[发明专利]一种基于泛化模糊竞争神经网的航路选择方法

摘要

本发明公开了一种基于泛化模糊竞争神经网的航路选择方法，属于航路规划领域。本发明方法将航路用多个离散点组成，对航路计算长度、安全避障距离、纵向机动次数和横侧向机动次数的子目标函数值，各子目标函数值经过归一化后，进入到基于泛化模糊竞争神经网的输入层，经过训练后的神经网通过模糊运算和竞争之后输出航路的评价等级，根据评级选择所需要的航路。本发明将模糊性原理应用到神经网络中构成模糊神经元来表达专家知识，并采用竞争层来解决了神经网络隐层节点较多，训练繁琐的问题。本发明方法可以对各种地形下和各种航路规划算法计算出的航路进行评价，具有泛化的能力，通用性好。

主权项

1.一种基于泛化模糊竞争神经网的航路选择方法，其特征在于，包括以下步骤：步骤一：设无人机的可飞航路有n条，n条航路构成航路集合每条航路用离散点集合表示，确定每条航路的长度子目标函数值；第i条航路的长度子目标函数值的确定方法是：设航路包括m个离散点，其中第j个离散点为相邻离散点和构成航路的第j个航段，航路具有m-1个航段；对相邻离散点和的三维空间坐标进行曼哈顿距离计算，得到的曼哈顿距离就是航路的第j个航段的长度子目标函数值，则航路的长度子目标函数值由m-1个航段的长度子目标函数值求和得到；步骤二：确定每条航路的安全避障距离子目标函数值；当地形中有一个障碍时，第i条航路的安全避障距离子目标函数值为：f2(P→i)=Σj=1m-1fD(Pji),]]>fD(Pji)=1/Ds,dji>Ds1/dji,0<dji≤Ds]]>其中，D_s表示安全避障距离，表示航路的第j个航段的中点与当前障碍之间的最短距离，表示航路的第j个航段的避障距离评价值；当地形中有两个以上的障碍时，对每条航路，将各障碍对应的安全避障距离子目标函数值求和，得到该航路的安全避障距离子目标函数值步骤三：根据航段间纵向夹角与纵向标准门限值α_s的关系，确定每条航路的纵向机动次数子目标函数值；第i条航路的纵向机动次数子目标函数值为：f3(P→i)=Σj=1m-2flon(Pji),]]>flon(Pji)=1,θji>αs0,0≤θji≤αs]]>其中，表示航路的第j个航段与第j+1个航段间的纵向夹角的绝对值，表示航路的第j个航段与第j+1个航段间在纵向上是否需要机动飞行而得到的评价值；步骤四：根据航段间横侧向夹角之差的绝对值与侧向标准门限值α_c的关系，确定每条航路的横侧向机动次数子目标函数值；第i条航路的横侧向机动次数子目标函数值为：f4(P→i)=Σj=1m-2flat(Pji),]]>flat(Pji)=1,γji>αc0,0≤γji≤αc]]>其中，表示第i条航路的第j个航段与第j+1个航段间的横侧向夹角之差的绝对值，表示第i条航路的第j个航段与第j+1个航段间在横侧向上是否需要机动飞行而得到的评价值；步骤五：分别对各航路的四个子目标函数值进行归一化处理；第i条航路的第k(k=1,2,3,4;)个子目标函数值通过下式进行归一化处理，得到f‾k(P→i)=fk(P→i)-min(fk(P→))max(fk(P→))-min(fk(P→)),i=1,2...n]]>其中，表示n条航路中对应第k个子目标函数值的最小值，表示n条航路中对应第k个子目标函数值的最大值；步骤六：构建基于泛化模糊竞争的神经网络，具体是：步骤6.1：神经网络的第一层，第一层是输入层，具有4个输入节点，4个输入节点的值分别为各航路归一化处理后的四个子目标函数值k=1,2,3,4，为的简写形式；步骤6.2：构建神经网络的第二层，第二层是模糊化层，对每个子目标函数进行模糊分割，设对第k个子目标函数的模糊分割数为m_k，则对应m_k个节点，每个节点代表一个语言变量值，k=1,2,3,4；第k个子目标函数对应的第l个节点的输出值为：其中，c_kl是隶属度中心值，σ_kl是隶属度宽度；步骤6.3：构建神经网络的第三层，第三层是模糊推理层，具有M个节点，其中第j个节点的输出值α_j(j＝1,2...M)为：其中，i₁∈{1,2...m₁}，i₂∈{1,2...m₂}，...，i_k∈{1,2...m_k}；步骤6.4：构建神经网络的第四层，第四层为竞争层，设评级数有r个，则竞争层有r个节点，竞争层的第q个节点的输出值a_q的确定方法是：确定竞争层第q个节点的输入值y_q：q=1,2,…,r；其中，w_qj为模糊推理层第j个节点与竞争层第q个节点的连接权重，初始值为1；竞争层的r个节点中，输入值最大的节点的输出值为1，其余节点的输出值为0；步骤6.5：构建神经网络的输出层，输出层输出r维向量航路的等级数由向量中数值为1的元素表征；步骤七：对步骤六所构建的神经网络进行训练，在当前神经网络的评级结果与专家评级结果的一致性达到95%以上时，停止训练；步骤八：对每条航路按照步骤一～步骤五的顺序进行处理，输入训练好的神经网络，得到航路的评级结果，根据评级结果选择最优航路或者适用的航路。