[发明专利]一种基于机器学习的协同探测控制方法

权利要求书

1.一种基于机器学习的协同探测控制方法，其特征在于，包括以下步骤：

对态势因子与协同探测模式之间的映射关系建模步骤，建立态势因子与协同探测模式之间的映射关系模型；

目标态势信息提取步骤，获取目标的态势因子x，共m个态势因子，m为正整数；

协同探测模式获取步骤，将标态势信息提取步骤中获取的态势因子输入所述态势因子与协同探测模式之间的映射关系模型，输出得到当前态势下协同探测模式；

协同探测控制步骤，将当前态势下协同探测模式发送至编队中的各飞行装置，统一切换至所述当前态势下协同探测模式。

2.根据权利要求1所述的基于机器学习的协同探测控制方法，其特征在于，对态势因子与协同探测模式之间的映射关系建模步骤中，包括以下子步骤：

a1、样本数据获取步骤，获取目标的态势因子样本数据；

a2、态势因子样本数据模糊表征步骤，将所述态势因子样本数据与获取该态势因子样本数据的时刻值相对应，得到态势因子样本数据对于时间t的具体值x′(t)，并将其映射为模糊集合所具有的隶属函数μ(x′(t))；

a3、训练态势因子与协同探测模式之间的触发逻辑步骤，针对所述隶属函数μ(x′(t))值，根据经验判断隶属函数μ(x′(t))值所对应的协同探测模式，并以该协同探测模式作为输出，目标的态势因子样本数据作为输入，采用前向神经网络与BP神经网络结合进行映射关系建模，训练确定模型参数。

3.根据权利要求2所述的基于机器学习的协同探测控制方法，其特征在于，步骤a3中所建立的模型为：

其中k表示数据编号；a_i为隐含层节点，i表示节点编号，共p个节点，p为大于1的自然数；v_ih为隐含层与输入层之间的连接权值，h表示输入层节点编号，输入层节点的数量与态势因子的数量一致；θ_i表示阈值；σ(z)是单调有界的激活函数，取σ(z)＝1/(1+e^-z)，z表示函数自变量，w_i为输出层与隐含层之间的连接权值；r表示输出层与隐含层之间的连接阈值；x_h(k)表示第k组数据中第h个态势因子值，y(k)为模型输出的协同探测模式。

4.根据权利要求1所述的基于机器学习的协同探测控制方法，其特征在于，目标态势信息提取步骤中，获取目标的态势因子x的方法包括以下子步骤：

b1、编队中的各飞行装置分别获取目标的各态势因子；

b2、计算各态势因子的平均值作为目标的态势因子。

5.根据权利要求2所述的基于机器学习的协同探测控制方法，其特征在于，步骤a2中，隶属函数μ(x′(t))为：

其中，n1、n2为常系数，0＜a1＜a2＜a3。

6.根据权利要求4所述的基于机器学习的协同探测控制方法，其特征在于，步骤b1与b2之间，还包括各飞行装置将其所获取目标的各态势因子发送给地面控制中心的步骤，步骤b2中，地面控制中心计算各态势因子的平均值作为目标的态势因子。

7.根据权利要求6所述的基于机器学习的协同探测控制方法，其特征在于，协同探测模式获取步骤中，地面控制中心将标态势信息提取步骤中获取的态势因子输入所述态势因子与协同探测模式之间的映射关系模型，输出得到当前态势下协同探测模式。

8.根据权利要求7所述的基于机器学习的协同探测控制方法，其特征在于，协同探测模式获取步骤与协同探测控制步骤之间，还包括地面控制中心将计算所得的目标的态势因子发送给编队中的各飞行装置的步骤，协同探测控制步骤中由各飞行装置完成各自的探测模式切换。