[发明专利]一种智能无人集群的状态空间构建方法及装置

权利要求书

1.一种智能无人集群的状态空间构建方法，其特征在于，所述方法包括：

根据智能无人集群中各智能无人节点与其余智能无人节点之间的相对距离和相对位置关系形成的有序数对集，描述各所述智能无人节点运行时任意一个时刻的状态；

根据各所述智能无人节点运行时任意一个时刻的状态，构建所述智能无人集群的状态空间；

通过自适应模糊神经网络聚类方法，对所述智能无人集群的状态空间进行聚类，生成所述智能无人集群聚类后的状态空间。

2.根据权利要求1所述的方法，其特征在于，描述各所述智能无人节点运行时任意一个时刻的状态时，通过下列公式对第i个智能无人节点在t时刻的状态进行描述：

n为智能无人集群中智能无人节点的总个数；

其中，{(d₁,o₁),…,(d_i-1,p_i-1),(d_i+1,o_i+1),…,(d_n,o_n)}为表示智能无人集群中第i个智能无人节点与其余n-1个智能无人节点之间的相对距离和相对位置关系的有序数对集，d_j，j＝1,…，i-1，i+1，…，n，且j！＝i表示智能无人集群中第i个智能无人节点与第j个智能无人节点之间的相对距离；o_j＝α_i+α_j，j＝1,…，i-1，i+1，…，n，且j！＝i表示智能无人集群中第i个智能无人节点与第j个智能无人节点之间的相对位置关系，α_i表示第i个智能无人节点的速度方向与第i个智能无人节点和第j个智能无人节点的连线方向沿顺时针方向的角度，α_j表示第j个智能无人节点的速度方向与第i个智能无人节点和第j个智能无人节点的连线方向沿顺时针方向的角度。

3.根据权利要求2所述的方法，其特征在于，构建所述智能无人集群的状态空间时，通过下列公式对智能无人集群的状态空间进行描述：

4.根据权利要求1所述的方法，其特征在于，所述通过自适应模糊神经网络聚类方法，对所述智能无人集群的状态空间进行聚类，生成所述智能无人集群聚类后的状态空间包括：

确定当前新获取的样本状态集合外的任意一个智能无人节点的状态与所述样本状态集合中各个智能无人节点的状态之间的相对距离，并根据各个相对距离确定所述样本状态集合中各个智能无人节点的状态的权重；

根据ECM聚类算法，通过所述样本状态集合中各个智能无人节点的状态的权重对当前所述智能无人集群中各个智能无人节点的状态进行分类，生成至少一个聚类，所述聚类的参数包括聚类中心和聚类半径；

将所述聚类的聚类中心和聚类半径分别作为模糊隶属度函数的中心和宽度，并利用梯度下降算法可以求解所述模糊隶属度函数中的参数；

对所述模糊隶属度函数去模糊化，生成所述智能无人集群聚类后的状态空间。

5.一种智能无人集群的状态空间构建装置，其特征在于，所述装置包括：

状态描述单元，用于根据智能无人集群中各智能无人节点与其余智能无人节点之间的相对距离和相对位置关系形成的有序数对集，描述各所述智能无人节点运行时任意一个时刻的状态；

空间构建单元，用于根据各所述智能无人节点运行时任意一个时刻的状态，构建所述智能无人集群的状态空间；

空间聚类单元，用于通过自适应模糊神经网络聚类方法，对所述智能无人集群的状态空间进行聚类，生成所述智能无人集群聚类后的状态空间。