CN116047934B - 一种无人机集群的实时仿真方法、系统以及电子设备 - Google Patents
一种无人机集群的实时仿真方法、系统以及电子设备 Download PDFInfo
- Publication number
- CN116047934B CN116047934B CN202310040175.4A CN202310040175A CN116047934B CN 116047934 B CN116047934 B CN 116047934B CN 202310040175 A CN202310040175 A CN 202310040175A CN 116047934 B CN116047934 B CN 116047934B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- simulation
- real
- data
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 404
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000006399 behavior Effects 0.000 claims description 66
- 238000001514 detection method Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000011897 real-time detection Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 42
- 238000005553 drilling Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000003542 behavioural effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种无人机集群的实时仿真方法、系统以及电子设备，该方法包括：获得无人机集群中各无人机实体的实时运行数据；获得与无人机实体及其实时运行数据相匹配的无人机仿真模型；基于无人机仿真模型和实时运行数据，对无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对无人机集群的任务状态进行预测，获得无人机集群的任务状态预测数据；或者，基于实时运行数据获得无人机集群的行为意图，并对该行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据。该方法可通过仿真过程实现对无人机集群行为意图的精准预测，提升无人机集群的协同控制能力。
Description
技术领域
本申请涉及无人机技术领域，具体涉及一种无人机集群的实时仿真方法。本申请同时涉及一种无人机集群的实时仿真系统以及一种电子设备。
背景技术
随着相关技术的发展和无人机任务领域的拓展，无人机运行模式开始从单一无人机向无人机集群转变，例如，对于作战型无人机，在复杂多变的战场环境中，单架无人机的生存能力较弱，任务执行能力有限，而通过使用无人机编队，各无人机之间可协同执行任务，实现无人机编队中各无人机的优势互补，可提升任务执行效率以及成功率、扩大任务执行范围、增强作战能力、提高环境适应性。
在无人机群协同控制的实现过程中，建模与仿真是重要的实现方法，其包含建模框架、无人机任务执行力分析、自主控制方法、仿真平台开发以及优化和创新无人机群协同控制算法等多个方面。无人机集群是较为复杂的系统，具有较强的动态演化和适应性，使得对其行为预测过程需要较高的精度。然而，随着仿真技术的进步，无人机仿真模型的模型参数与无人机实体的物理设备之间的误差（即仿真误差）不断累积和扩大，使得现有的仿真系统无法对无人机或无人机集群进行精准预测，例如，无法准确预测无人机或无人机集群的下一刻行为。
发明内容
本申请实施例提供一种无人机集群的实时仿真方法、一种无人机集群的实时仿真系统以及一种电子设备，以解决现有技术中因无人机仿真模型的模型参数与无人机实体的物理设备之间的误差随着仿真技术的进步而不断累积和扩大，使得现有的仿真系统无法对无人机或无人机集群进行精准预测的问题。
本申请实施例提供一种无人机集群的实时仿真方法，该方法应用于无人机集群的实时仿真系统，所述方法包括：
获得无人机集群中各无人机实体的实时运行数据；
获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；
或者，基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，并基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据。
在一种实施方式中，所述基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，包括：基于所述实时运行数据进行意图预测，获得所述无人机实体或所述无人机集群的多个行为意图；
所述基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，包括：针对所述多个行为意图进行分析，生成与所述多个行为意图相匹配的多个任务执行方案；基于所述无人机仿真模型对所述多个任务执行方案分别进行模拟演练，获得所述多个任务执行方案对应的多个仿真执行结果数据；
所述基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据，包括：对所述多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据；将所述目标仿真执行结果数据对应的任务执行方案确定为针对所述无人机实体或所述无人机集群的任务策略推荐数据。
在一种实施方式中，所述方法还包括：
将所述任务策略推荐数据提供给所述无人机实体或所述无人机集群，以供所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务。
在一种实施方式中，所述方法还包括：
响应于所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务，获得所述无人机实体或所述无人机集群的真实任务执行结果数据；
将所述真实任务执行结果数据与所述任务策略推荐数据对应的目标仿真执行结果数据进行比对，获得任务执行偏差数据；
基于所述任务执行偏差数据对所述无人机集群的实时仿真系统进行更新。
在一种实施方式中，所述获得无人机集群中各无人机实体的实时运行数据，包括：
按照预定周期从所述无人机集群的控制系统或所述无人机实体接收所述实时运行数据；
或者，向无人机实体发送用于获得所述实时运行数据的探测信息，并基于所述探测信息对应的反馈信息获得所述实时运行数据。
在一种实施方式中，所述无人机实体的实时运行数据包括如下中的至少一种：
所述无人机实体的实时状态数据；
所述无人机实体的实时检测数据；
所述无人机实体的预设任务数据。
在一种实施方式中，所述方法还包括：
获得所述无人机实体的状态变更数据；
基于所述无人机实体的状态变更数据，对所述无人机实体对应的无人机仿真模型进行变更处理。
在一种实施方式中，所述获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型，包括：
通过所述无人机实体的标识信息，检查本地资源管理库中是否存在与所述无人机实体相匹配的无人机仿真模型；
如果存在，则调用所述无人机仿真模型；
如果不存在，则根据所述无人机实体的相关参数创建并初始化无人机仿真模型，并加载所述无人机仿真模型。
根据本发明的另一方面，提供一种无人机集群的实时仿真装置，该装置包括：
实时运行数据获得单元，用于获得无人机集群中各无人机实体的实时运行数据；
无人机仿真模型获得单元，用于获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
仿真模拟单元，用于基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；或者，基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，并基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据。
根据本发明的另一方面，提供一种无人机集群的实时仿真系统，该系统包括：通信模块、数据处理模块、资源管理模块、决策和学习模块以及仿真引擎；
所述通信模块用于接收来自所述无人机集群的数据，并向所述无人机集群反馈数据，以实现与无人机集群中各无人机实体的通信；
所述数据处理模块用于对所述通信模块输出的来自所述无人机集群的数据进行分析处理，获得所述无人机集群的各无人机实体的实时运行数据；
所述资源管理模块用于根据数据处理模块输出的所述实时运行数据，获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
所述仿真引擎用于对所述通信模块、数据处理模块、资源管理模块以及决策和学习模块进行调度，以推进仿真时间、调度和运行无人机仿真模型、管理数据记录、以及控制仿真事件，其中，所述调度和运行无人机仿真模型包括：基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理；或者，基于所述无人机仿真模型，对所述无人机实体或所述无人机集群的行为意图对应的任务执行方案进行模拟演练；
决策和学习模块，用于调用相关算法，在所述仿真引擎对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理之后，基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；或者，基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，在所述仿真引擎对所述行为意图对应的任务执行方案进行模拟演练后，基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据。
根据本发明的另一方面，提供一种电子设备，该电子设备包括处理器和存储器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现上述无人机集群的实时仿真方法。
本申请实施例还提供一种计算机可读存储介质，其上存储有一条或多条计算机指令，该指令被处理器执行以实现上述无人机集群的实时仿真方法。
与现有技术相比，本申请实施例具有以下优点：
本申请实施例提供的无人机集群的实时仿真方法，获得无人机集群中各无人机实体的实时运行数据；获得与无人机实体及其实时运行数据相匹配的无人机仿真模型；基于无人机仿真模型和实时运行数据，对无人机实体或无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对无人机实体或无人机集群的任务状态进行预测，获得无人机集群的任务状态预测数据；或者，基于实时运行数据获得无人机实体或无人机集群的行为意图，并基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据。该方法中，由于对无人机集群的仿真模拟过程由无人机实体的实时运行数据驱动，可保证仿真误差的稳定性，即，无人机集群与仿真系统之间实现数据实时同步，针对无人机集群的仿真过程基于无人机实体的实时运行数据而实现，可使得无人机仿真模型的模型参数与无人机实体的物理设备之间的误差保持稳定，可通过仿真过程实现对无人机或无人机集群的精准预测，提升无人机集群的协同控制能力；并且，基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，该过程实现了对无人机集群的超实时仿真，利用无人机仿真模型的模拟演练功能对无人机集群可能发生的状况进行提前演练，采用预见性方式辅助无人机集群高效完成任务，使得无人机集群能够更好地应对突发事件。
附图说明
图1是本申请一实施例提供的无人机集群的实时仿真方法的流程图；
图2是本申请一实施例提供的无人机集群的实时仿真装置的单元框图；
图3是本申请一实施例提供的电子设备的逻辑结构示意图；
图4是本申请一实施例提供的无人机集群的实时仿真系统的示意图。
实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
在无人机群协同控制的实现过程中，建模与仿真是重要的实现方法，其包含建模框架、无人机任务执行力分析、自主控制方法、仿真平台开发以及优化和创新无人机群协同控制算法等多个方面。无人机集群是较为复杂的系统，具有较强的动态演化和适应性，使得对其行为预测过程需要较高的精度。然而，随着仿真技术的进步，无人机仿真模型的模型参数与无人机实体的物理设备之间的误差（即仿真误差）不断累积和扩大，使得现有的仿真系统无法对无人机或无人机集群进行精准预测，例如，无法准确预测无人机或无人机集群的下一刻行为。
针对无人机集群的仿真场景，为了避免现有技术中因无人机仿真模型的模型参数与无人机实体的物理设备之间的误差随着仿真技术的进步而不断累积和扩大，使得现有的仿真系统无法对无人机或无人机集群进行精准预测的问题，本申请提供了一种无人机集群的实时仿真方法、与该方法相对应的无人机集群的实时仿真装置以及电子设备，本申请还提供一种无人机集群的实时仿真系统。以下提供实施例对上述方法、装置、电子设备以及系统进行详细说明。
本申请第一实施例提供一种无人机集群的实时仿真方法，该方法的应用主体可以为用于进行无人机集群的实时仿真的计算设备应用，该计算设备应用可运行于无人机集群的实时仿真系统。图1为本申请第一实施例提供的无人机集群的实时仿真方法的流程图，以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理，不是实际使用的限定。
如图1所示，本实施例提供的无人机集群的实时仿真方法包括如下步骤：
S101，获得无人机集群中各无人机实体的实时运行数据。
本步骤用于获得无人机集群中各无人机实体的实时运行数据，具体可按照预定周期从无人机集群的控制系统或无人机实体接收实时运行数据，或者任意时刻向无人机实体发送用于获得无人机实体的实时运行数据的探测信息，该探测信息对应的反馈信息即为无人机实体的实时运行数据。无人机实体的实时运行数据可以为无人机实体的实时状态数据（例如无人机实体的序列号、型号等标识信息，无人机实体的位置信息或导航信息，无人机实体的电流、功率、角速度、线速度等相关参数）、无人机实体的实时检测数据（例如无人机针对现场环境的检测数据、无人机针对特定对象的检测数据等）、无人机实体的预设任务数据（例如，针对无人机实体所预先设置的任务类型、任务等级、任务内容等）等数据中的一种或多种。
S102，获得与上述无人机实体及其实时运行数据相匹配的无人机仿真模型。
在上述步骤获得无人机集群中各无人机实体的实时运行数据之后，本步骤用于获得与上述无人机实体及其实时运行数据相匹配的无人机仿真模型，由于无人机实体的实时运行数据处于动态变化中，例如，不同时刻各无人机实体的状态数据均不相同，与之对应，本步骤获得上述无人机仿真模型的方式为动态生成的方式，即，在任意时刻，针对不同的无人机实体以及不同的实时运行数据，动态生成对应的无人机仿真模型，该动态生成无人机仿真模型的方式是确保无人机仿真模拟过程能够正常实施、且不影响被仿真的无人机实体的必要操作。
在本实施例中，上述获得与无人机实体及其实时运行数据相匹配的无人机仿真模型，具体可以是指：通过上述无人机实体的标识信息，检查本地资源管理库中是否存在与该无人机实体相匹配的无人机仿真模型；如果存在，则调用该无人机仿真模型；如果不存在，则根据无人机实体的实时运行数据创建并初始化无人机仿真模型，并加载无人机仿真模型。例如，对于需要动态添加的无人机仿真模型，无人机集群的真实系统预先为无人机集群的实时仿真系统提供无人机实体的序列号、型号等标识信息以及电流、功率、速度和尺寸等相关参数，在实时仿真系统接收到无人机实体的实时运行数据后，通过无人机实体的标识信息检查其对应的无人机仿真模型是否已经存在于本地资源管理库中（本地资源管理库用于为无人机集群的实时仿真系统动态生成无人机仿真模型），如果存在，则直接从本地资源管理库中调用该无人机仿真模型，以此完成匹配；如果不存在，则根据无人机实体的类型（例如为系留无人机、固定翼无人机或旋翼无人机）在模型库（模型库预先维护多种基础无人机模型或主流无人机模型）中匹配，并基于无人机实体的电流、功率、速度和尺寸等相关参数创建并初始化无人机仿真模型，并将初始化后的无人机仿真模型加载到仿真引擎中。
S103，基于上述无人机仿真模型和上述实时运行数据，对无人机实体或无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对无人机实体或无人机集群的任务状态进行预测，获得无人机集群的任务状态预测数据；或者，基于上述实时运行数据获得无人机实体或无人机集群的行为意图，并基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据。
上述基于无人机仿真模型和实时运行数据，对无人机实体或无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对无人机实体或无人机集群的任务状态进行预测，获得无人机集群的任务状态预测数据，该过程实质为针对无人机集群的实时仿真过程，例如，通过对无人机集群进行实时仿真的方式预测出无人机集群在下阶段将在什么位置、采用哪种方式执行哪项任务。
上述基于实时运行数据获得无人机实体或无人机集群的行为意图，并基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，该过程实质为针对无人机集群的超实时仿真过程，该超实时仿真过程优先于无人机集群的当前状态，例如，在预测出无人机集群在下一阶段的行为意图后，针对该行为意图为其制定相应的任务执行方案，并通过无人机仿真模型进行模拟演练的方式预先获知任务执行方案的执行结果，根据该执行结果的优劣确定出可向无人机集群推荐的任务执行方案。
上述实时仿真过程和超实时仿真过程，其目的均在于利用无人机仿真模型的模拟演练功能、采用预见性方式辅助无人机集群高效完成任务，并使得无人机集群能够更好地应对突发事件，最大限度地减少无人机部件在复杂多变的外部环境中的损毁。
在本实施例中，上述基于实时运行数据获得无人机实体或无人机集群的行为意图，可以是指：基于实时运行数据进行意图预测，获得无人机实体或无人机集群的多个行为意图，例如，将无人机实体的位置信息、角速度、线速度、无人机针对现场环境的检测数据、无人机针对特定对象的检测数据、以及无人机实体的任务类型、任务等级、任务内容等实时运行数据作为输入数据，输入预先训练的无人机意图识别模型进行意图预测，得到该无人机意图识别模型输出的多种行为意图，无人机意图识别模型以无人机集群对应的历史数据库中的无人机历史运行数据及其对应的无人机历史行为数据作为训练样本训练获得；
上述基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，具体可以是指：针对上述多个行为意图进行分析，生成与该多个行为意图相匹配的多个任务执行方案，并基于无人机仿真模型对该多个任务执行方案分别进行模拟演练，以获得多个任务执行方案对应的多个仿真执行结果数据；
对应的，上述基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，具体可以是指：首先，对上述多个任务执行方案对应的多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据，例如，对于未达到预期目标、或者存在异常情况的任务执行方案进行筛除，对剩余的任务执行方案的仿真执行结果数据按其达到的目标值进行排序，选取目标值最优的仿真执行结果数据作为目标仿真执行结果数据；然后，将目标仿真执行结果数据对应的任务执行方案确定为针对无人机实体或无人机集群的任务策略推荐数据。
在本实施例中，在上述基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据之后，还需将所述任务策略推荐数据提供给所述无人机实体或所述无人机集群，以供所述无人机实体或所述无人机集群基于该任务策略推荐数据执行相应任务。并且，在无人机实体或无人机集群基于上述任务策略推荐数据执行相应任务，获得无人机实体或无人机集群的真实任务执行结果数据之后，还可将真实任务执行结果数据与上述任务策略推荐数据对应的目标仿真执行结果数据进行比对，获得任务执行偏差数据，并基于任务执行偏差数据对无人机集群的实时仿真系统进行更新，以使该实时仿真系统在后续过程中能够生成与无人机实体的真实任务执行环境更加匹配的任务策略推荐数据。
需要说明的是，在无人机集群与实时仿真系统交互的过程中，为保证无人机实体与无人机仿真模型的状态和信息的一致性，还需利用无人机集群提供的上述实时运行数据对无人机仿真模型的参数进行修改，例如，在任意时间获得上述无人机实体的状态变更数据，并基于该无人机实体的状态变更数据，对无人机实体对应的无人机仿真模型进行变更处理。即，由于无人机集群执行任务的环境通常是未知的，因此在任务执行过程中，无人机运行状态和操作参数等数据会以不可预知的方式发生变化，随着无人机集群任务流程的推进，为保证无人机集群的仿真精度，无人机集群的实时仿真系统需根据来自无人机集群的无人机实体的实时状态数据（例如无人机实体的标识信息、位置信息、角速度、线速度等飞行状态数据）和实时检测数据（例如无人机针对现场环境的检测数据、无人机针对特定对象的检测数据等），对无人机仿真模型进行同步化处理，当无人机实体的状态发生变化时，无人机集群会向上述实时仿真系统发送无人机实体的状态变更数据，上述实时仿真系统对该状态变更数据进行解析，并执行一致性检查，以得到无人机仿真模型需进行变更的内容，然后基于该内容对无人机仿真模型进行相应变更处理，变更完成后，可再次执行一致性检查，以确保无人机实体与无人机仿真模型已完成状态同步。由于真实环境的复杂性和可变性，无人机实体可能随时失去接触或损坏，在该种情况下，无人机实体无法及时向无人机集群的实时仿真系统发送任何信息，因此，如果无人机实体的状态在预定时间内未发生变化时，无人机仿真模型可定期向其对应的无人机实体发送探测消息，如果长时间得不到无人机实体的反馈，则可视为该无人机实体已断开连接（例如无人机实体遇到障碍物或发生危险后断开连接）。
本实施例提供的无人机集群的实时仿真方法，在获得无人机集群中各无人机实体的实时运行数据之后，获得与无人机实体及其实时运行数据相匹配的无人机仿真模型；基于无人机仿真模型和实时运行数据，对无人机实体或无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对无人机实体或无人机集群的任务状态进行预测，获得无人机集群的任务状态预测数据；或者，基于实时运行数据获得无人机实体或无人机集群的行为意图，并基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据。该方法中，由于对无人机集群的仿真模拟过程由无人机实体的实时运行数据驱动，可保证仿真误差的稳定性，即，无人机集群与仿真系统之间实现数据实时同步，针对无人机集群的仿真过程基于无人机实体的实时运行数据而实现，可使得无人机仿真模型的模型参数与无人机实体的物理设备之间的误差保持稳定，可通过仿真过程实现对无人机或无人机集群的精准预测，提升无人机集群的协同控制能力；并且，基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，该过程实现了对无人机集群的超实时仿真，利用无人机仿真模型的模拟演练功能对无人机集群可能发生的状况进行提前演练，采用预见性方式辅助无人机集群高效完成任务，使得无人机集群能够更好地应对突发事件。
上述实施例提供了一种无人机集群的实时仿真方法，与之相对应的，本申请另一实施例还提供了一种无人机集群的实时仿真装置，由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。
请参考图2理解该实施例，图2为本实施例提供的无人机集群的实时仿真装置的单元框图，如图2所示，本实施例提供的无人机集群的实时仿真装置包括：
实时运行数据获得单元201，用于获得无人机集群中各无人机实体的实时运行数据；
无人机仿真模型获得单元202，用于获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
仿真模拟单元203，用于基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；或者，基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，并基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据。
在一种实施方式中，所述基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，包括：基于所述实时运行数据进行意图预测，获得所述无人机实体或所述无人机集群的多个行为意图；
所述基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，包括：针对所述多个行为意图进行分析，生成与所述多个行为意图相匹配的多个任务执行方案；基于所述无人机仿真模型对所述多个任务执行方案分别进行模拟演练，获得所述多个任务执行方案对应的多个仿真执行结果数据；
所述基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据，包括：对所述多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据；将所述目标仿真执行结果数据对应的任务执行方案确定为针对所述无人机实体或所述无人机集群的任务策略推荐数据。
在一种实施方式中，所述装置还包括：
将所述任务策略推荐数据提供给所述无人机实体或所述无人机集群，以供所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务。
在一种实施方式中，所述装置还包括：
响应于所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务，获得所述无人机实体或所述无人机集群的真实任务执行结果数据；
将所述真实任务执行结果数据与所述任务策略推荐数据对应的目标仿真执行结果数据进行比对，获得任务执行偏差数据；
基于所述任务执行偏差数据对所述无人机集群的实时仿真系统进行更新。
在一种实施方式中，所述获得无人机集群中各无人机实体的实时运行数据，包括：
按照预定周期从所述无人机集群的控制系统或所述无人机实体接收所述实时运行数据；
或者，向无人机实体发送用于获得所述实时运行数据的探测信息，并基于所述探测信息对应的反馈信息获得所述实时运行数据。
在一种实施方式中，所述无人机实体的实时运行数据包括如下中的至少一种：
所述无人机实体的实时状态数据；
所述无人机实体的实时检测数据；
所述无人机实体的预设任务数据。
在一种实施方式中，所述装置还包括：
获得所述无人机实体的状态变更数据；
基于所述无人机实体的状态变更数据，对所述无人机实体对应的无人机仿真模型进行变更处理。
在一种实施方式中，所述获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型，包括：
通过所述无人机实体的标识信息，检查本地资源管理库中是否存在与所述无人机实体相匹配的无人机仿真模型；
如果存在，则调用所述无人机仿真模型；
如果不存在，则根据所述无人机实体的实时运行数据创建并初始化无人机仿真模型，并加载所述无人机仿真模型。
在上述的实施例中，提供了一种无人机集群的实时仿真方法以及一种无人机集群的实时仿真装置，此外，本申请另一实施例还提供一种电子设备，由于电子设备实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对电子设备实施例的描述仅仅是示意性的。该电子设备实施例如下：
请参考图3理解本实施例，图3为本实施例提供的电子设备的示意图。
如图3所示，本实施例提供的电子设备包括：处理器301和存储器302；
该存储器302用于存储数据处理的计算机指令，该计算机指令在被处理器301读取执行时，执行如下操作：
获得无人机集群中各无人机实体的实时运行数据；
获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；
或者，基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，并基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据。
在一种实施方式中，所述基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，包括：基于所述实时运行数据进行意图预测，获得所述无人机实体或所述无人机集群的多个行为意图；
所述基于所述无人机仿真模型对所述行为意图对应的任务执行方案进行模拟演练，包括：针对所述多个行为意图进行分析，生成与所述多个行为意图相匹配的多个任务执行方案；基于所述无人机仿真模型对所述多个任务执行方案分别进行模拟演练，获得所述多个任务执行方案对应的多个仿真执行结果数据；
所述基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据，包括：对所述多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据；将所述目标仿真执行结果数据对应的任务执行方案确定为针对所述无人机实体或所述无人机集群的任务策略推荐数据。
在一种实施方式中，所述方法还包括：
将所述任务策略推荐数据提供给所述无人机实体或所述无人机集群，以供所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务。
在一种实施方式中，所述方法还包括：
响应于所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务，获得所述无人机实体或所述无人机集群的真实任务执行结果数据；
将所述真实任务执行结果数据与所述任务策略推荐数据对应的目标仿真执行结果数据进行比对，获得任务执行偏差数据；
基于所述任务执行偏差数据对所述无人机集群的实时仿真系统进行更新。
在一种实施方式中，所述获得无人机集群中各无人机实体的实时运行数据，包括：
按照预定周期从所述无人机集群的控制系统或所述无人机实体接收所述实时运行数据；
或者，向无人机实体发送用于获得所述实时运行数据的探测信息，并基于所述探测信息对应的反馈信息获得所述实时运行数据。
在一种实施方式中，所述无人机实体的实时运行数据包括如下中的至少一种：
所述无人机实体的实时状态数据；
所述无人机实体的实时检测数据；
所述无人机实体的预设任务数据。
在一种实施方式中，所述方法还包括：
获得所述无人机实体的状态变更数据；
基于所述无人机实体的状态变更数据，对所述无人机实体对应的无人机仿真模型进行变更处理。
在一种实施方式中，所述获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型，包括：
通过所述无人机实体的标识信息，检查本地资源管理库中是否存在与所述无人机实体相匹配的无人机仿真模型；
如果存在，则调用所述无人机仿真模型；
如果不存在，则根据所述无人机实体的相关参数创建并初始化无人机仿真模型，并加载所述无人机仿真模型。
通过使用本实施例提供的电子设备，由于对无人机集群的仿真模拟过程由无人机实体的实时运行数据驱动，可保证仿真误差的稳定性，即，无人机集群与仿真系统之间实现数据实时同步，针对无人机集群的仿真过程基于无人机实体的实时运行数据而实现，可使得无人机仿真模型的模型参数与无人机实体的物理设备之间的误差保持稳定，可通过仿真过程实现对无人机或无人机集群的精准预测，提升无人机集群的协同控制能力；并且，基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，该过程实现了对无人机集群的超实时仿真，利用无人机仿真模型的模拟演练功能对无人机集群可能发生的状况进行提前演练，采用预见性方式辅助无人机集群高效完成任务，使得无人机集群能够更好地应对突发事件。
本申请另一实施例还提供一种无人机集群的实时仿真系统，该系统实施例描述比较简单，相关部分请参见上述无人机集群的实时仿真方法实施例的对应说明即可，下述描述的实施例仅仅是示意性的。
如图4所示，本实施例提供的无人机集群的实时仿真系统包括：通信模块401、数据处理模块402、资源管理模块403、仿真引擎404、以及决策和学习模块405；
所述通信模块401用于接收来自所述无人机集群的数据，并向所述无人机集群反馈数据，以实现与无人机集群中各无人机实体的通信；
所述数据处理模块402用于对所述通信模块输出的来自所述无人机集群的数据进行分析处理，获得所述无人机集群的各无人机实体的实时运行数据；无人机实体的实时运行数据可以为无人机实体的实时状态数据（例如无人机实体的序列号、型号等标识信息，无人机实体的位置信息或导航信息，无人机实体的电流、功率、角速度、线速度等相关参数）、无人机实体的实时检测数据（例如无人机针对现场环境的检测数据、无人机针对特定对象的检测数据等）、无人机实体的预设任务数据（例如，针对无人机实体所预先设置的任务类型、任务等级、任务内容等）等数据中的一种或多种。
所述资源管理模块403用于根据数据处理模块输出的所述实时运行数据，获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；即，资源管理模块403为实时仿真系统动态生成无人机仿真模型，例如，资源管理模块403负责无人机仿真模型的实时动态添加、修改和删除，根据上述实时运行数据，对模型库（模型库预先维护多种基础无人机模型或主流无人机模型）进行匹配，关联相应的无人机仿真模型，对其进行实例化并加载到实时仿真系统中；并且，在无人机集群与实时仿真系统交互的过程中，为保证无人机实体与无人机仿真模型的状态和信息的一致性，利用无人机集群提供的上述实时运行数据对无人机仿真模型的参数进行修改；
所述仿真引擎404用于对所述通信模块、数据处理模块、资源管理模块以及决策和学习模块进行调度，以推进仿真时间、调度和运行无人机仿真模型、管理数据记录和控制仿真事件，其中，所述调度和运行无人机仿真模型包括：基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理；或者，基于所述无人机仿真模型，对所述无人机实体或所述无人机集群的行为意图对应的任务执行方案进行模拟演练；
决策和学习模块405，用于调用相关算法，在所述仿真引擎404对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理之后，基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；或者，基于所述实时运行数据获得所述无人机实体或所述无人机集群的行为意图，在所述仿真引擎对所述行为意图对应的任务执行方案进行模拟演练后，基于模拟演练结果获得针对所述无人机实体或所述无人机集群的任务策略推荐数据。
上述基于无人机仿真模型和实时运行数据，对无人机实体或无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对无人机实体或无人机集群的任务状态进行预测，获得无人机集群的任务状态预测数据，该过程实质为针对无人机集群的实时仿真过程，例如，通过对无人机集群进行实时仿真的方式预测出无人机集群在下阶段将在什么位置、采用哪种方式执行哪项任务。
上述基于实时运行数据获得无人机实体或无人机集群的行为意图，并基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，该过程实质为针对无人机集群的超实时仿真过程，该超实时仿真过程优先于无人机集群的当前状态，例如，在预测出无人机集群在下一阶段的行为意图后，针对该行为意图为其制定相应的任务执行方案，并通过无人机仿真模型进行模拟演练的方式预先获知任务执行方案的执行结果，根据该执行结果的优劣确定出可向无人机集群推荐的任务执行方案。
上述实时仿真过程和超实时仿真过程，其目的均在于利用无人机仿真模型的模拟演练功能、采用预见性方式辅助无人机集群高效完成任务，并使得无人机集群能够更好地应对突发事件，最大限度地减少无人机部件在复杂多变的外部环境中的损毁。
在本实施例中，上述基于实时运行数据获得无人机实体或无人机集群的行为意图，可以是指：基于实时运行数据进行意图预测，获得无人机实体或无人机集群的多个行为意图，例如，将无人机实体的位置信息、角速度、线速度、无人机针对现场环境的检测数据、无人机针对特定对象的检测数据、以及无人机实体的任务类型、任务等级、任务内容等实时运行数据作为输入数据，输入预先训练的无人机意图识别模型进行意图预测，得到该无人机意图识别模型输出的多种行为意图，无人机意图识别模型以无人机集群对应的历史数据库中的无人机历史运行数据及其对应的无人机历史行为数据作为训练样本训练获得；
上述基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，具体可以是指：针对上述多个行为意图进行分析，生成与该多个行为意图相匹配的多个任务执行方案，并基于无人机仿真模型对该多个任务执行方案分别进行模拟演练，以获得多个任务执行方案对应的多个仿真执行结果数据；
对应的，上述基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，具体可以是指：首先，对上述多个任务执行方案对应的多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据，例如，对于未达到预期目标、或者存在异常情况的任务执行方案进行筛除，对剩余的任务执行方案的仿真执行结果数据按其达到的目标值进行排序，选取目标值最优的仿真执行结果数据作为目标仿真执行结果数据；然后，将目标仿真执行结果数据对应的任务执行方案确定为针对无人机实体或无人机集群的任务策略推荐数据。
在本实施例中，在上述基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据之后，还需将所述任务策略推荐数据提供给所述无人机实体或所述无人机集群，以供所述无人机实体或所述无人机集群基于该任务策略推荐数据执行相应任务。并且，在无人机实体或无人机集群基于上述任务策略推荐数据执行相应任务，获得无人机实体或无人机集群的真实任务执行结果数据之后，还可将真实任务执行结果数据与上述任务策略推荐数据对应的目标仿真执行结果数据进行比对，获得任务执行偏差数据，并基于任务执行偏差数据对无人机集群的实时仿真系统进行更新，以使该实时仿真系统在后续过程中能够生成与无人机实体的真实任务执行环境更加匹配的任务策略推荐数据。
通过使用本实施例提供的无人机集群的实时仿真系统，由于对无人机集群的仿真模拟过程由无人机实体的实时运行数据驱动，可保证仿真误差的稳定性，即，无人机集群与仿真系统之间实现数据实时同步，针对无人机集群的仿真过程基于无人机实体的实时运行数据而实现，可使得无人机仿真模型的模型参数与无人机实体的物理设备之间的误差保持稳定，可通过仿真过程实现对无人机或无人机集群的精准预测，提升无人机集群的协同控制能力；并且，基于无人机仿真模型对行为意图对应的任务执行方案进行模拟演练，基于模拟演练结果获得针对无人机实体或无人机集群的任务策略推荐数据，该过程实现了对无人机集群的超实时仿真，利用无人机仿真模型的模拟演练功能对无人机集群可能发生的状况进行提前演练，采用预见性方式辅助无人机集群高效完成任务，使得无人机集群能够更好地应对突发事件。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、 其他类型的随机存取存储器 (RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (9)
1.一种无人机集群的实时仿真方法，其特征在于，应用于无人机集群的实时仿真系统，所述方法包括：
获得无人机集群中各无人机实体的实时运行数据；
获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理，并基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；
或者，基于所述实时运行数据进行意图预测，获得所述无人机实体或所述无人机集群的多个行为意图；针对所述多个行为意图进行分析，生成与所述多个行为意图相匹配的多个任务执行方案；基于所述无人机仿真模型对所述多个任务执行方案分别进行模拟演练，获得所述多个任务执行方案对应的多个仿真执行结果数据；对所述多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据；将所述目标仿真执行结果数据对应的任务执行方案确定为针对所述无人机实体或所述无人机集群的任务策略推荐数据。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述任务策略推荐数据提供给所述无人机实体或所述无人机集群，以供所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
响应于所述无人机实体或所述无人机集群基于所述任务策略推荐数据执行相应任务，获得所述无人机实体或所述无人机集群的真实任务执行结果数据；
将所述真实任务执行结果数据与所述任务策略推荐数据对应的目标仿真执行结果数据进行比对，获得任务执行偏差数据；
基于所述任务执行偏差数据对所述无人机集群的实时仿真系统进行更新。
4.根据权利要求1所述的方法，其特征在于，所述获得无人机集群中各无人机实体的实时运行数据，包括：
按照预定周期从所述无人机集群的控制系统或所述无人机实体接收所述实时运行数据；
或者，向无人机实体发送用于获得所述实时运行数据的探测信息，并基于所述探测信息对应的反馈信息获得所述实时运行数据。
5.根据权利要求1或4所述的方法，其特征在于，所述无人机实体的实时运行数据包括如下中的至少一种：
所述无人机实体的实时状态数据；
所述无人机实体的实时检测数据；
所述无人机实体的预设任务数据。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获得所述无人机实体的状态变更数据；
基于所述无人机实体的状态变更数据，对所述无人机实体对应的无人机仿真模型进行变更处理。
7.根据权利要求1所述的方法，其特征在于，所述获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型，包括：
通过所述无人机实体的标识信息，检查本地资源管理库中是否存在与所述无人机实体相匹配的无人机仿真模型；
如果存在，则调用所述无人机仿真模型；
如果不存在，则根据所述无人机实体的实时运行数据创建并初始化无人机仿真模型，并加载所述无人机仿真模型。
8.一种无人机集群的实时仿真系统，其特征在于，所述系统包括：通信模块、数据处理模块、资源管理模块、决策和学习模块以及仿真引擎；
所述通信模块用于接收来自所述无人机集群的数据，并向所述无人机集群反馈数据，以实现与无人机集群中各无人机实体的通信；
所述数据处理模块用于对所述通信模块输出的来自所述无人机集群的数据进行分析处理，获得所述无人机集群的各无人机实体的实时运行数据；
所述资源管理模块用于根据数据处理模块输出的所述实时运行数据，获得与所述无人机实体及其实时运行数据相匹配的无人机仿真模型；
所述仿真引擎用于对所述通信模块、数据处理模块、资源管理模块以及决策和学习模块进行调度，以推进仿真时间、调度和运行无人机仿真模型、管理数据记录和控制仿真事件，其中，所述调度和运行无人机仿真模型包括：基于所述无人机仿真模型和所述实时运行数据，对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理；或者，基于所述无人机仿真模型，对所述无人机实体或所述无人机集群的多个行为意图对应的多个任务执行方案分别进行模拟演练；
所述决策和学习模块，用于调用相关算法，在所述仿真引擎对所述无人机实体或所述无人机集群的实时运行状态进行仿真模拟处理之后，基于仿真模拟结果对所述无人机实体或无人机集群的任务状态进行预测，获得所述无人机集群的任务状态预测数据；或者，基于所述实时运行数据进行意图预测，获得所述无人机实体或所述无人机集群的多个行为意图；针对所述多个行为意图进行分析，生成与所述多个行为意图相匹配的多个任务执行方案；在所述仿真引擎基于所述无人机仿真模型对所述多个任务执行方案分别进行模拟演练之后，获得所述多个任务执行方案对应的多个仿真执行结果数据；对所述多个仿真执行结果数据进行评估，并基于评估结果确定目标仿真执行结果数据；将所述目标仿真执行结果数据对应的任务执行方案确定为针对所述无人机实体或所述无人机集群的任务策略推荐数据。
9.一种电子设备，其特征在于，包括处理器和存储器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310040175.4A CN116047934B (zh) | 2023-01-13 | 2023-01-13 | 一种无人机集群的实时仿真方法、系统以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310040175.4A CN116047934B (zh) | 2023-01-13 | 2023-01-13 | 一种无人机集群的实时仿真方法、系统以及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116047934A CN116047934A (zh) | 2023-05-02 |
| CN116047934B true CN116047934B (zh) | 2023-06-16 |
Family
ID=86123443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310040175.4A Active CN116047934B (zh) | 2023-01-13 | 2023-01-13 | 一种无人机集群的实时仿真方法、系统以及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116047934B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117075496B (zh) * | 2023-09-18 | 2024-09-10 | 东莞市鸣鹿信息科技有限公司 | 一种无人机方阵运行仿真系统 |
| CN117111639B (zh) * | 2023-10-19 | 2024-01-26 | 浙江容祺科技有限公司 | 一种复杂环境无人机飞行最佳路线寻优方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113741511A (zh) * | 2021-08-02 | 2021-12-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群推演及故障诊断方法、系统 |
| CN113887134A (zh) * | 2021-09-27 | 2022-01-04 | 南京航空航天大学 | 一种大规模轻量级的无人集群试验仿真平台及工作方法 |
| CN114063474A (zh) * | 2021-12-03 | 2022-02-18 | 北京航空航天大学 | 一种无人机集群的半物理仿真系统 |
| CN114492735A (zh) * | 2021-12-30 | 2022-05-13 | 北京理工大学 | 一种无人机集群过程行为建模与协同优化方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108427436A (zh) * | 2018-04-28 | 2018-08-21 | 广州亿航智能技术有限公司 | 无人机集群的飞控方法、主控无人机及计算机存储介质 |
| CN113220029B (zh) * | 2021-05-10 | 2022-04-22 | 北京航空航天大学 | 用于对无人机集群系统故障仿真测试的测试装置及方法 |
| CN113495578B (zh) * | 2021-09-07 | 2021-12-10 | 南京航空航天大学 | 一种基于数字孪生式训练的集群航迹规划强化学习方法 |
| CN115221799B (zh) * | 2022-09-20 | 2022-12-13 | 南京瀚海伏羲防务科技有限公司 | 一种基于多分支的无人集群超实时推演系统及方法 |
-
2023
- 2023-01-13 CN CN202310040175.4A patent/CN116047934B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113741511A (zh) * | 2021-08-02 | 2021-12-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群推演及故障诊断方法、系统 |
| CN113887134A (zh) * | 2021-09-27 | 2022-01-04 | 南京航空航天大学 | 一种大规模轻量级的无人集群试验仿真平台及工作方法 |
| CN114063474A (zh) * | 2021-12-03 | 2022-02-18 | 北京航空航天大学 | 一种无人机集群的半物理仿真系统 |
| CN114492735A (zh) * | 2021-12-30 | 2022-05-13 | 北京理工大学 | 一种无人机集群过程行为建模与协同优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116047934A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116047934B (zh) | 一种无人机集群的实时仿真方法、系统以及电子设备 | |
| CN111406267B (zh) | 使用性能预测神经网络的神经架构搜索 | |
| US11663486B2 (en) | Intelligent learning system with noisy label data | |
| EP3729209B1 (en) | Combined learned and dynamic control method | |
| WO2019222745A1 (en) | Sample-efficient reinforcement learning | |
| EP3462705B1 (en) | Provisioning of software applications on edge devices in an internet-of-things environment | |
| CN112148570A (zh) | 改进在异构系统上执行的软件的运行时性能的方法和设备 | |
| Bhattacharjee et al. | Stratum: A serverless framework for the lifecycle management of machine learning-based data analytics tasks | |
| CN114503108A (zh) | 向经过训练的机器学习模型添加对抗鲁棒性 | |
| US11568242B2 (en) | Optimization framework for real-time rendering of media using machine learning techniques | |
| CN114154641A (zh) | Ai模型的训练方法、装置、计算设备和存储介质 | |
| CN117132890A (zh) | 一种基于Kubernetes边缘计算集群的遥感图像目标检测方法和系统 | |
| KR20210066545A (ko) | 반도체 소자의 시뮬레이션을 위한 전자 장치, 방법, 및 컴퓨터 판독가능 매체 | |
| WO2019104304A1 (en) | Accelerated simulation setup process using prior knowledge extraction for problem matching | |
| CN117787444B (zh) | 一种面向集群对抗场景的智能算法快速集成方法及装置 | |
| US20230152787A1 (en) | Performance optimization of complex industrial systems and processes | |
| US20190005169A1 (en) | Dynamic Design of Complex System-of-Systems for Planning and Adaptation to Unplanned Scenarios | |
| CN117972367A (zh) | 一种数据存储预测方法、数据存储子系统及智能计算平台 | |
| CN114064079A (zh) | 算法应用元的打包方法及装置、设备、存储介质 | |
| Violos et al. | Predicting resource usage in edge computing infrastructures with CNN and a hybrid Bayesian particle swarm hyper-parameter optimization model | |
| CN112580816A (zh) | 机器学习训练资源管理 | |
| CN114742644A (zh) | 训练多场景风控系统、预测业务对象风险的方法和装置 | |
| Heye | Scaling deep learning without increasing batchsize | |
| CN117667606B (zh) | 基于用户行为的高性能计算集群能耗预测方法及系统 | |
| US20240119203A1 (en) | Continuous result collection system of license-independent cfd simulation and data-driven machine learning for hybrid modeling |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Ren Xuefeng Inventor before: Ren Xuefeng Inventor before: Luo Wei |