CN108830032A - 一种基于神经网络的无人机天气预警方法 - Google Patents
一种基于神经网络的无人机天气预警方法 Download PDFInfo
- Publication number
- CN108830032A CN108830032A CN201810471378.8A CN201810471378A CN108830032A CN 108830032 A CN108830032 A CN 108830032A CN 201810471378 A CN201810471378 A CN 201810471378A CN 108830032 A CN108830032 A CN 108830032A
- Authority
- CN
- China
- Prior art keywords
- neural network
- unmanned plane
- path
- longitude
- weather
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种基于神经网络的无人机天气预警方法,包括以下步骤:步骤一:训练神经网络;步骤二:路径规划系统将已规则路径的经纬度集合和无人机参数输入预警系统,预警系统调用天气数据库获得已规划路径上各经纬度集实时天气数据,并将获得的已规划路径上各经纬度集的实时天气数据与无人机参数整理合并成神经网络输入数据;步骤三:将神经网络输入数据输入神经网络进行运算;步骤四:神经网络输出有威胁的经纬度集合给路径规划系统;步骤五:路径规划系统得到有威胁的经纬度集合后重新规划路径;步骤六:跳转执行步骤二,直至路径上不存在有威胁的经纬度集合。本发明具有能给无人机路径规划提供天气预警,使无人机有效规避天气恶劣区域的优点。
Description
技术领域
本发明涉及无人机安全飞行技术领域,具体涉及一种基于神经网络的无人机天气预警方法。
背景技术
随着无人机在各个领域的广泛应用,无人机的路径规划以及任务分配的重要性不言而喻。科学的路径规划以及任务分配需要考虑各方面的因素,高空天气对高空无人机亦有着很大的影响;以高空低温环境为例,长航时无人机大多飞行高度高达20000m,面临大气温度低至-82℃,常规型号选材温度低温为-55℃;因此,亟需发明一种能给无人机路径规划提供天气预警,使无人机有效规避天气恶劣区域的技术。
BP(Back Propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念,是采用误差反向传播学习算法的多层前馈神经网络,调整网络权值的训练算法是反向传播算法,是当前获得广泛应用的模型之一。BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力,解决了简单感知器不能解决的异或(Exclusive OR,XOR)和一些其他问题。
BP 算法的基本思想是:网络学习由输入信号的正向传播和误差的逆向传播两个过程组成。正向传播过程是指样本信号由输入层输入,经网络的权重、阈值和神经元的转移函数作用后,从输出层输出。如果输出值与期望值之间的误差大于预期,则转入误差反向传播阶段,进行修正,即误差通过隐层向输入层逐层返回。上述两过程是反复多次进行的,直到网络的输出误差减小到允许值或到达设定的训练次数为止。网络的学习训练过程实质就是根据输出值与期望值之间的误差不断调整网络权重和阈值的过程。
发明内容
本发明的目的是提供一种能给无人机路径规划提供天气预警,使无人机有效规避天气恶劣区域的一种基于神经网络的无人机天气预警方法。
为实现上述目的,本发明采用了如下技术方案:所述的一种基于神经网络的无人机天气预警方法,包括以下步骤:
步骤一:通过历史安全飞行数据或者历史天气事故数据或者仿真数据训练神经网络,使神经网络的误差减少到期望值,将网络权重调整到最佳;
步骤二:路径规划系统将已规则路径的经纬度集合和无人机参数输入预警系统,预警系统调用天气数据库获得已规划路径上各经纬度集的实时天气数据,并将获得的已规划路径上各经纬度集的实时天气数据与无人机参数整理合并成神经网络输入数据;
步骤三:将步骤二中整理好的神经网络输入数据输入神经网络进行运算;
步骤四:神经网络运算后输出已规则路径上有威胁的经纬度集合给路径规划系统;
步骤五:路径规划系统得到有威胁的经纬度集合后重新规划路径;
步骤六:跳转执行步骤二,直至路径上不存在有威胁的经纬度集合,输出该路径为安全飞行路径。
进一步地,前述的一种基于神经网络的无人机天气预警方法,其中:步骤二中,无人机参数包括:无人机飞行高度、无人机飞行方向及无人机质量。
进一步地,前述的一种基于神经网络的无人机天气预警方法,其中:步骤二中,天气数据包括:温度、气压、风速及风向。
进一步地,前述的一种基于神经网络的无人机天气预警方法,其中:步骤四中,按照神经网络的计算结果为-1或1,其中,-1为有威胁,1为安全。
通过上述技术方案的实施,本发明的有益效果是:(1)本发明使用BP神经网络技术,能够在不完全了解细节的情况下,利用大量历史飞行数据和大量仿真数据进行神经网络训练,从而能准确地判断出现实情况;(2)本发明具有灵活性和针对性,可以依据不同无人机的历史飞行数据或者仿真平台数据,训练不同的神经网络,能够做到适合无人机自身情况,利用BP神经网络技术,依托天气数据库,综合各个方面的天气数据,如温度、气压、风速、风向等,以及无人机自身参数,如无人机飞行高度、无人机飞行方向、无人机质量等,给无人机的路径规划提供天气预警,判断出天气恶劣的区域,让无人机有效地规避恶劣天气,避免无人机飞入天气恶劣的区域,从而避免无人机因为天气原因发生事故,让无人机更好、更安全的执行任务。
附图说明
图1是本发明所述的一种基于神经网络的无人机天气预警方法的整体流程框图。
具体实施方式:
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,所述的一种基于神经网络的无人机天气预警方法,包括以下步骤:
步骤一:通过历史安全飞行数据或者历史天气事故数据或者仿真数据训练神经网络,使神经网络的误差减少到期望值,将网络权重调整到最佳;
步骤二:路径规划系统将已规则路径的经纬度集合和无人机参数输入预警系统,预警系统调用天气数据库获得已规划路径上各经纬度集的实时天气数据,并将获得的已规划路径上各经纬度集的实时天气数据与无人机参数整理合并成神经网络输入数据;其中,无人机参数包括:无人机飞行高度、无人机飞行方向及无人机质量;天气数据包括:温度、气压、风速及风向;
步骤三:将步骤二中整理好的神经网络输入数据输入神经网络进行运算;
步骤四:神经网络运算后输出已规则路径上有威胁的经纬度集合给路径规划系统;其中,按照神经网络的计算结果为-1或1,其中,-1为有威胁,1为安全;
步骤五:路径规划系统得到有威胁的经纬度集合后重新规划路径;
步骤六:跳转执行步骤二,直至路径上不存在有威胁的经纬度集合,输出该路径为安全飞行路径。
本发明的优点是:(1)本发明使用BP神经网络技术,能够在不完全了解细节的情况下,利用大量历史飞行数据和大量仿真数据进行神经网络训练,从而能准确地判断出现实情况;(2)本发明具有灵活性和针对性,可以依据不同无人机的历史飞行数据或者仿真平台数据,训练不同的神经网络,能够做到适合无人机自身情况,利用BP神经网络技术,依托天气数据库,综合各个方面的天气数据,如温度、气压、风速、风向等,以及无人机自身参数,如无人机飞行高度、无人机飞行方向、无人机质量等,给无人机的路径规划提供天气预警,判断出天气恶劣的区域,让无人机有效地规避恶劣天气,避免无人机飞入天气恶劣的区域,从而避免无人机因为天气原因发生事故,让无人机更好、更安全的执行任务。
Claims (4)
1.一种基于神经网络的无人机天气预警方法,其特征在于:包括以下步骤:
步骤一:通过历史安全飞行数据或者历史天气事故数据或者仿真数据训练神经网络,使神经网络的误差减少到期望值,将网络权重调整到最佳;
步骤二:路径规划系统将已规则路径的经纬度集合和无人机参数输入预警系统,预警系统调用天气数据库获得已规划路径上各经纬度集的实时天气数据,并将获得的已规划路径上各经纬度集的实时天气数据与无人机参数整理合并成神经网络输入数据;
步骤三:将步骤二中整理好的神经网络输入数据输入神经网络进行运算;
步骤四:神经网络运算后输出已规则路径上有威胁的经纬度集合给路径规划系统;
步骤五:路径规划系统得到有威胁的经纬度集合后重新规划路径;
步骤六:跳转执行步骤二,直至路径上不存在有威胁的经纬度集合,输出该路径为安全飞行路径。
2.根据权利要求1所述的一种基于神经网络的无人机天气预警方法,其特征在于:步骤二中,无人机参数包括:无人机飞行高度、无人机飞行方向及无人机质量。
3.根据权利要求1所述的一种基于神经网络的无人机天气预警方法,其特征在于:步骤二中,天气数据包括:温度、气压、风速及风向。
4.根据权利要求1所述的一种基于神经网络的无人机天气预警方法,其特征在于:步骤四中,按照神经网络的计算结果为-1或1,其中,-1为有威胁,1为安全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810471378.8A CN108830032A (zh) | 2018-05-17 | 2018-05-17 | 一种基于神经网络的无人机天气预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810471378.8A CN108830032A (zh) | 2018-05-17 | 2018-05-17 | 一种基于神经网络的无人机天气预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108830032A true CN108830032A (zh) | 2018-11-16 |
Family
ID=64148869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810471378.8A Pending CN108830032A (zh) | 2018-05-17 | 2018-05-17 | 一种基于神经网络的无人机天气预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830032A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112466103A (zh) * | 2020-11-12 | 2021-03-09 | 北京航空航天大学 | 航空器飞行威胁演化预警方法、装置、设备及存储介质 |
CN112698666A (zh) * | 2021-03-24 | 2021-04-23 | 南京信息工程大学 | 一种基于气象栅格的飞行器航路优化方法 |
CN114637305A (zh) * | 2022-02-15 | 2022-06-17 | 山东省计算中心(国家超级计算济南中心) | 一种无人机最短路径规划方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722989A (zh) * | 2012-06-29 | 2012-10-10 | 山东交通学院 | 基于模糊神经网络的高速公路微气象交通预警方法 |
CN106679666A (zh) * | 2016-12-26 | 2017-05-17 | 北京联合大学 | 无人机大范围巡航路径规划模型及方法 |
CN107221200A (zh) * | 2017-05-18 | 2017-09-29 | 毕雪松 | 具有气象预警功能的无人机管控系统和管控方法 |
CN107357304A (zh) * | 2017-06-13 | 2017-11-17 | 深圳市易成自动驾驶技术有限公司 | 路径规划方法、无人机终端及计算机可读存储介质 |
CN107560614A (zh) * | 2017-08-04 | 2018-01-09 | 北京小米移动软件有限公司 | 路线规划方法及装置 |
CN206946720U (zh) * | 2017-05-18 | 2018-01-30 | 毕雪松 | 具有气象预警功能的无人机管控系统 |
CN206939079U (zh) * | 2017-05-25 | 2018-01-30 | 成都川通达科技有限公司 | 一种可在恶劣环境下实现预警的无人机 |
CN107728644A (zh) * | 2017-11-15 | 2018-02-23 | 王清平 | 一种防汛巡堤无人机 |
CN107830864A (zh) * | 2017-11-01 | 2018-03-23 | 飞友科技有限公司 | 一种民航飞机恶劣天气绕飞路线规划系统和方法 |
-
2018
- 2018-05-17 CN CN201810471378.8A patent/CN108830032A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722989A (zh) * | 2012-06-29 | 2012-10-10 | 山东交通学院 | 基于模糊神经网络的高速公路微气象交通预警方法 |
CN106679666A (zh) * | 2016-12-26 | 2017-05-17 | 北京联合大学 | 无人机大范围巡航路径规划模型及方法 |
CN107221200A (zh) * | 2017-05-18 | 2017-09-29 | 毕雪松 | 具有气象预警功能的无人机管控系统和管控方法 |
CN206946720U (zh) * | 2017-05-18 | 2018-01-30 | 毕雪松 | 具有气象预警功能的无人机管控系统 |
CN206939079U (zh) * | 2017-05-25 | 2018-01-30 | 成都川通达科技有限公司 | 一种可在恶劣环境下实现预警的无人机 |
CN107357304A (zh) * | 2017-06-13 | 2017-11-17 | 深圳市易成自动驾驶技术有限公司 | 路径规划方法、无人机终端及计算机可读存储介质 |
CN107560614A (zh) * | 2017-08-04 | 2018-01-09 | 北京小米移动软件有限公司 | 路线规划方法及装置 |
CN107830864A (zh) * | 2017-11-01 | 2018-03-23 | 飞友科技有限公司 | 一种民航飞机恶劣天气绕飞路线规划系统和方法 |
CN107728644A (zh) * | 2017-11-15 | 2018-02-23 | 王清平 | 一种防汛巡堤无人机 |
Non-Patent Citations (3)
Title |
---|
周树道 等: "基于气象威胁场的无人机三维航迹规划", 《解放军理工大学学报(自然科学版)》 * |
朱国涛 等: "基于BP神经网络的气象威胁度建模和评估方法研究", 《电光与控制》 * |
王俊 等: "融合遗传算法与 BP 神经网络的气象威胁度建模与评估", 《电光与控制》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112466103A (zh) * | 2020-11-12 | 2021-03-09 | 北京航空航天大学 | 航空器飞行威胁演化预警方法、装置、设备及存储介质 |
CN112466103B (zh) * | 2020-11-12 | 2021-10-01 | 北京航空航天大学 | 航空器飞行威胁演化预警方法、装置、设备及存储介质 |
US11790767B2 (en) | 2020-11-12 | 2023-10-17 | Beihang University | Method, apparatus, device and storage medium for pre-warning of aircraft flight threat evolution |
CN112698666A (zh) * | 2021-03-24 | 2021-04-23 | 南京信息工程大学 | 一种基于气象栅格的飞行器航路优化方法 |
CN112698666B (zh) * | 2021-03-24 | 2021-07-06 | 南京信息工程大学 | 一种基于气象栅格的飞行器航路优化方法 |
CN114637305A (zh) * | 2022-02-15 | 2022-06-17 | 山东省计算中心(国家超级计算济南中心) | 一种无人机最短路径规划方法及装置 |
CN114637305B (zh) * | 2022-02-15 | 2023-08-15 | 山东省计算中心(国家超级计算济南中心) | 一种无人机最短路径规划方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111487991B (zh) | 一种面向无人机集群的安全等级预测方法及系统 | |
CN112131760A (zh) | 基于cbam模型的航空发动机剩余寿命预测方法 | |
CN108830032A (zh) | 一种基于神经网络的无人机天气预警方法 | |
CN106557837B (zh) | 飞机连续下降进近轨迹的获取方法及装置 | |
CN101853531B (zh) | 基于预分类技术和rbf神经网络的直升机飞行状态识别方法 | |
CN111240350A (zh) | 一种无人机飞行员动态行为评估系统 | |
CN108170162B (zh) | 多尺度风扰分析无人机机群协调控制系统性能评估方法 | |
Nair et al. | Aircraft yaw control system using lqr and fuzzy logic controller | |
CN108609202B (zh) | 飞行颠簸预测方法及系统 | |
CN105488281B (zh) | 一种基于飞行参数监控的飞机结构载荷识别方法 | |
CN109144099B (zh) | 基于卷积神经网络的无人机群行动方案快速评估方法 | |
CN104290919A (zh) | 一种四旋翼飞行器的直接自修复控制方法 | |
CN115510950A (zh) | 基于时间卷积网络的飞行器遥测数据异常检测方法及系统 | |
Al-Mahasneh et al. | Nonlinear multi-input multi-output system identification using neuro-evolutionary methods for a quadcopter | |
CN104634603A (zh) | 一种复杂设备早期故障诊断方法 | |
CN109725626B (zh) | 一种多旋翼无人机动力系统故障在线诊断系统及方法 | |
CN104880945A (zh) | 基于神经网络的旋翼无人机的自适应逆控制方法 | |
CN102736517A (zh) | 一种针对三自由度直升机直接自适应重构控制方法 | |
Li et al. | A lightweight and explainable data-driven scheme for fault detection of aerospace sensors | |
CN114169503A (zh) | 一种飞机着陆距离精准预测方法 | |
Wu et al. | Flight situation recognition under different weather conditions | |
Johnson et al. | Using artificial neural networks and self-organizing maps for detection of airframe icing | |
Vargas et al. | System identification of multi-rotor uavs using echo state networks | |
CN115599125B (zh) | 一种基于边缘计算的助航灯光控制策略选择方法 | |
Petritoli et al. | Precise takagi-sugeno fuzzy logic system for UAV longitudinal stability: An industry 4.0 case study for aerospace |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |