抗網絡的無人機飛行狀態融合控制系統及控制方法

在審

• 申請號: 202110763783.9
• 申請日: 2021-07-06
• 公開（公告）號: CN113534837A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 呂詩哲;臧少龍;齊如海;武剛;陳保國;紀任鑫
• 申請（專利權）人: 深圳市科衛泰實業發展有限公司
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 胡吉科

1.一種基于生成對抗網絡的無人機飛行狀態融合控制系統，所述無人機包括上升、巡航及降落狀態，所述無人機包括多旋翼、固定翼、動力系統及飛行控制系統，所述飛行控制系統控制所述動力系統的輸出功率進而融合調整所述多旋翼的旋轉速度以及所述固定翼的迎角，其特征在于，所述飛行控制系統包括原始飛行狀態參數輸出模組、實際飛行狀態參數采集模組及生成對抗網絡模型，所述原始飛行狀態參數輸出模組實時讀取所述多旋翼及所述固定翼的額定工作參數，生成第一輸入信號圖像；所述實際飛行狀態參數采集模組實時采集所述多旋翼及所述固定翼的實際工作參數，生成第二輸入信號圖像；所述生成對抗網絡模型包括生成器網絡模組、判別器網絡模組及損失函數，所述生成器網絡模組根據所述第二輸入信號圖像生成增強圖片，所述判別器網絡模組根據所述第一輸入信號圖像及所述增強圖片輸出判別結果。

2.根據權利要求1所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，所述生成器網絡模組采用的是Attention Unet，其中所述Attention Unet網絡包括下采樣、上采樣和Attention gate，所述第二輸入信號圖像經過所述下采樣，學習到所述第二輸入信號圖像的深層特征，所述深層特征經過反卷積上采樣，最后輸出所述增強圖像。

3.根據權利要求2所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，所述判別器網絡模組采用PatchGAN，將來自所述生成器網絡模組輸出的增強圖像和第一輸入信號圖像輸入到所述判別器網絡模組中，得到n*n矩陣，最后輸出判別結果，所述判別結果以所述矩陣的均值作為真/偽結果。

4.根據權利要求3所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，所述損失函數包括對抗損失函數、均方誤差損失函數和VGG損失函數。

5.根據權利要求4所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，所述對抗損失函數為：

其中，其中D表示判別器網絡模組，G表示生成器網絡模組，x表示第二輸入信號圖像G(x)表示增強圖像，y表示第一輸入信號圖像，k為增益系數，v為飛機空速。

6.根據權利要求5所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，所述均方誤差損失函數為：

其中W表示輸入圖像的寬、H表示輸入圖像的高。

7.根據權利要求6所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，所述VGG損失函數為：

其中φⁱ是VGG模型的第i層卷積的特征輸出，VGG損失函數能提高生成圖像的清晰度。

8.根據權利要求7所述的基于對抗網絡的無人機飛行狀態融合控制系統，其特征在于，總損失函數為：

Loss＝L_G+λ_MSEL_MSE+λ_VGGL_VGG

其中L_G是對抗損失函數，L_MSE是均方誤差損失函數，L_VGG是VGG損失函數，λ_MSE是均方誤差損失函數的懲罰系數，λ_VGG是VGG損失函數的懲罰系數。設定好所述損失函數，然后用圖像數據對所述生成對抗網絡模型不斷的交替迭代訓練，優化所述生成對抗網絡模型的模型參數。