[发明专利]一种无人机配型方法、装置、设备及可读存储介质

权利要求书

1.一种无人机配型方法，其特征在于，包括：

接收并解析无人机配型请求，获得目标产品性能指标；

将所述目标产品性能指标输入目标神经网络模型进行配型，获得目标产品关键组件参数；

其中，所述目标神经网络模型的获取过程，包括：

创建神经网络模型；

获取配型知识，并利用所述配型知识创建知识表达网络；

利用所述知识表达网络获得训练所述神经网络模型的训练数据；

利用所述训练数据对所述神经网络模型进行配型训练，获得所述目标神经网络模型；

利用所述配型知识创建知识表达网络，包括：

将所述配型知识中的产品性能指标与关键部件参数进行关联，并建立贝叶斯网络结构；

利用所述贝叶斯网络结构创建所述知识表达网络；

所述利用所述知识表达网络获得训练所述神经网络模型的训练数据，包括：

将所述知识表达网络中的产品性能指标作为所述训练数据中的输入数据；

将所述知识表达网络中的产品关键部件参数作为所述训练数据中的目标输出数据；

利用所述训练数据对所述神经网络模型进行配型训练，获得所述目标神经网络模型，包括：

创建内部优化网络和外部优化网络，利用所述内部优化网络和所述外部优化网络对所述神经网络模型进行优化训练；

通过专业技术人员对神经网络模型输出数据进行评价，给出等级r；即对目标产品关键组件参数进行准确性评价，只有两个等级，输出数据准确时r=1,否则r=0；

其中，所述外部优化网络的输入数据为外部等级信号、产品性能指标、包含参数优化的深度神经网络的输出值，输出数据为外部优化信号；

所述内部优化网络的输入数据为所述外部优化信号、产品性能指标、包含参数优化的所述深度神经网络的输出值，输出数据为内部优化信号。

2.根据权利要求1所述的无人机配型方法，其特征在于，所述创建神经网络模型，包括：

创建采用误差反向传播算法且包括输入层、多层隐层和输出层的神经网络模型。

3.根据权利要求1所述的无人机配型方法，其特征在于，利用所述训练数据对所述神经网络模型进行配型训练，包括：

采用随机梯度下降法，并基于所述神经网络的输出数据与目标输出数据的均方误差反向调节更新所述神经网络各层的权重。

4.根据权利要求1所述的无人机配型方法，其特征在于，所述创建内部优化网络和外部优化网络，包括：

创建两个包括输入层、一层隐层和输出层的三层非线性神经网络分别作为所述外部优化网络和所述内部优化网络。