|
|
论文:2021,Vol:39,Issue(1):77-84 |
|
|
引用本文： |
|
|
李波, 杨志鹏, 贾卓然, 马浩. 一种无监督学习型神经网络的无人机全区域侦察路径规划[J]. 西北工业大学学报 |
|
|
LI Bo, YANG Zhipeng, JIA Zhuoran, MA Hao. An unsupervised learning neural network for planning UAV full-area reconnaissance path[J]. Northwestern polytechnical university |
|
|
|
|
|
|
|
| 一种无监督学习型神经网络的无人机全区域侦察路径规划 |
|
| 李波1,2, 杨志鹏1, 贾卓然1, 马浩3 |
|
1. 西北工业大学 电子信息学院, 陕西 西安 710129;
2. 中国电子科技集团公司数据链技术重点实验室, 陕西 西安 710068;
3. 中国航空工业集团公司西安航空计算技术研究所, 陕西 西安 710068 |
| 摘要: |
| 针对不确定信息条件下的无人机全区域侦察路径规划问题，提出了一种基于遗传算法的神经网络无监督学习方法。构建了环境模型、无人机模型与评价指标，并建立了无人机全区域侦察路径规划的神经网络模型。在此基础上，考虑到路径规划神经网络训练样本难以获取的问题，采用遗传算法对神经网络参数的无监督训练进行了优化。相对于传统方法，文中构建的评价指标不需要人为指定无人机机动规则，并且提出的离线学习方法具有优良的迁移能力。仿真结果表明，基于无监督学习型神经网络的无人机，能够在未知环境中规划出有效路径完成全区域侦察任务。 |
| 关键词:
无人机
全区域侦察
神经网络
遗传算法
无监督学习
|
|
| An unsupervised learning neural network for planning UAV full-area reconnaissance path |
|
| LI Bo1,2, YANG Zhipeng1, JIA Zhuoran1, MA Hao3 |
|
1. School of Electronics and Information, Northwestern Polytechnical University, Xi'an 710129, China;
2. CETC Key Laboratory of Data Link Technology, Xi'an 710068, China;
3. AVIC Xi'an Aeronautics Computing Technique Research Institute, Xi'an 710068, China |
| Abstract: |
| To plan a UAV's full-area reconnaissance path under uncertain information conditions, an unsupervised learning neural network based on the genetic algorithm is proposed. Firstly, the environment model, the UAV model and evaluation indexes are presented, and the neural network model for planning the UAV's full-area reconnaissance path is established. Because it is difficult to obtain the training samples for planning the UAV's full-area reconnaissance path, the genetic algorithm is used to optimize the unsupervised learning neural network parameters. Compared with the traditional methods, the evaluation indexes constructed in this paper do not need to specify UAV maneuver rules. The offline learning method proposed in the paper has excellent transfer performances. The simulation results show that the UAV based on the unsupervised learning neural network can plan effective full-area reconnaissance paths in the unknown environments and complete full-area reconnaissance missions. |
| Key words:
unmanned aerial vehicle (UAV)
full-area reconnaissance
neural network
genetic algorithm
unsupervised learning
|
|
| 收稿日期: 2020-06-15
修回日期:
|
| DOI: 10.1051/jnwpu/20213910077 |
| 基金项目: 国家自然科学基金（61573285）、航空科学基金（2017ZC53021）、数据链技术重点实验室开放基金（CLDL-20182101）与陕西省自然科学基金（2020JQ-220）资助 |
| 通讯作者:
Email： |
| 作者简介: 李波(1978-),西北工业大学副教授,主要从事先进航空火力控制技术、智能指挥控制决策等研究。
|
|
| 相关功能 |
|
|
|
|
| 作者相关文章 |
|
| 李波 在本刊中的所有文章 |
| 杨志鹏 在本刊中的所有文章 |
| 贾卓然 在本刊中的所有文章 |
| 马浩 在本刊中的所有文章 |
|
|
|
|
|
|
|
|
参考文献: |
|
|
[1] 吕洋,康童娜,潘泉, 等. 无人机感知与规避:概念、技术与系统[J]. 中国科学:信息科学,2019,49(5): 520-537 LYU Yang, KANG Tongna, PAN Quan, et al. UAV sense and avoidance: concepts, technologies, and systems[J]. Chinese Science: Information Science, 2019, 49(5): 520-537(in Chinese)
[2] XU Y, CHE C. A brief review of the intelligent algorithm for traveling salesman problem in UAV route planning[C]//2019 IEEE 9th International Conference on Electronics Information and Emergency Communication, Beijing, China, 2019:1-7
[3] BALCH T. The case for randomized search[C]//IEEE International Conference on Robotics and Automation, San Francisco, CA, 2000: 213-215
[4] CHOSET H. Coverage of known spaces: the boustrophedon cellular decomposition[J]. Autonomous Robots, 2000, 9(3): 247-253
[5] DE CARVALHO R N, VIDAL H A, VIEIRA P, et al. Complete coverage path planning and guidance for cleaning robots[C]//IEEE International Symposium on Industrial Electronics, Guimaraes, 1997: 677-682
[6] CHEN X, ZHAO M, YIN L. Dynamic path planning of the UAV avoiding static and moving obstacles[J]. Journal of Intelligent and Robotic Systems, 2020, 99(3): 909-931
[7] 张倩倩,余道洋,李民强. 基于混合策略的移动机器人避障算法探究[J]. 控制工程,2019,26(7): 1328-1334 ZHANG Qianqian, YU Daoyang, LI Minqiang. Research on obstacle avoidance algorithm for mobile robot based on hybrid strategy[J]. Control Engineering of China, 2019, 26(7): 1328-1334(in Chinese)
[8] MALLAPRAGADA P K, JIN R, JAIN A K, et al. Semi boost: boosting for semi-supervised learning[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2009, 31(11): 2000-2014
[9] REN Q, LI M, HAN S. Discrimination and comparison experiments of basalt tectonic setting based on improved genetic algorithm-optimized neural network[J]. Earth Science Frontiers, 2019, 26(4): 117-124 |
|
|
|
相关文献: |
|
|
1．陈侠, 刘子龙, 梁红利.基于GA-SLFRWNN的空中目标威胁评估[J]. 西北工业大学学报, 2019,37(2): 424-432 |
|
|
2．王靖宇, 王霰禹, 张科, 蔡宜伦, 刘越.基于深度神经网络的低空弱小无人机目标检测研究[J]. 西北工业大学学报, 2018,36(2): 258-263 |
|
|
3．闫冰, 吴成富, 邵朋院, 程鹏飞.基于遗传算法的半开环单侧副翼卡死控制[J]. 西北工业大学学报, 2016,34(1): 79-84 |
|
|
4．王刚, 胡峪, 宋笔锋.利用螺旋桨动力配平的飞翼布局无人机[J]. 西北工业大学学报, 2014,32(2): 181-187 |
|
|
5．陈绍炜, 潘新, 刘涛.基于遗传算法SVM的电子元件寿命预测[J]. 西北工业大学学报, 2014,32(4): 637-641 |
|
|
6．张烈, 冯燕.一种优化的神经网络数字预失真方法[J]. 西北工业大学学报, 2014,32(6): 967-973 |
|
|
7．邢小军, 席奥, 闫建国.多无人机协同编队最优鲁棒控制方法研究[J]. 西北工业大学学报, 2013,31(5): 722-726 |
|
|
8．谭雁英, 许鳌, 祝小平, 周洲.小型无人机掠海飞行高度滤波系统优化设计[J]. 西北工业大学学报, 2013,31(4): 511-516 |
|
|
9．郭阳明, 冉从宝, 姬昕禹, 马捷中.基于组合优化BP神经网络的模拟电路故障诊断[J]. 西北工业大学学报, 2013,31(1): 44-48 |
|
|
10．李伟, 何鹏举, 杨恒, 陈明.基于粗糙集和改进遗传算法优化BP神经网络的算法研究[J]. 西北工业大学学报, 2012,30(4): 601-606 |
|
|
|
|
|
|
