[发明专利]基于双向长短期记忆网络的无人机飞行路径实时预测方法

权利要求书

1.基于双向长短期记忆网络的无人机飞行路径实时预测方法，其特征在于：所述方法包括如下步骤：

步骤S1、采集若干次自主作业无人机沿同一条路径飞行的GPS定位数据序列，使用基于Bessel大地坐标转换和最小二乘拟合进行数据预处理生成模型训练数据集；

步骤S2、构建双向长短期记忆路径预测模型，使用所述的模型训练数据集对路径预测模型进行训练；

步骤S3、利用训练好的路径预测模型，结合基于PID原理的预测模型补偿器实时预测无人机作业飞行路径。

2.根据权利要求1所述的基于双向长短期记忆网络的无人机飞行路径实时预测方法，其特征在于：所述步骤S1进一步具体为：步骤S11、用j条无人机作业完整路径组成训练模型所使用的原始飞行路径数据集D＝{D₁,D₂,D_i...,D_j}，其中D_i表示第i条路径按时间顺序排列的坐标采样点序列；每个GPS采样点包括三个维度的数据，即纬度、经度和高程；

步骤S12、将地球上任意一点P的位置都用在地理坐标系下的坐标(B,L,H)来表示，其中B和L代表纬度和经度，H代表高程；在使用GPS定位时得到的无人机在地理坐标系下的坐标用(B_el,L_el,H_el)表示；使用Bessel大地坐标转换公式将无人机在地理坐标系下的坐标(B_el,L_el,H_el)转换为导航坐标系下以米为单位的坐标(x_el,y_el,z_el)以实现三维位置坐标各维度数据单位的统一化，得到用导航坐标系坐标来表示的数据集D′＝{D′₁,D′₂,...,D′_j}；其中，Bessel大地坐标转换公式为：

其中a_e1、b_e1分别为地球的长轴和短轴长；B_el,L_el,H_el是无人机在地理坐标系下的纬度、经度、高程；

令e₀为地球偏心率，其具体表达式为：

则

步骤S13、按照设置的比例将D′按比例分为D′_Train＝{D′₁,D′₂,...,D′_q}和D′_Validation＝{D′_q+1,D′_q+2,...,D′_j}(q＜j)，以生成用于模型训练的训练集D′_Train和用于验证模型性能的验证集D′_Validation；

步骤S14、假设路径预测模型使用无人机飞行的最近m个位置坐标来估计接下来的n个位置坐标，即模型输入为[P_k-m+1,...,P_k-1,P_k]，输出为[P_k+1,P_k+2,...,P_k+n]，P_i(x_i,y_i,z_i)表示无人机接收到的第i帧GPS定位信息经Bessel转化得到的坐标，而当前时刻对应第k帧无人机位置坐标即为P_k；为了得到与模型输入和输出形式相同的张量数据，设置大小为3×(m+n)的滑动窗口遍历每条路径的坐标点序列，长度为l的序列D′_i能得到l-m-n+1个与滑动窗口大小相同的矩阵，进一步得到形状为3m的模型输入和形状为1×3n的模型输出矩阵，由D′_Train和D′_Validation内序列生成的矩阵分别组成训练数据集和验证数据集。