CN116048119B - 基于人工智能的无人机巡航监测系统及方法 - Google Patents

基于人工智能的无人机巡航监测系统及方法 Download PDF

Info

Publication number
CN116048119B
CN116048119B CN202310019929.8A CN202310019929A CN116048119B CN 116048119 B CN116048119 B CN 116048119B CN 202310019929 A CN202310019929 A CN 202310019929A CN 116048119 B CN116048119 B CN 116048119B
Authority
CN
China
Prior art keywords
static
path
cruising
cruise
matching
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
Application number
CN202310019929.8A
Other languages
English (en)
Other versions
CN116048119A (zh
Inventor
李继锋
赵志霞
李晃
朱文明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou Yuan Electronic Technology Co Ltd
Original Assignee
Yangzhou Yuan Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou Yuan Electronic Technology Co Ltd filed Critical Yangzhou Yuan Electronic Technology Co Ltd
Priority to CN202310019929.8A priority Critical patent/CN116048119B/zh
Publication of CN116048119A publication Critical patent/CN116048119A/zh
Application granted granted Critical
Publication of CN116048119B publication Critical patent/CN116048119B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • 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

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了基于人工智能的无人机巡航监测系统及方法，属于无人机技术领域。通过卫星雷达识别任务区域地形特征信息，对任务区域进行二维平面编码划分，再进一步将巡航路径在二维平面编码中进行映射，使巡航路径能够在统一编码中进行精准关联；结合静态巡航路径中的方向角和航线路程来对每条巡航路径进行深入关联，计算巡航路径的安全系数，并且当动态的巡航过程中出现问题时，结合动态的方向角和航线路程的变化快速匹配到最相似的其他航线上的无人机来弥补任务操作，从而将静态的巡航路径和动态的任务操作变化，以及将多无人机和多航线进行统筹调度，形成替代弥补决策，及时应对未知风险或者突发情况，使无人机能够更加灵活不断变化作业。

Description

基于人工智能的无人机巡航监测系统及方法
技术领域
本发明涉及无人机技术领域，具体为基于人工智能的无人机巡航监测系统及方法。
背景技术
雷达数据处理概括而言，可以看作是对检测到的点迹和已建立的航迹进行处理；雷达数据处理中的航迹，相当于是每个目标的档案，其中包括目标的任何相关信息；在无人机进行巡航的过程中，现有技术方案往往按照规划航线进行任务巡航，是属于单一航线和单一无人机的孤立作业；
在无人机巡航过程中，经常会出现很多故障问题，比如说机载雷达设备故障、无人机能源消耗殆尽或者无人机被发现击落等，当出现这些故障问题时必然导致巡航作业终止；随着无人机技术领域的不断发展，单一化的无人机作业已经远远无法满足巡航任务的要求，需要对无人机联动关联等问题进行深入研究。
发明内容
本发明的目的在于提供基于人工智能的无人机巡航监测系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
基于人工智能的无人机巡航监测系统，本系统包括：任务区域编码模块、巡航路径编码映射模块、静态巡航路径相似度计算模块和静态巡航路径匹配模块；
所述任务区域编码模块，用于获取任务区域地形特征信息，建立任务区域二维平面图，根据任务区域二维平面图将任务区域进行统一编码划分，所述任务区域地形特征信息为任务区域外部轮廓特征信息；
所述巡航路径编码映射模块，用于根据统一编码划分，对巡航路径进行编码信息映射，形成静态巡航路径编码集合；根据静态巡航路径编码集合，计算每条静态巡航路径的安全系数；
所述静态巡航路径相似度计算模块，用于根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度；
所述静态巡航路径匹配模块，用于在每条静态巡航路径上设置一台无人机进行动态巡航作业，当某条静态巡航路径上的无人机发生故障时，根据静态巡航路径的相似度进行静态巡航路径的匹配，预设匹配次数阈值，当匹配次数达到匹配次数阈值时终止匹配，输出匹配最优解对应的静态巡航路径，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的静态巡航路径进行巡航作业；
进一步的，所述任务区域编码模块还包括卫星雷达识别单元和编码划分单元；
所述卫星雷达识别单元，用于通过卫星雷达系统扫描任务区域地形并生成任务区域地形特征信息，根据任务区域地形特征信息，生成任务区域二维平面图；
所述编码划分单元，用于对任务区域二维平面图进行划分，将任务区域划分为N个网格，并对所有网格进行统一编码；
进一步的，所述巡航路径编码映射模块还包括编码映射单元和静态巡航路径安全系数计算单元；
所述编码映射单元，用于获取静态巡航路径信息，将静态巡航路径信息在任务区域二维平面图上进行映射，将静态巡航路径在任务区域二维平面图上经过的网格按照静态巡航路径顺序进行整理并且生成对应的映射路径集合；遍历映射所有静态巡航路径信息，将任意一个映射路径集合记为Ii＝{U1，U2，...，UX}，其中Ii表示第i个静态巡航路径，U1，U2，...，UX分别表示第i个静态巡航路径在任务区域二维平面图上映射经过的网格，并且X小于等于N；
所述静态巡航路径安全系数计算单元，用于根据映射路径集合，将一个网格看作一个航迹点，同时挖掘每条静态巡航路径的方向角安全值和巡航路程安全值，具体计算公式如下：
其中，Ai表示第i个静态巡航路径的方向角安全值，Hj+1表示以第j个航迹点为任务区域二维平面图的原点时第j+1个航迹点的方向角，Hj表示第j个航迹点的初始方向角，Hmax表示无人机的最大转弯角约束值，Bi表示第i个静态巡航路径的巡航路程安全值，Kj+1表示第j+1个航迹点到第j个航迹点的路程长度值，Kj表示第j个航迹点的初始路程长度值，Kmax表示无人机的最大飞行路程长度值，j∈{1，2，...，X}；根据每条静态巡航路径的方向角安全值和巡航路程安全值，计算每条静态巡航路径的安全系数，具体计算公式如下：
Ci＝a×Ai+b×Bi
其中，Ci表示第i个静态巡航路径的安全系数，a和b分别为调节参数值且a和b均为常数；
进一步的，所述静态巡航路径相似度计算模块还包括静态巡航路径编号单元和相似度计算单元；
所述静态巡航路径编号单元，用于对所有静态巡航路径进行统一编号，共得到Y条静态巡航路径，则i＝1，2，...，Y；
所述相似度计算单元，用于根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度，具体计算公式如下：
其中，P(Ci)表示第i个静态巡航路径与第i+1个静态巡航路径的相似度；
进一步的，所述静态巡航路径匹配模块还包括匹配记录单元和匹配筛选单元；
所述匹配记录单元，用于对第i个静态巡航路径的相似度进行归一化处理，将相似度归一化处理值记为V(iM)，且产生一个在[0，1]区间的随机数，记为T；根据随机数T对第i个静态巡航路径进行匹配，如果随机数T满足判断公式V(iM)<T<V(iM+1)，则对V(iM+1)对应的第i+1个静态巡航路径进行记录；
所述匹配筛选单元，用于预设匹配次数阈值，且匹配次数阈值等于Y；当匹配次数达到匹配次数阈值时终止匹配，同时在记录的所有相似度归一化处理值中找寻一个最大值作为匹配最优解，输出匹配最优解；同时给匹配最优解对应的静态巡航路径上的无人机发送控制指令，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的第i个静态巡航路径进行巡航作业。
基于人工智能的无人机巡航监测方法，本方法包括以下步骤：
步骤S100：获取任务区域地形特征信息，建立任务区域二维平面图，根据任务区域二维平面图将任务区域进行统一编码划分，所述任务区域地形特征信息为任务区域外部轮廓特征信息；
步骤S200：根据统一编码划分，对巡航路径进行编码信息映射，形成静态巡航路径编码集合；根据静态巡航路径编码集合，计算每条静态巡航路径的安全系数；
步骤S300：根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度；
步骤S400：在每条静态巡航路径上设置一台无人机进行动态巡航作业，当某条静态巡航路径上的无人机发生故障时，根据静态巡航路径的相似度进行静态巡航路径的匹配，预设匹配次数阈值，当匹配次数达到匹配次数阈值时终止匹配，输出匹配最优解对应的静态巡航路径，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的静态巡航路径进行巡航作业；
根据上述方法，无人机在巡航作业之前，需要通过卫星雷达对任务区域进行静态航迹规划，静态航线的规划往往只针对作业任务和已知的地形特征环境信息进行统筹布局和设计，但是对于无人机在作业过程中的动态突发情况也需要进行及时的航线弥补。
进一步的，所述步骤S100的具体实施过程包括：
步骤S101：通过卫星雷达系统扫描任务区域地形并生成任务区域地形特征信息，根据任务区域地形特征信息，生成任务区域二维平面图；
步骤S102：对任务区域二维平面图进行划分，将任务区域划分为N个网格，并对所有网格进行统一编码。
进一步的，所述步骤S200的具体实施过程包括：
步骤S201：获取静态巡航路径信息，将静态巡航路径信息在任务区域二维平面图上进行映射，将静态巡航路径在任务区域二维平面图上经过的网格按照静态巡航路径顺序进行整理并且生成对应的映射路径集合；遍历映射所有静态巡航路径信息，将任意一个映射路径集合记为Ii＝{U1，U2，...，UX}，其中Ii表示第i个静态巡航路径，U1，U2，...，UX分别表示第i个静态巡航路径在任务区域二维平面图上映射经过的网格，并且X小于等于N；
步骤S202：根据映射路径集合，将一个网格看作一个航迹点，同时挖掘每条静态巡航路径的方向角安全值和巡航路程安全值，具体计算公式如下：
其中，Ai表示第i个静态巡航路径的方向角安全值，Hj+1表示以第j个航迹点为任务区域二维平面图的原点时第j+1个航迹点的方向角，Hj表示第j个航迹点的初始方向角，Hmax表示无人机的最大转弯角约束值，Bi表示第i个静态巡航路径的巡航路程安全值，Kj+1表示第j+1个航迹点到第j个航迹点的路程长度值，Kj表示第j个航迹点的初始路程长度值，Kmax表示无人机的最大飞行路程长度值，j∈{1，2，...，X}；
步骤S203：根据每条静态巡航路径的方向角安全值和巡航路程安全值，计算每条静态巡航路径的安全系数，具体计算公式如下：
Ci＝a×Ai+b×Bi
其中，Ci表示第i个静态巡航路径的安全系数，a和b分别为调节参数值且a和b均为常数。
进一步的，所述步骤S300的具体实施过程包括：
步骤S301：对所有静态巡航路径进行统一编号，共得到Y条静态巡航路径，则i＝1，2，...，Y；
步骤S302：根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度，具体计算公式如下：
其中，P(Ci)表示第i个静态巡航路径与第i+1个静态巡航路径的相似度。
进一步的，所述步骤S400的具体实施过程包括：
步骤S401：对第i个静态巡航路径的相似度进行归一化处理，将相似度归一化处理值记为V(iM)，且
步骤S402：产生一个在[0，1]区间的随机数，记为T；根据随机数T对第i个静态巡航路径进行匹配，如果随机数T满足判断公式V(iM)<T<V(iM+1)，则对V(iM+1)对应的第i+1个静态巡航路径进行记录；
步骤S403：预设匹配次数阈值，且匹配次数阈值等于Y；当匹配次数达到匹配次数阈值时终止匹配，同时在记录的所有相似度归一化处理值中找寻一个最大值作为匹配最优解，输出匹配最优解；同时给匹配最优解对应的静态巡航路径上的无人机发送控制指令，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的第i个静态巡航路径进行巡航作业；
根据上述方法，无人机在动态作业规程中的未知情况往往无法准确预知，但是当某个航线出现问题时，为了使巡航任务继续顺利完成，需要对各个航线之间找寻关联关系，从而可以及时的弥补动态问题航线。
与现有技术相比，本发明所达到的有益效果是：本发明提供的基于人工智能的无人机巡航监测系统及方法中，通过卫星雷达识别任务区域的地形特征信息，从而对任务区域进行二维平面编码划分，再进一步将巡航路径在二维平面编码中进行映射，使巡航路径能够在统一编码中进行精准关联；同时结合静态巡航路径中的方向角和航线路程来对每条巡航路径进行深入关联，计算巡航路径的安全系数，并且当动态的巡航过程中出现问题时，能够动态的方向角和航线路程的变化快速匹配到最相似的其他航线上的无人机来弥补任务操作，从而将静态的巡航路径和动态的任务操作变化，以及将多无人机和多航线进行统筹调度，形成替代弥补决策，以及时应对巡航过程中的种种未知风险或者突发情况，使无人机能够更加灵活不断变化作业。
附图说明
附图用来提供对本发明的进一步理解，并且且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：
图1是本发明基于人工智能的无人机巡航监测系统的结构示意图；
图2是本发明基于人工智能的无人机巡航监测方法的步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：
请参阅图1，在本实施例一中：提供基于人工智能的无人机巡航监测系统，该系统包括：任务区域编码模块、巡航路径编码映射模块、静态巡航路径相似度计算模块和静态巡航路径匹配模块；
任务区域编码模块，用于获取任务区域地形特征信息，建立任务区域二维平面图，根据任务区域二维平面图将任务区域进行统一编码划分，任务区域地形特征信息为任务区域外部轮廓特征信息；
其中，任务区域编码模块还包括卫星雷达识别单元和编码划分单元；
卫星雷达识别单元，用于通过卫星雷达系统扫描任务区域地形并生成任务区域地形特征信息，根据任务区域地形特征信息，生成任务区域二维平面图；
编码划分单元，用于对任务区域二维平面图进行划分，将任务区域划分为N个网格，并对所有网格进行统一编码；
巡航路径编码映射模块，用于根据统一编码划分，对巡航路径进行编码信息映射，形成静态巡航路径编码集合；根据静态巡航路径编码集合，计算每条静态巡航路径的安全系数；
其中，巡航路径编码映射模块还包括编码映射单元和静态巡航路径安全系数计算单元；
编码映射单元，用于获取静态巡航路径信息，将静态巡航路径信息在任务区域二维平面图上进行映射，将静态巡航路径在任务区域二维平面图上经过的网格按照静态巡航路径顺序进行整理并且生成对应的映射路径集合；遍历映射所有静态巡航路径信息，将任意一个映射路径集合记为Ii＝{U1，U2，...，UX}，其中Ii表示第i个静态巡航路径，U1，U2，...，UX分别表示第i个静态巡航路径在任务区域二维平面图上映射经过的网格，并且X小于等于N；
静态巡航路径安全系数计算单元，用于根据映射路径集合，将一个网格看作一个航迹点，同时挖掘每条静态巡航路径的方向角安全值和巡航路程安全值，具体计算公式如下：
其中，Ai表示第i个静态巡航路径的方向角安全值，Hj+1表示以第j个航迹点为任务区域二维平面图的原点时第j+1个航迹点的方向角，Hj表示第j个航迹点的初始方向角，Hmax表示无人机的最大转弯角约束值，Bi表示第i个静态巡航路径的巡航路程安全值，Kj+1表示第j+1个航迹点到第j个航迹点的路程长度值，Kj表示第j个航迹点的初始路程长度值，Kmax表示无人机的最大飞行路程长度值，j∈{1，2，...，X}；根据每条静态巡航路径的方向角安全值和巡航路程安全值，计算每条静态巡航路径的安全系数，具体计算公式如下：
Ci＝a×Ai+b×Bi
其中，Ci表示第i个静态巡航路径的安全系数，a和b分别为调节参数值且a和b均为常数；
静态巡航路径相似度计算模块，用于根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度；
其中，静态巡航路径相似度计算模块还包括静态巡航路径编号单元和相似度计算单元；
静态巡航路径编号单元，用于对所有静态巡航路径进行统一编号，共得到Y条静态巡航路径，则i＝1，2，...，Y；
相似度计算单元，用于根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度，具体计算公式如下：
其中，P(Ci)表示第i个静态巡航路径与第i+1个静态巡航路径的相似度；
静态巡航路径匹配模块，用于在每条静态巡航路径上设置一台无人机进行动态巡航作业，当某条静态巡航路径上的无人机发生故障时，根据静态巡航路径的相似度进行静态巡航路径的匹配，预设匹配次数阈值，当匹配次数达到匹配次数阈值时终止匹配，输出匹配最优解对应的静态巡航路径，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的静态巡航路径进行巡航作业；
其中，静态巡航路径匹配模块还包括匹配记录单元和匹配筛选单元；
匹配记录单元，用于对第i个静态巡航路径的相似度进行归一化处理，将相似度归一化处理值记为V(iM)，且产生一个在[0，1]区间的随机数，记为T；根据随机数T对第i个静态巡航路径进行匹配，如果随机数T满足判断公式V(iM)<T<V(iM+1)，则对V(iM+1)对应的第i+1个静态巡航路径进行记录；
匹配筛选单元，用于预设匹配次数阈值，且匹配次数阈值等于Y；当匹配次数达到匹配次数阈值时终止匹配，同时在记录的所有相似度归一化处理值中找寻一个最大值作为匹配最优解，输出匹配最优解；同时给匹配最优解对应的静态巡航路径上的无人机发送控制指令，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的第i个静态巡航路径进行巡航作业。
请参阅图2，在本实施例二中：提供基于人工智能的无人机巡航监测方法，该方法包括以下步骤：
获取任务区域地形特征信息，建立任务区域二维平面图，根据任务区域二维平面图将任务区域进行统一编码划分，任务区域地形特征信息为任务区域外部轮廓特征信息；
通过卫星雷达系统扫描任务区域地形并生成任务区域地形特征信息，根据任务区域地形特征信息，生成任务区域二维平面图；
对任务区域二维平面图进行划分，将任务区域划分为N个网格，并对所有网格进行统一编码；
根据统一编码划分，对巡航路径进行编码信息映射，形成静态巡航路径编码集合；根据静态巡航路径编码集合，计算每条静态巡航路径的安全系数；
获取静态巡航路径信息，将静态巡航路径信息在任务区域二维平面图上进行映射，将静态巡航路径在任务区域二维平面图上经过的网格按照静态巡航路径顺序进行整理并且生成对应的映射路径集合；遍历映射所有静态巡航路径信息，将任意一个映射路径集合记为Ii＝{U1，U2，...，UX}，其中Ii表示第i个静态巡航路径，U1，U2，...，UX分别表示第i个静态巡航路径在任务区域二维平面图上映射经过的网格，并且X小于等于N；
根据映射路径集合，将一个网格看作一个航迹点，同时挖掘每条静态巡航路径的方向角安全值和巡航路程安全值，具体计算公式如下：
其中，Ai表示第i个静态巡航路径的方向角安全值，Hj+1表示以第j个航迹点为任务区域二维平面图的原点时第j+1个航迹点的方向角，Hj表示第j个航迹点的初始方向角，Hmax表示无人机的最大转弯角约束值，Bi表示第i个静态巡航路径的巡航路程安全值，Kj+1表示第j+1个航迹点到第j个航迹点的路程长度值，Kj表示第j个航迹点的初始路程长度值，Kmax表示无人机的最大飞行路程长度值，j∈{1，2，...，X}；
根据每条静态巡航路径的方向角安全值和巡航路程安全值，计算每条静态巡航路径的安全系数，具体计算公式如下：
Ci＝a×Ai+b×Bi
其中，Ci表示第i个静态巡航路径的安全系数，a和b分别为调节参数值且a和b均为常数；
根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度；
对所有静态巡航路径进行统一编号，共得到Y条静态巡航路径，则i＝1，2，...，Y；
根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度，具体计算公式如下：
其中，P(Ci)表示第i个静态巡航路径与第i+1个静态巡航路径的相似度；
在每条静态巡航路径上设置一台无人机进行动态巡航作业，当某条静态巡航路径上的无人机发生故障时，根据静态巡航路径的相似度进行静态巡航路径的匹配，预设匹配次数阈值，当匹配次数达到匹配次数阈值时终止匹配，输出匹配最优解对应的静态巡航路径，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的静态巡航路径进行巡航作业；
对第i个静态巡航路径的相似度进行归一化处理，将相似度归一化处理值记为V(iM)，且
产生一个在[0，1]区间的随机数，记为T；根据随机数T对第i个静态巡航路径进行匹配，如果随机数T满足判断公式V(iM)<T<V(iM+1)，则对V(iM+1)对应的第i+1个静态巡航路径进行记录；
预设匹配次数阈值，且匹配次数阈值等于Y；当匹配次数达到匹配次数阈值时终止匹配，同时在记录的所有相似度归一化处理值中找寻一个最大值作为匹配最优解，输出匹配最优解；同时给匹配最优解对应的静态巡航路径上的无人机发送控制指令，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的第i个静态巡航路径进行巡航作业
例如，在某次巡航任务中，共规划出10条航线，设置10台无人机进行每条航线的任务作业，当其中某条航线出现问题时，可以快速匹配出与该航线的方向角动态变化和航线路程最相似匹配最优的其他航线的无人机来弥补继续任务。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.基于人工智能的无人机巡航监测方法，其特征在于，该方法包括以下步骤：
步骤S100：获取任务区域地形特征信息，建立任务区域二维平面图，根据任务区域二维平面图将任务区域进行统一编码划分，所述任务区域地形特征信息为任务区域外部轮廓特征信息；
步骤S200：根据统一编码划分，对巡航路径进行编码信息映射，形成静态巡航路径编码集合；根据静态巡航路径编码集合，计算每条静态巡航路径的安全系数；
步骤S300：根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度；
步骤S400：在每条静态巡航路径上设置一台无人机进行动态巡航作业，当某条静态巡航路径上的无人机发生故障时，根据静态巡航路径的相似度进行静态巡航路径的匹配，预设匹配次数阈值，当匹配次数达到匹配次数阈值时终止匹配，输出匹配最优解对应的静态巡航路径，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的静态巡航路径进行巡航作业；
所述步骤S100的具体实施过程包括：
步骤S101：通过卫星雷达系统扫描任务区域地形并生成任务区域地形特征信息，根据任务区域地形特征信息，生成任务区域二维平面图；
步骤S102：对任务区域二维平面图进行划分，将任务区域划分为N个网格，并对所有网格进行统一编码；
所述步骤S200的具体实施过程包括：
步骤S201：获取静态巡航路径信息，将静态巡航路径信息在任务区域二维平面图上进行映射，将静态巡航路径在任务区域二维平面图上经过的网格按照静态巡航路径顺序进行整理并且生成对应的映射路径集合；遍历映射所有静态巡航路径信息，将任意一个映射路径集合记为Ii={U1，U2，...，UX}，其中Ii表示第i个静态巡航路径，U1，U2，...，UX分别表示第i个静态巡航路径在任务区域二维平面图上映射经过的网格，并且X小于等于N；
步骤S202：根据映射路径集合，将一个网格看作一个航迹点，同时挖掘每条静态巡航路径的方向角安全值和巡航路程安全值，具体计算公式如下：
，
，
其中，Ai表示第i个静态巡航路径的方向角安全值，Hj+1表示以第j个航迹点为任务区域二维平面图的原点时第j+1个航迹点的方向角，Hj表示第j个航迹点的初始方向角，Hmax表示无人机的最大转弯角约束值，Bi表示第i个静态巡航路径的巡航路程安全值，Kj+1表示第j+1个航迹点到第j个航迹点的路程长度值，Kj表示第j个航迹点的初始路程长度值，Kmax表示无人机的最大飞行路程长度值，j∈{1，2，...，X}；
步骤S203：根据每条静态巡航路径的方向角安全值和巡航路程安全值，计算每条静态巡航路径的安全系数，具体计算公式如下：
，
其中，Ci表示第i个静态巡航路径的安全系数，a和b分别为调节参数值且a和b均为常数；
所述步骤S300的具体实施过程包括：
步骤S301：对所有静态巡航路径进行统一编号，共得到Y条静态巡航路径，则i=1，2，...，Y；
步骤S302：根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度，具体计算公式如下：
，
其中，P(Ci)表示第i个静态巡航路径与第i+1个静态巡航路径的相似度；
所述步骤S400的具体实施过程包括：
步骤S401：对第i个静态巡航路径的相似度进行归一化处理，将相似度归一化处理值记为V(iM)，且；
步骤S402：产生一个在[0，1]区间的随机数，记为T；根据随机数T对第i个静态巡航路径进行匹配，如果随机数T满足判断公式V(iM)<T<V(iM+1)，则对V(iM+1)对应的第i+1个静态巡航路径进行记录；
步骤S403：预设匹配次数阈值，且匹配次数阈值等于Y；当匹配次数达到匹配次数阈值时终止匹配，同时在记录的所有相似度归一化处理值中找寻一个最大值作为匹配最优解，输出匹配最优解；同时给匹配最优解对应的静态巡航路径上的无人机发送控制指令，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的第i个静态巡航路径进行巡航作业。
2.基于人工智能的无人机巡航监测系统，其特征在于，所述系统包括：任务区域编码模块、巡航路径编码映射模块、静态巡航路径相似度计算模块和静态巡航路径匹配模块；
所述任务区域编码模块，用于获取任务区域地形特征信息，建立任务区域二维平面图，根据任务区域二维平面图将任务区域进行统一编码划分，所述任务区域地形特征信息为任务区域外部轮廓特征信息；
所述巡航路径编码映射模块，用于根据统一编码划分，对巡航路径进行编码信息映射，形成静态巡航路径编码集合；根据静态巡航路径编码集合，计算每条静态巡航路径的安全系数；
所述静态巡航路径相似度计算模块，用于根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度；
所述静态巡航路径匹配模块，用于在每条静态巡航路径上设置一台无人机进行动态巡航作业，当某条静态巡航路径上的无人机发生故障时，根据静态巡航路径的相似度进行静态巡航路径的匹配，预设匹配次数阈值，当匹配次数达到匹配次数阈值时终止匹配，输出匹配最优解对应的静态巡航路径，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的静态巡航路径进行巡航作业；
所述任务区域编码模块还包括卫星雷达识别单元和编码划分单元；
所述卫星雷达识别单元，用于通过卫星雷达系统扫描任务区域地形并生成任务区域地形特征信息，根据任务区域地形特征信息，生成任务区域二维平面图；
所述编码划分单元，用于对任务区域二维平面图进行划分，将任务区域划分为N个网格，并对所有网格进行统一编码；
所述巡航路径编码映射模块还包括编码映射单元和静态巡航路径安全系数计算单元；
所述编码映射单元，用于获取静态巡航路径信息，将静态巡航路径信息在任务区域二维平面图上进行映射，将静态巡航路径在任务区域二维平面图上经过的网格按照静态巡航路径顺序进行整理并且生成对应的映射路径集合；遍历映射所有静态巡航路径信息，将任意一个映射路径集合记为Ii={U1，U2，...，UX}，其中Ii表示第i个静态巡航路径，U1，U2，...，UX分别表示第i个静态巡航路径在任务区域二维平面图上映射经过的网格，并且X小于等于N；
所述静态巡航路径安全系数计算单元，用于根据映射路径集合，将一个网格看作一个航迹点，同时挖掘每条静态巡航路径的方向角安全值和巡航路程安全值，具体计算公式如下：
，
，
其中，Ai表示第i个静态巡航路径的方向角安全值，Hj+1表示以第j个航迹点为任务区域二维平面图的原点时第j+1个航迹点的方向角，Hj表示第j个航迹点的初始方向角，Hmax表示无人机的最大转弯角约束值，Bi表示第i个静态巡航路径的巡航路程安全值，Kj+1表示第j+1个航迹点到第j个航迹点的路程长度值，Kj表示第j个航迹点的初始路程长度值，Kmax表示无人机的最大飞行路程长度值，j∈{1，2，...，X}；根据每条静态巡航路径的方向角安全值和巡航路程安全值，计算每条静态巡航路径的安全系数，具体计算公式如下：
，
其中，Ci表示第i个静态巡航路径的安全系数，a和b分别为调节参数值且a和b均为常数；
所述静态巡航路径相似度计算模块还包括静态巡航路径编号单元和相似度计算单元；
所述静态巡航路径编号单元，用于对所有静态巡航路径进行统一编号，共得到Y条静态巡航路径，则i=1，2，...，Y；
所述相似度计算单元，用于根据每条静态巡航路径的安全系数，计算静态巡航路径的相似度，具体计算公式如下：
，
其中，P(Ci)表示第i个静态巡航路径与第i+1个静态巡航路径的相似度；
所述静态巡航路径匹配模块还包括匹配记录单元和匹配筛选单元；
所述匹配记录单元，用于对第i个静态巡航路径的相似度进行归一化处理，将相似度归一化处理值记为V(iM)，且；产生一个在[0，1]区间的随机数，记为T；根据随机数T对第i个静态巡航路径进行匹配，如果随机数T满足判断公式V(iM)<T<V(iM+1)，则对V(iM+1)对应的第i+1个静态巡航路径进行记录；
所述匹配筛选单元，用于预设匹配次数阈值，且匹配次数阈值等于Y；当匹配次数达到匹配次数阈值时终止匹配，同时在记录的所有相似度归一化处理值中找寻一个最大值作为匹配最优解，输出匹配最优解；同时给匹配最优解对应的静态巡航路径上的无人机发送控制指令，匹配最优解对应的静态巡航路径上的无人机对发生故障的无人机对应的第i个静态巡航路径进行巡航作业。
CN202310019929.8A 2023-01-06 2023-01-06 基于人工智能的无人机巡航监测系统及方法 Active CN116048119B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310019929.8A CN116048119B (zh) 2023-01-06 2023-01-06 基于人工智能的无人机巡航监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310019929.8A CN116048119B (zh) 2023-01-06 2023-01-06 基于人工智能的无人机巡航监测系统及方法

Publications (2)

Publication Number Publication Date
CN116048119A CN116048119A (zh) 2023-05-02
CN116048119B true CN116048119B (zh) 2023-10-13

Family

ID=86117692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310019929.8A Active CN116048119B (zh) 2023-01-06 2023-01-06 基于人工智能的无人机巡航监测系统及方法

Country Status (1)

Country Link
CN (1) CN116048119B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106873628A (zh) * 2017-04-12 2017-06-20 北京理工大学 一种多无人机跟踪多机动目标的协同路径规划方法
CN109901617A (zh) * 2019-03-29 2019-06-18 西安联飞智能装备研究院有限责任公司 一种无人机飞行方法、装置及无人机
CN110244763A (zh) * 2019-06-21 2019-09-17 浙江海洋大学 海水污染物的远程监测系统及监测方法
KR102065641B1 (ko) * 2018-09-13 2020-01-13 광주과학기술원 드론 제어 시스템 및 그것의 동작 방법
CN112033414A (zh) * 2020-09-11 2020-12-04 浙江华云清洁能源有限公司 一种无人机巡检航线生成方法、装置、设备及介质
CN112241182A (zh) * 2020-12-20 2021-01-19 深圳联和智慧科技有限公司 一种基于智慧灯杆及停机坪的无人机航线规划控制方法及系统
CN113204247A (zh) * 2021-04-16 2021-08-03 深圳市艾赛克科技有限公司 一种无人机巡检系统
CN115061489A (zh) * 2021-08-24 2022-09-16 苏志智 无人机配送规划方法、装置及系统
CN115079710A (zh) * 2022-06-07 2022-09-20 曹欣 多无人机电力巡检智能调度方法和系统
CN115327499A (zh) * 2022-08-16 2022-11-11 扬州宇安电子科技有限公司 一种基于载荷无人机的雷达目标航迹模拟方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8392045B2 (en) * 2008-09-05 2013-03-05 The Boeing Company System and methods for aircraft preflight inspection
US9524647B2 (en) * 2015-01-19 2016-12-20 The Aerospace Corporation Autonomous Nap-Of-the-Earth (ANOE) flight path planning for manned and unmanned rotorcraft

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106873628A (zh) * 2017-04-12 2017-06-20 北京理工大学 一种多无人机跟踪多机动目标的协同路径规划方法
KR102065641B1 (ko) * 2018-09-13 2020-01-13 광주과학기술원 드론 제어 시스템 및 그것의 동작 방법
CN109901617A (zh) * 2019-03-29 2019-06-18 西安联飞智能装备研究院有限责任公司 一种无人机飞行方法、装置及无人机
CN110244763A (zh) * 2019-06-21 2019-09-17 浙江海洋大学 海水污染物的远程监测系统及监测方法
CN112033414A (zh) * 2020-09-11 2020-12-04 浙江华云清洁能源有限公司 一种无人机巡检航线生成方法、装置、设备及介质
CN112241182A (zh) * 2020-12-20 2021-01-19 深圳联和智慧科技有限公司 一种基于智慧灯杆及停机坪的无人机航线规划控制方法及系统
CN113204247A (zh) * 2021-04-16 2021-08-03 深圳市艾赛克科技有限公司 一种无人机巡检系统
CN115061489A (zh) * 2021-08-24 2022-09-16 苏志智 无人机配送规划方法、装置及系统
CN115079710A (zh) * 2022-06-07 2022-09-20 曹欣 多无人机电力巡检智能调度方法和系统
CN115327499A (zh) * 2022-08-16 2022-11-11 扬州宇安电子科技有限公司 一种基于载荷无人机的雷达目标航迹模拟方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
3D动态环境下的无人机智能路径规划策略研究;冯逸雪;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第04(2021)期);第C031-109页 *
A New Method for Measuring Topological Structure Similarity between Complex Trajectories;Huimeng Wang等;IEEE Transactions on Knowledge and Data Engineering;第31卷(第10期);第1836-1848页 *
Swarm UAVs Task and Resource Dynamic Assignment Algorithm Based on Task Sequence Mechanism;Xiaowei Fu等;IEEE Access;第7卷;第41090 - 41100页 *
动态环境下多无人机任务规划算法研究及仿真;蒋世文;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第01（2022）期);第C031-539页 *
多无人机任务分配算法研究;郑玉会;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第02（2019）期);第C031-527页 *
无人机编队的任务规划;轩孟丽;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第05（2021）期);第C031-98页 *
无人机航迹规划算法的研究;陶骥华;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第02（2018）期);第C031-198页 *
曹光乔等.植保无人机飞控系统与航线规划研究进展分析.农业机械学报.2020,第51卷(第 08期),第1-16页. *
植保无人机飞控系统与航线规划研究进展分析;曹光乔;李亦白;南风;刘东;陈聪;张进龙;;农业机械学报(第08期);第1-16页 *

Also Published As

Publication number Publication date
CN116048119A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
US20120150380A1 (en) Condition-based maintenance systems and methods
CN110491171A (zh) 一种基于机器学习技术的水上交通监管预警系统及方法
CN110132291A (zh) 用于港口的栅格地图生成方法、系统、设备及存储介质
US20190310592A1 (en) Computer based reasoning and artificial intelligence systems
CN116341161A (zh) 基于数字孪生的跨境物流运输线路模拟仿真方法及系统
CN114611616B (zh) 一种基于集成孤立森林的无人机智能故障检测方法及系统
CN116048119B (zh) 基于人工智能的无人机巡航监测系统及方法
CN116862208B (zh) 一种煤矿机器人集群管理系统
CN116026778B (zh) 一种基于天空地的园区碳排放综合监控系统和方法
US20220413451A1 (en) Entropy-Based Techniques for Creation of Well-Balanced Computer Based Reasoning Systems
Ma et al. An operational safety evaluation method for manned transport aircraft and large UAV in mixed airspace
CN118313247B (zh) 一种船舶续航里程与能耗的预估计算方法
CN116863762A (zh) 一种航迹预测方法、装置及存储介质
Frederiksen et al. Cost-Effectiveness of Predictive Maintenance for Offshore Wind Farms: A Case Study
Makhonko et al. Information and communication technologies in environmental monitoring of climate change
US20220406199A1 (en) Method and device for supervising a traffic control system
CN109737979B (zh) 一种用于无人驾驶车航线的储存方法和系统
Li et al. Optimization of multisource dynamic model in TBO
Igenewari et al. A survey of flight anomaly detection methods: Challenges and opportunities
Li et al. Vessel-UAV collaborative routing problem for offshore oil and gas fields inspection
Piriyataravet et al. Automatic Bus Stop Detection with Deep Neural Networks and Bi-directional LSTM
CN110046136A (zh) 一种过程挖掘领域中自动补全不完整业务事件日志的方法
CN118485544B (zh) 一种基于森林立体感知的智慧林业管理方法及系统
CN116524761A (zh) 一种基于数字孪生的航迹实时监视方法及系统
Kim et al. Decision-making related to UAV control under uncertainty

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000

Patentee after: Yangzhou Yuan Electronic Technology Co.,Ltd.

Country or region after: China

Address before: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000

Patentee before: YANGZHOU YU'AN ELECTRONIC TECHNOLOGY CO.,LTD.

Country or region before: China