[发明专利]一种空地一体的无人智能决策方法

摘要

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。

主权项

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1：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2：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3：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4：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等资源，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5：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等，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等。