买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京领云时代科技有限公司

摘要：一种基于图计算的无人机与无人车协同态势构建系统及方法，属于电数据处理技术领域。系统包括动态知识图谱构建模块和协同态势构建模块，动态知识图谱构建模块根据参战的所有无人机、无人车、进攻的目标及障碍物建设动态知识图谱；协同态势构建模块从所构建的态动知识图谱选择一个进攻的目标、N个无人机、M个无人车和P个障碍物，在P个障碍物的拦截下，根据N个无人机和M个无人车对该打击目标的毁伤能力推演出t时刻输出的作战任务指标向量。本发明提供的系统及方法能够展现动态变化的战场态势，且推演作战任务指标向量的速度快。

主权项：1.一种基于图计算的无人机与无人车协同态势构建系统，其特征在于，包括动态知识图谱构建模块和协同态势构建模块，其中，协同态势构建模块包括控制策略网络、第一图计算模型层、第二图计算模型层和深度强化学习模块，其中，控制策略网络在t时刻根据作战任务需要攻击的目标从动态知识图谱中选择该目标、N个无人机、M个无人车以及P个障碍物,N个无人机和M个无人车组成一个空地协同作战的智能体群；将N个无人机t时刻打目标的特征向量、M个无人车t时刻打目标的特征向量、P个障碍物拦截N个无人机和M个无人车的特征向量以及N个无人机、M个无人车和P个障碍物彼此之间的边向量输入到第一图计算模型层和第二图计算模块层的每个图计算模型中；第一图计算模型层包括N个图计算模型，第n个图计算模型在t时刻输出对目标的毁伤向量,从而第一图计算模型层输出向量为=[,…,,…,]；第二图计算模型层包括M个图计算模型，第m个图计算模型在t时刻输出对目标的毁伤向量,从而第二图计算模型层输出向量为=[,…,,…,];深度强化学习模块根据计算出作战任务指标向量，n=1,2,…,N,m=1,2,…,M,N、M和P为大于或等于1的正整数；深度强化学习模块包括BP神经网络、目标BP神经网络BP、价值网络和目标价值网络，式中，为t时刻BP神经网络输出的作战任务指标向量；为BP神经网络的参数；为目标BP神经网络的参数；为价值网络的参数，为目标价值网络的参数；对深度强化学习模块的训练包括如下步骤：S03-1:让价值网络作预测：;S03-2:让目标BP神经网络作预测：，式中，为下一时间t+1目标BP神经网络预测的输入向量，为下一时间t+1BP神经网络预估的作战任务指标向量；S03-3:让目标价值网络作预测： ,式中，为t时刻的奖励，为调整系数；并计算误差，利用误差更新价值网络的参数为： ，式中，α是调整系数，为θ的梯度函数；更新目标价值网络的参数为： ;S03-4:让BP神经网络做预测：，通过下式更新BP神经网络的参数为： ，式中，为的梯度函数；为的梯度函数,为调整系数；利用更新目标BP神经网络BP的参数为： ；其中， ，式中为N个无人机中的第j个无人机攻击目标的特征向量hj对第n个无人机攻击目标的特征向量hn的协作度;enj表示第j个无人机和第n个无人机相连接的边的特征向量； ,为M个无人车中的第k个无人车攻击目标的特征向量hk对第n个无人机攻击目标的特征向量hn的协作度;enk表示第k个无人车和第n个无人机相连接的边的特征向量; 为P个障碍中的第p个障碍拦截无人机的特征向量hP对第n个无人机攻击目标的特征向量hn的损耗度；enp为第p个障碍和第n个无人机相连接的边的特征向量； ， 为N个无人机中的第j个无人机攻击目标的特征向量hj对第m个无人车攻击目标的特征向量hn的协作度；emj表示第j个无人机和第m个无人车相连接的边的特征向量； ,为M个无人车中的第k个无人车攻击目标的特征向量hk对第m个无人车攻击目标的特征向量hm的协作度；emk表示第k个无人车和第m个无人车相连接的边的特征向量; 为P障碍中的第p个障碍拦截无人车的特征向量hp对第m个无人车攻击目标的特征向量hm的损耗度；emp为第p个障碍物和第m个无人车相连接的边的特征向量；σ为第一激活函数；LeakyReLU为第二激活函数；ρ为图计算模型的输入层到隐含层的参数；W1、W2、Wo、W11、W12、W1o、W21、W22、W2o表示参数矩阵；||表示拼接起来。

全文数据：

权利要求：

百度查询： 北京领云时代科技有限公司 基于图计算的无人机与无人车协同态势构建系统及方法