[发明专利]一种空地一体的无人智能决策方法

说明书

本发明公开了一种空地一体的无人智能决策方法，该方法通过空地协同的工作模式，解决了的无人智能决策技术由于对计算资源和实时性的要求而难以在嵌入式计算环境中实现的问题，通过对知识在线学习和离线学习的支持完成知识的更新演进，通过规则推理和模型推理的协同推理模式融合了两种推理模式的优点，解决了复杂环境下推理结果的不确定性问题。它为无人智能决策技术的实现提供了一个新思路，可应用于无人机、无人车、无人船等无人系统自主任务，也可用于有人系统中的辅助决策系统。

技术领域

本发明涉及智能决策方法，特别涉及一种空地一体的无人智能决策方法。

背景技术

面向机器学习的智能系统越来越多地应用于航空领域，其典型表现是：能够自主完成任务，具备事先学习、事后学习和在线学习能力。智能无人系统中最为关键的是无人智能决策，其主要目的是在动态、复杂任务环境下能够更好的完成态势感知与行为决策。

传统的智能决策方法是在有人参与的任务环境下开展工作的，它所解决的决策问题有着明确的输入，只能简单地执行某项预编程的计划，其决策结果是确定的,该方法主要是为人的最终决策提供支持。在态势感知方面，基于深度学习的方法多运行于桌面服务器、工作站、巨型机或云计算环境，在嵌入式计算环境中往往由于资源受限而无法运行；在行为决策方面，传统的方法更多的是一种事先决策和静态规划，很少考虑时间和空间的变化以及不确定因素带来的影响；在学习训练方面，传统方法大都建立在大样本数据的基础上，且多为概念性研究或个例性设计。

然而，随着网络环境的迅速发展，对智能决策提出了新的要求，智能决策需要具有一定的自主任务能力，才能在不确定的任务环境下做出合乎任务场景的确定的决策，具有高度的确定性将是智能决策的首要特征。

空地一体的无人智能决策方法有效地克服了传统智能决策方法存在的一些缺陷，该方法更加关注规则知识和模型知识的建立与使用，运用机器学习的方法有助于智能系统自行制定策略，并按照策略自行选择行为，实现自主引导，自主完成任务。在态势感知方面，从统一的端到端处理框架入手，进行深度学习(深度神经网络)的轻量化设计，从专用的智能计算IP和芯片入手，开展低功耗、小型化的轻量级实现；在行为决策方面，从路线规划、任务分配等方面，研究在线决策与动态规划；在学习训练方面，基于在线学习和自主学习，开展知识演进研究。该方法将智能自主决策成功应用到嵌入式环境中去，为实现嵌入式系统的智能化提供了新的思路。

发明内容

本发明的目的：

本发明针对无人系统在动态、复杂环境下的自主任务需求，重点考虑无人智能决策方法中的感知与决策，结合嵌入式计算资源与地面计算资源的特点，利用机器学习的方法，研究满足任务需求的智能自主决策技术。通过深度学习、在线学习和自主学习，实现知识中心规则知识和模型知识的构建、优化及持续演进；通过静态配置和动态重构，实现推理引擎对不同任务及其不确定因素的通用化支持，为实现嵌入式系统的智能化提供了一种新的方法和技术支持。