一种基于人工智能技术的无人机预警处理方法及系统

摘要

本发明涉及一种基于人工智能技术的无人机预警处理方法及系统，应用于无人机群飞系统，无人机群飞系统包括任务执行机群Pr、伴飞于任务执行机群Pr的替补无人机群Pt及预设数目个监控无人机Pj，方法包括：实时获取各监控无人机Pj上机载激光雷达拍的摄当前任务执行机群Pr及替补无人机群Pt的整体实时点云数据并进行处理获得并利用各任务执行机群Pr实时飞行状态模型获取每一任务执行机的实时飞行特征数据；计算各所述任务执行机的所述实时飞行特征数据与预设的飞行预测模型的中对应任务执行机的预设飞行特征数据的匹配度，当匹配度小于阈值时，将对应无人机标记为故障无人机；调遣替补无人机替补故障无人机。

说明书

技术领域

本发明涉飞行安全预测预警领域，尤其涉及一种基于人工智能技术的无人机预警处理方法及系统。

背景技术

无人机尤其是4轴无人机近些年的应用较为广泛，在无人机批量使用时，控制无人机机群在空中进行飞行，现有技术通过每加飞机上的机载GPS和无线网络模块实时向控制器回传各飞机的飞行状态来对群飞无人机进行监控和控制，易造成网络拥堵，导致群飞无人机集体失控的情况发生。

发明内容

为实现上述目的，本发明提供一种基于人工智能技术的无人机预警处理方法，应用于无人机群飞系统，所述无人机群飞系统包括任务执行机群P

实时获取各监控无人机P

对实时点云数据按照预设方式进行处理获得各所述任务执行机群P

利用所述实时飞行状态模型获取每一所述任务执行机的实时飞行特征数据；

计算各所述任务执行机的所述实时飞行特征数据与预设的飞行预测模型的中对应任务执行机的预设飞行特征数据的匹配度，当匹配度小于阈值时，将对应无人机标记为故障无人机；

调遣替补无人机群P

优选的，所述对实时点云数据按照预设方式进行处理获得各所述任务执行机群P

利用K－means聚类分析方法对所述整体实时点云数据进行聚类获得任务执行机群P

优选的，所述利用所述实时飞行状态模型获取每一所述任务执行机的实时飞行特征数据包括如下步骤：

对每一所述任务执行机的实时飞行状态模型进行降噪处理；

根据经降噪处理后的每一所述任务执行机对应的所述实时飞行状态模型获取每一所述任务执行机的相对于监控无人机P

对所述三维重心坐标添加当前时间标签后作为所述实时飞行特征数据。

优选的，所述调遣替补无人机群P

获取所述异常无人机的当前位置；

根据所述当前位置及所述对应无人机的任务模型利用人工鱼群算法生成替换路径；

根据所述替换路径控制所述故障无人机和替换无人机交换位置。

优选的，所述根据所述替换路径控制所述故障无人机和替换无人机交换位置包括如下步骤：

计算所述替换路径中的各点中距离其他位置均为最远的点作为替换点，在所述替换点附近段用第一子路线替换作为撤离路径，在所述替换点附近段用第二子路线替换作为替补路径。

优选的，所述飞行预测模型的生成法包括如下步骤：

利用激光雷达搜集各无人机的点云数据，对点云数据进行标注处理获得每一无人机的特征点数据；

根据无人机的飞行任务方案生成无人机的飞行路径的时间函数F

根据所述时间函数F

优选的，所述匹配度的计算方法包括如下步骤：

计算任务无人机中第t时刻中各特征点与控制无人机参考点连线的空间向量

计算t时刻每一任务无人机各特征点的空间向量

将每一任务无人机各特征点的所述余弦值求取平均值，作为该一任务无人机的匹配度，所述匹配度的范围为(0，1)。

本发明还提供一种应用于无人机群飞系统，一种无人机飞行预警系统，包括：任务执行机群、伴飞于所述任务执行机群的替补无人机群P

数据采集模块，用以实时获取各监控无人机P

数据分析模块，用以对实时点云数据按照预设方式进行处理获得各所述任务执行机群P

特征提取模块，用于利用所述实时飞行状态模型获取每一所述任务执行机的实时飞行特征数据；

匹配度计算模块，用于计算各所述任务执行机的所述实时飞行特征数据与预设的飞行预测模型的中对应任务执行机的预设飞行特征数据的匹配度，当匹配度小于阈值时，将对应无人机标记为故障无人机；

调遣控制模块，用于调遣替补无人机群P

本发明提出的基于人工智能技术的无人机预警处理方法及系统，所述方法通过监控无人机上设置的激光雷达获取任务无人机的实时飞行点云数据并转换为实时飞行特征参数，在任务无人机实时飞行参数与预测模型相应参数的相似度小于阈值时标记该任务无人机为故障无人机并调遣伴飞的故障无人机替换故障无人机，解决了通过无人机飞行信号能够降低群飞无人机飞行的通讯压力，减小网络拥堵情况的发生，且在故障发生后能够及时完成故障修复，提高了群飞无人机圆满完成任务的可靠性。

附图说明

图1为本发明实施例的一流程示意图。

图2为本发明实施例的系统图。

具体实施方式

以下结合具体实施方式对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。除非另有定义，本文所使用的所有的技术和科学术语均属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

无人机尤其是4轴无人机近些年的应用较为广泛，在无人机批量使用时，控制无人机机群在空中进行飞行，现有技术通过每加飞机上的机载GPS和无线网络模块实时向控制器回传各飞机的飞行状态来对群飞无人机进行监控和控制，易造成网络拥堵，导致群飞无人机集体失控的情况发生。

为了实现上述目的，本发明实施例提供一种基于人工智能技术的无人机预警处理方法具体如下：

本发明实施例中，如图1所示，所述基于人工智能技术的无人机预警处理方法包括如下步骤：

实时获取各监控无人机P

本步骤中，所述监控无人机上设置有于各任务执行机的通讯模块，监控无人机通孔机载通讯模块向各任务执行机及各伴飞无人机发送飞行控制指令，所述飞行控制指令包括控制飞机的姿态及飞行速度等。所述监控无人机P

对实时点云数据按照预设方式进行处理获得各所述任务执行机群P

本步骤中，所述实时飞行状态模型可以表征任务执行机群每一无人机当前位置的点云相对于监控无人机相对空间坐标。

利用所述实时飞行状态模型获取每一所述任务执行机的实时飞行特征数据。

本步骤中，所述实时飞行特征数据可以包括所述实时飞行状态模型中特征点相对于监控无人机的空间坐标组成的特征向量。

计算各所述任务执行机的所述实时飞行特征数据与预设的飞行预测模型的中对应任务执行机的预设飞行特征数据的匹配度，当匹配度小于阈值时，将对应无人机标记为故障无人机。

本步骤中，所述飞行特征匹配度可以实时运算，为了减小监控无人机的运算压力，所述匹配度也可每隔一定时间运算一次，如每隔1s计算一次。

调遣替补无人机群P

本步骤中，所述调遣为，监控无人机规划调遣路径，并向替补无人机下发飞行指令，以供替补飞行无人机按照飞行指令航行至故障无人机待替换位置，所述撤回故障无人机的方法也可类似设置。

本发明提出的基于人工智能技术的无人机预警处理方法，通过监控无人机上设置的激光雷达获取任务无人机的实时飞行点云数据并转换为实时飞行特征参数，在任务无人机实时飞行参数与预测模型相应参数的相似度小于阈值时标记该任务无人机为故障无人机并调遣伴飞的故障无人机替换故障无人机，解决了通过无人机飞行信号能够降低群飞无人机飞行的通讯压力，减小网络拥堵情况的发生，且在故障发生后能够及时完成故障修复，提高了群飞无人机圆满完成任务的可靠性。

具体地，在本发明的实施例中，所述对实时点云数据按照预设方式进行处理获得各所述任务执行机群P

利用K－means聚类分析方法对所述整体实时点云数据进行聚类获得任务执行机群P

所述K－means聚类分析方法是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。

优选的，所述利用所述实时飞行状态模型获取每一所述任务执行机的实时飞行特征数据包括如下步骤：

对每一所述任务执行机的实时飞行状态模型进行降噪处理。

所述降噪处理可以为基于点云频率的滤波方法，例如DoN算法。

根据经降噪处理后的每一所述任务执行机对应的所述实时飞行状态模型获取每一所述任务执行机的相对于监控无人机P

对所述三维重心坐标添加当前时间标签后作为所述实时飞行特征数据。

优选的，所述调遣替补无人机群P

获取所述异常无人机的当前位置；

根据所述当前位置及所述对应无人机的任务模型利用人工鱼群算法生成替换路径；

根据所述替换路径控制所述故障无人机和替换无人机交换位置。

优选的，所述根据所述替换路径控制所述故障无人机和替换无人机交换位置包括如下步骤：

计算所述替换路径中的各点中距离其他位置均为最远的点作为替换点，在所述替换点附近段用第一子路线替换作为撤离路径，在所述替换点附近段用第二子路线替换作为替补路径。

优选的，所述飞行预测模型的生成法包括如下步骤：

利用激光雷达搜集各无人机的点云数据，对点云数据进行标注处理获得每一无人机的特征点数据；

根据无人机的飞行任务方案生成无人机的飞行路径的时间函数F

根据所述时间函数F

优选的，所述匹配度的计算方法包括如下步骤：

计算任务无人机中第t时刻中各特征点与控制无人机参考点连线的空间向量

计算t时刻每一任务无人机各特征点的空间向量

将每一任务无人机各特征点的所述余弦值求取平均值，作为该一任务无人机的匹配度，所述匹配度的范围为(0，1)。

本发明还提供一种应用于无人机群飞系统，一种无人机飞行预警系统，包括：任务执行机群、伴飞于所述任务执行机群的替补无人机群P

数据采集模块，用以实时获取各监控无人机P

所述监控无人机上设置有于各任务执行机的通讯模块，监控无人机通孔机载通讯模块向各任务执行机及各伴飞无人机发送飞行控制指令，所述飞行控制指令包括控制飞机的姿态及飞行速度等。所述监控无人机P

数据分析模块，用以对实时点云数据按照预设方式进行处理获得各所述任务执行机群P

特征提取模块，用于利用所述实时飞行状态模型获取每一所述任务执行机的实时飞行特征数据。

匹配度计算模块，用于计算各所述任务执行机的所述实时飞行特征数据与预设的飞行预测模型的中对应任务执行机的预设飞行特征数据的匹配度，当匹配度小于阈值时，将对应无人机标记为故障无人机。

调遣控制模块，用于调遣替补无人机群P

本发明提出的基于人工智能技术的无人机预警处理方法，通过监控无人机上设置的激光雷达获取任务无人机的实时飞行点云数据并转换为实时飞行特征参数，在任务无人机实时飞行参数与预测模型相应参数的相似度小于阈值时标记该任务无人机为故障无人机并调遣伴飞的故障无人机替换故障无人机，解决了通过无人机飞行信号能够降低群飞无人机飞行的通讯压力，减小网络拥堵情况的发生，且在故障发生后能够及时完成故障修复，提高了群飞无人机圆满完成任务的可靠性。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。