专利名称：一种基于泛化模糊竞争神经网的航路选择方法
技术领域：
本发明属于无人机航路规划技术领域，具体地说是指一种基于泛化模糊竞争神经网的航路选择方法。
背景技术：
神经网络是研究和利用人脑的某些结构机理以及人的知识和经验对系统进行学习和辨识。人们普遍认为，神经网络系统的智能性、鲁棒性均较好，能处理高维、非线性和不确定的问题，其显著特点是具有学习能力，不断修正神经元之间的连接权值，并离散存储在链接网络中，因此对非线性系统、难以建模的系统具有良好的映射和辨识能力。但是神经网络结构的选择目前尚缺乏理论依据，处于试凑阶段，并且神经网络结构缺乏明确的物理意义，一些人为定性的知识不易融入其中。另一方面，如何能在较少的时间内使神经网络能够训练到令人满意的程度，仍是这一领域的研究热点问题。模糊逻辑是人工智能较早的形式，它吸取了人的思维具有模糊性的特点。其不需要精确的数学模型，是解决不确定性系统分析的一种有效途径。但是模糊系统由于采用了模糊集合理论导致其精度较低，规则的选择多采用试凑法，并且不具备学习能力。神经网络与模糊逻辑均属于人工智能的研究范畴，利用它们各自的长处和特点对难以数学建模的问题进行分析和描述，是许多学者的研究课题。而如今的航路规划领域，产生了许多航路规划方法:基于图形的规划方法、决策型搜索方法、随机搜索方法和人工势场法等。这些航路规划方法均具备各自的特点或者解决某方面的问题，比如航路的光滑程度，航路的计算时间等等。但是从航路跟踪的角度，即航路实施的载体(比如机器人或无人机等)需要对这些航路具有一个统一的评判标准，从而根据实际情况和任务情况选择最适合的航路规划方法进行跟踪。现有的航路评价方法大多采用含有所有目标函数的表达式，通过数学上的寻优找到最小代价从而完成评价。这种方式存在三种问题:(1)各子目标函数的标量不统一，权重系数很难选取。(2)目标函数是人为设定的，很难考虑全面。(3)最小评价值并没有数值/物理上的意义，只有相互比较才能显出优势，这就导致如果误差存在，很可能非最优航路却取得最小评价值。许多因素影响着最优航路，尤其当飞行任务不同时，最优航路将倾向或侧重于某些特定因素。在航路规划中，真正最优的航路是很难找到的，比如威胁模型和代价函数等指标均是人为设定的优化内容，这意味着人的因素将参与到航路评价中来。如何寻找一种具有较好通用性、容错性，又能包括人为因素的评价方法，是非常具有实用价值的研究内容。
发明内容
针对现有技术中存在的问题，本发明提出一种基于泛化模糊竞争神经网的航路选择方法，该方法能够对已通过不同航路规划方法生成的航路进行评级，具有通用性，为地面操作人员或者决策系统进行最优航路选择提供依据。
本发明的一种基于泛化模糊竞争神经网的航路选择方法，具体包括如下步骤:步骤一:设无人机的可飞航路有η条，η条航路构成航路集合#，每条航路用离散点集合表示，然后确定每条航路的长度子目标函数值；第i条航路= 1,2...; )的长度子目标函数值确定方法是:设航路P包括m个离散点，其中第j个离散点为0c/ = u』)，相邻离散点巧和A构成航路P的第j个航段，航路户具有m-ι个航段；对相邻离散点6和P ,的三维空间坐标进行曼哈顿距离计算，得到的曼哈顿距离就是航路/的第j个航段的长度子目标函数值，则航路F的长度子目标函数值./;(>')由m-Ι个航段的长度子目标函数值求和得到。步骤二:确定每条航路的安全避障距离子目标函数值；当地形中有一个障碍时，第i条航路尸(/ = 1,2..川的安全避障距离子目标函数值/2(户)为:
权利要求
1.一种基于泛化模糊竞争神经网的航路选择方法，其特征在于，包括以下步骤: 步骤一:设无人机的可飞航路有η条，η条航路构成航路集合P，每条航路用离散点集合表示，确定每条航路的长度子目标函数值；第i条航路户(/= I2...〃)的长度子目标函数值./；(户> 的确定方法是:设航路P包括m个离散点，其中第j个离散点为巧C/ = 1，2...W)，相邻离散点巧和g+1构成航路的第j个航段，航路,具有m-1个航段；对相邻离散点6和勺三维空间坐标进行曼哈顿距离计算，得到的曼哈顿距离就是航路F的第j个航段的长度子目标函数值，则航路尹的长度子目标函数值./;(/>)由m-1个航段的长度子目标函数值求和得到； 步骤二:确定每条航路的安全避障距离子目标函数值； 当地形中有一个障碍时，第i条航路户(/ = 1，2…的安全避障距离子目标函数值/2(P)为:
2.根据权利要求1所述的一种基于泛化模糊竞争神经网的航路选择方法，其特征在于:所述的步骤七中模糊化层中，对各子目标函数的模糊分割数均等且mk等于5。
3.根据权利要求1所述的一种基于泛化模糊竞争神经网的航路选择方法，其特征在于:所述的步骤七中，对子目标函数进行模糊分割的方法，采用具有中心值和中心宽度的钟形函数或三角形函数。
4.根据权利要求1所述的一种基于泛化模糊竞争神经网的航路选择方法，其特征在于:所述的步骤七对步骤六所构建的神经网络进行训练，具体是:首先获得有代表性的航路以及各航路的专家评级结果，将各航路经过步骤一 步骤五的顺序进行处理，作为神经网络的输入训练样本，将各专家评级结果作为神经网络的输出训练样本，对神经网络进行训练； 对某航路，当前神经网络的输出向量5=[七…4].设专家评级结果为
全文摘要
本发明公开了一种基于泛化模糊竞争神经网的航路选择方法，属于航路规划领域。本发明方法将航路用多个离散点组成，对航路计算长度、安全避障距离、纵向机动次数和横侧向机动次数的子目标函数值，各子目标函数值经过归一化后，进入到基于泛化模糊竞争神经网的输入层，经过训练后的神经网通过模糊运算和竞争之后输出航路的评价等级，根据评级选择所需要的航路。本发明将模糊性原理应用到神经网络中构成模糊神经元来表达专家知识，并采用竞争层来解决了神经网络隐层节点较多，训练繁琐的问题。本发明方法可以对各种地形下和各种航路规划算法计算出的航路进行评价，具有泛化的能力，通用性好。
文档编号G06N3/02GK103218660SQ20131007693
公开日2013年7月24日 申请日期2013年3月11日 优先权日2013年3月11日
发明者王宏伦, 梁宵, 李大伟 申请人:北京航空航天大学