[发明专利]自主操作飞行器的方法和系统

权利要求书

1.一种自主操作飞行器的方法，包含：

-飞行前训练步骤(100)，其包含：

检索对应于至少一种飞行器类型和至少一条航线的多次飞行的记录的监视数据(110)；

从所述记录的监视数据(110)推断(120)飞行器意图(130)；

使用推断的飞行器意图(130)计算(140)重建轨迹(150)；

选择训练数据集(160)，其包含飞行器意图(130)和对应于特定飞行器类型和航线的飞行的重建轨迹(150)；

在所述训练数据集(160)上应用机器学习算法(170)以获得飞行器状态和动作之间的映射函数(180)；以及

-在飞行器的飞行期间执行的实时控制步骤(200)，所述实时控制步骤(200)包含：

反复检索机载传感器数据(210)；

从所述机载传感器数据(210)获得实时飞行器状态(222)；

使用所述映射函数(180)确定与所述实时飞行器状态(222)相关的动作(224)；

在所述飞行器上执行所选的动作(224)。

2.根据权利要求1所述的方法，其中所述飞行器意图(130)用AIDL格式表示。

3.根据权利要求2所述的方法，其中所述动作(224)包含表示为AIDL指令的导航和制导命令(230)。

4.根据权利要求3所述的方法，其中所述映射函数(180)包含具有AIDL指令的表映射传感器值。

5.根据权利要求4所述的方法，其中确定动作(224)的步骤包含搜索映射表的传感器值，所述传感器值对应于检索到的机载传感器数据(210)，以及如果没有找到精确匹配，则使用插值过程来确定相关的AIDL指令。

6.根据任何前述权利要求所述的方法，其中所述记录的监视数据(110)包含以下内容中的至少一个：ADS-B数据、雷达跟踪数据、飞行快速存取记录器数据。

7.根据任何前述权利要求所述的方法，其中所述机器学习算法(170)是强化学习算法，其获得使与所述飞行器状态(222)相关的累积回报R最大化的策略π，所述飞行器状态(222)与在目的地机场处的飞行着陆相匹配。

8.根据权利要求7所述的方法，其中，所述强化学习算法包含求解六个独立的马尔可夫决策过程，用于预测六个独立的AIDL指令，其中每个AIDL线程的动作空间和状态空间是不同的。

9.一种自主操作飞行器的系统，包含：

-推断和轨迹重建模块(310)，其被配置为：

从对应于至少一种飞行器类型和至少一条航线的多次飞行的记录的监视数据(110)推断飞行器意图(130)；

使用推断的飞行器意图(130)计算(140)重建轨迹(150)；

-聚类模块(320)，其被配置为选择训练数据集(160)，该训练数据集包含飞行器意图(130)和对应于特定飞行器类型和航线的飞行的重建轨迹(150)；

-机器学习模块，其被配置为在所述训练数据集(160)上应用机器学习算法(170)，以获得飞行器状态和动作之间的映射函数(180)；

-机载命令和控制自动化模块(340)，其被配置为：

在飞行器的飞行期间反复检索机载传感器数据(210)；

从所述机载传感器数据(210)获得实时飞行器状态(222)；

使用所述映射函数(180)确定与所述实时飞行器状态(222)相关的动作(224)；以及

指示在所述飞行器上执行所选的动作(224)。

10.根据权利要求9所述的系统，其中所述飞行器意图(130)用AIDL格式表示，并且所述动作(224)包含表示为AIDL指令的导航和制导命令(230)。