[发明专利]无人机集群健康度评估方法及装置

说明书

本发明提供一种无人机集群健康度评估方法及装置，通过从每个无人机单机上的传感器接收无人机单机监测数据，将无人机单机监测数据输入无人机单机状态集成学习分类模型，输出每个无人机单机的实时工作状态。利用该实时工作状态和全寿命周期健康监测数据得到在实时工作状态下可量化的健康度，基于每个无人机单机的在所述实时工作状态下的健康度和对应的权重系数进行加权合成，输出无人机集群健康度评估结果。本发明的无人机集群健康度评估方案中，机器学习模型可以自动且持续学习迭代，对无人机单机的实时工作状态的智能化分类准确度高，进一步对实时工作状态下的健康度进行量化，最终实现无人机集群健康度的准确评估。

技术领域

本发明涉及无人机技术领域，尤其涉及一种无人机集群健康度评估方法及装置。

背景技术

无人机集群概念正是起源于生物集群行为，逐渐吸引了大批学者的关注，从而掀起了相关领域的研究热潮，并逐渐涌现了诸多智能集群算法，如蚁群算法和粒子群优化算法。所以，在对蜂群、蚂蚁的集群智能行为的模拟之上，研究出了现在的无人机智能集群技术，以无人机单机间通过彼此的感知交互、信息传递、协同工作在险恶的环境下可以低成本完成多样性的复杂任务。

其中，如何进行无人机集群健康度评估是业界普遍考虑的一个课题。

发明内容

本发明提供一种无人机集群健康度评估方法及装置，用以解决现有技术中无人机集群健康度评估准确性低的缺陷，实现无人机集群健康度的精确评估。

本发明提供一种无人机集群健康度评估方法，包括：

从无人机集群中每个无人机单机上的传感器接收无人机单机监测数据；

将每个无人机单机的单机监测数据输入无人机单机状态集成学习分类模型，输出每个无人机单机的实时工作状态，其中所述无人机单机状态集成学习分类模型是利用标签化的海量无人机单机监测数据基于机器学习模型进行训练得到的；

将每个无人机单机的所述实时工作状态和全寿命周期健康监测数据输入健康度量化分析模型，输出所述无人机单机在所述实时工作状态下的健康度，所述健康度量化分析模型是基于对数线性内核的二项逻辑斯蒂回归分析模型构建的；

基于每个所述无人机单机在所述实时工作状态下的健康度和对应的所述无人机单机的权重系数进行加权合成，最终输出无人机集群健康度评估结果。

根据本发明提供的一种无人机集群健康度评估方法，所述将每个无人机单机的无人机单机监测数据输入无人机单机状态集成学习分类模型，包括：

将每个无人机单机的无人机单机监测数据输入所述无人机单机状态集成学习分类模型中包含的多个分类器模型，输出多个工作状态分类结果；

将所述多个实时工作状态分类结果输入分类投票器，输出满足预设投票条件的所述实时工作状态；

其中，所述多个分类器模型是分别利用所述海量无人机单机监测数据训练得到的。

根据本发明提供的一种无人机集群健康度评估方法，将每个无人机单机的所述实时工作状态和全寿命周期健康监测数据输入健康度量化分析模型，包括：

将包含各个多源传感器数据的所述全寿命周期健康监测数据输入如下二项逻辑斯蒂回归模型，输出基于所述各个多源传感器数据的权重与偏移量数据：