申请/专利权人：哈尔滨工程大学

申请日：2023-05-04

公开（公告）日：2024-04-12

公开（公告）号：CN116520861B

主分类号：G05D1/485

分类号：G05D1/485;G05D101/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.08.18#实质审查的生效;2023.08.01#公开

摘要：本发明提出了基于改进Glasius仿生神经网络的静态目标搜索方法与装置，属于Glasius仿生神经网络技术领域，尤其涉及水下自主航行器的路径规划。解决了现有Glasius仿生神经网络，由于神经元刺激信号的时延和衰减的作用，而可能受到局部最优解的影响，导致全局搜索能力较差，目标搜索性能不理想的问题。所述基于改进Glasius仿生神经网络的静态目标搜索方法，采用改进Glasius仿生神经网络，根据所述先验信息、基础先验目标概率图以及初始结合概率图MAP0，进行迭代计算，通过时域滚动优化过程执行静态目标搜索任务。它主要用于水下自主航行器的路径规划。

主权项：1.基于改进Glasius仿生神经网络的静态目标搜索方法，其特征在于，所述方法具体包括：S1、获取预先采集的先验信息；S2、利用帕森窗理论，根据所述先验信息，建立一个尺寸为Mapx×Mapy的栅格地图，作为基础先验目标概率图；S3、根据所述先验信息，获得基于贝叶斯高斯混合矩阵的先验目标概率图；所述基于贝叶斯高斯混合矩阵的先验目标概率图的尺寸为Mapx×Mapy；将所述基于贝叶斯高斯混合矩阵的先验目标概率图作为初始结合概率图MAP0；S4、采用改进Glasius仿生神经网络，根据所述先验信息、基础先验目标概率图以及初始结合概率图MAP0，进行迭代计算，通过时域滚动优化过程执行静态目标搜索任务；所述步骤S4具体包括：S4.1、对上一次迭代计算对应的结合概率图MAPDd-1进行预处理操作，获得预处理后的上一次迭代计算对应的结合概率图MAPDd-1*，其中，Dd为大于等于1的正整数，表示迭代次数；所述预处理操作包括最大池化、多次卷积以及上采样；S4.2、将所述预处理后的上一次迭代计算对应的结合概率图MAPDd-1*，与所述基础先验目标概率图结合，获得本次迭代计算对应的结合概率图MAPDd；S4.3、根据所述先验信息、本次迭代计算对应的结合概率图MAPDd以及过去每一次迭代计算获得的所有对应航点，通过时域滚动优化过程，获得本次迭代计算对应的航点，同时更新所述基础先验目标概率图；S4.4、根据过去每一次迭代计算获得的所有对应航点，计算累计检测奖励；S4.5、根据所述累计检测奖励以及迭代次数Dd，判断是否结束所述静态目标搜索任务；如果所述累计检测奖励未达到0.95且迭代次数Dd未达到预设值，则返回执行S4.1；如果所述累计检测奖励达到0.95或迭代次数Dd达到预设值，则所述静态目标搜索任务结束；所述先验信息具体如下：所述先验信息包含N个数据点；其中，第i个数据点Si表示为：Si＝{si，βi，λi}，i∈[1，N]，N为大于1的正整数；其中，si为位置信息、βi为事件置信度、λi为分布范围；每个所述数据点都与一个二维高斯分布函数相关联；其中，与第i个数据点Si相关联的二维高斯分布函数Gsi，λi表示为： 其中， βi∈[0，1]； 式中、x表示二维空间的横坐标、y表示二维空间的纵坐标；根据每个所述数据点以及与其对应的二维高斯分布函数提取样本，具体地：针对第i个数据点Si，从与其对应的所述二维高斯分布函数Gsi，λi中，提取Hi个样本；所述Hi表示为：Hi＝βiHmax；其中，Hmax是βi＝1时所提取样本的数量；则根据所述样本信息提取的样本总数为H，所述样本总数H表示为：

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 基于改进Glasius仿生神经网络的静态目标搜索方法与装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD