[发明专利]一种空地一体的无人智能决策方法

权利要求书

1.一种空地一体的无人智能决策方法，其特征在于：包括空地协同的工作模式，基于知识中心的知识构建、演进和使用，规则推理与模型推理的协同推理引擎；

具体有如下步骤：

步骤S1：接收决策问题及约束，即：机载智能系统从智能体决策者问题处理系统获得要解决的决策问题及约束要求，并将其缓存到工作存储器，同时从地面智能系统的知识中心中获取与本次任务相关的知识存储在机载知识库中；

步骤S2：数据采集和预处理，即：机载智能系统实时采集数据，对自主任务环境进行识别与感知，对场景中的任务目标和标志性目标进行检测与识别，对自身状态进行感知与监控，并对这些数据进行知识化表示和规范化处理后作为机载推理引擎的输入，必要时将这些数据通过无线数据链传输到地面，由地面知识中心进行处理并对相关的推理模型进行优化训练，再将优化后的模型参数反馈给机载推理引擎；

步骤S3：推理机模型及资源配置，即：根据任务规划和环境，推理引擎实现静态配置和动态配置的自由进行切换，根据自主任务目标、场景特性以及平台自身的状态特点，通过对决策问题的分析归类，选择合适的推理机模型，确定其所需的资源；

步骤S4：推理决策，即：机载智能系统根据推理引擎的输入，智能选择推理过程，在约束的时间范围内，当自主决策结果确定有效时，根据自主决策的结果调动自身的载荷资源，实现自主行为，当无法得到有效推理结果时给出结论或建议；

步骤S5：知识中心的更新与演化，包括在线学习和自主学习过程，其中，在线学习模型包括发展型神经网络增强学习模型、知识迁移学习SVM模型、基于神经网络的知识规则抽取模型和集成神经网络模型，自主学习模型包括基于发展型神经网络学习实现知识库的演化发展模型、基于有色Petri网CPN的知识库自动验证模型、基于测试案例集的知识库异常自动消解模型、知识库的测试与评价模型。

2.根据权利要求1所述的空地一体的无人智能决策方法，其特征在于，步骤S1中所述的知识中心指地面智能系统中的地面知识中心，其处理的知识除了包含场景地形数据、历史任务数据、专家经验的常规知识外，还包括规则库、模型库、方法库的推理决策算法知识，是多种类型的知识的结合体。

3.根据权利要求1所述的空地一体的无人智能决策方法，其特征在于，步骤S1中所述的机载知识库指机载智能系统中的机载知识库，与地面知识中心类似，机载知识库同样包含地形库、威胁库、目标库、载荷库、规则库、模型库，机载知识库的知识由地面知识中心提供，只存储和管理与本次任务相关的知识，它的每个知识库都是地面知识中心对应知识库的一个子集。

4.根据权利要求1所述的空地一体的无人智能决策方法，其特征在于，步骤S2中所述的数据采集主要指对环境场景的理解、对战场中各类目标的检测与识别、以及对目标的跟踪与意图理解，其本质是对无人机实时获取的可视信息进行视觉处理，利用深度学习技术，采用统一的端到端卷积神经网络，实现无人环境感知与建模优化。

5.根据权利要求1所述的空地一体的无人智能决策方法，其特征在于，步骤S3中所述的推理引擎的静态配置指机载智能系统根据事先的任务规划结果，结合不同机器学习算法对计算资源和计算实时性的不同要求，对推理引擎进行配置。

6.根据权利要求1所述的空地一体的无人智能决策方法，其特征在于，步骤S3中所述的动态配置指机载智能系统面对高动态的复杂任务环境，推理引擎通过动态重构实现智能推理算法的在线变换。

7.根据权利要求1所述的空地一体的无人智能决策方法，其特征在于，步骤S4中所述的推理过程包括规则推理和模型推理，规则推理以专家系统规则推理为核心架构，依据知识库和规则库进行推理，模型推理包括概率模型、模糊集模型、神经网络模型，依据各模型进行推理，当推理引擎的输入条件明确，推理规则明晰时，使用规则推理模型进行推理，当推理条件不明晰，或规则推理模型没有足够的规则对所提出的问题进行推理时，推理引擎对推理条件或规则进行样本转化，作为模型推理的输入，启动模型推理。