基于概率模型检测的UAV路况监测系统建模研究
发布时间：2021-07-05 21:20
随着智能技术的快速发展,无人机、无人车、智能机器人等在危险的区域能够很好地完成任务,由于无人技术节约了人力物力,并且把人从危险的任务中解放出来,因此无人技术成为了研究的热门话题。但是,尽管无人技术自主能力不断提升,始终要求“人在回路”监控,仍然是“平台无人,系统有人”。因此无人机在复杂环境执行任务时,需要操作员的协助决策下一步的路径选择。由于在复杂的任务场景中,不同的路径选择和操作员在工作负载和疲劳度等方面的特征对完成任务的效率会造成重大影响,因此,本文以无人机执行路况监测任务为例,通过对不同的场景进行分析,对马尔科夫决策过程进行扩展,建立相应MDP（马尔科夫决策过程模型）模型,并利用PRISM形式化建模工具对UAV移动模型的路径选择和操作员特征进行定量分析验证。本文所做的贡献包含如下几方面:（1）研究了固定场景无人驾驶飞行器与操作员进行交互时路径的不确定性问题,以及操作员特征对无人机任务性能影响的问题,以无人驾驶飞行器对路网监视的场景为例进行研究,提出了操作员在图像处理过程中把监测点和非监测点分两种情况进行处理的方法和规避危险区域的策略。采用PRISM工具对无人驾驶飞行器目标监测场景...
【文章来源】：江西理工大学江西省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
论文总体安排第一章：绪论部分
第三章固定场景UAV路况监测建模分析16第三章固定场景UAV路况监测建模分析以文献[28]中的固定路况监测场景为研究实例，对人与UAV交互时路况的优化选择与操作员过程进行建模研究，提出PMCULA算法。通过人与无人机交互时考虑到操作员熟练度、工作负载、疲劳度等的性能特征对无人机完成任务的影响进行改进并建模分析，并对多目标属性进行验证，从中找出最佳的任务规划，对路径重新规划，进行避障建模并进行形式化验证。其路况监测场景图如图3.1所示。3.1系统建模分析图3.1路况场景图（1）操作者模型（Mop）。本文构建一个DTMC模型记为Mop，来描述操作员的可能行为。在操作者模型中分两方面进行分析，如图3.2操作者行为过程所示。一方面是操作者在目标节点的模型片段以模型中目标节点w2的一个片段为例，显示了操作者在目标节点的处理图像的过程。在图像处理过程中有一个非负整数变量k，计算从任务开始以来操作员执行的传感器任务的数量，更新“k”表示k增加1的值。在模型中使用k的目的是测量操作者的疲劳程度。为了获得一个有限状态模型，让k的值在达到某一阈值COUNTER时停止增长（这个常数将在建模疲劳时使用）。另一方面当操作员接收到非目标节点的图
第三章固定场景UAV路况监测建模分析17片时，直接忽略图片的分析过程进入下一步的路径选择，以w3为例代表非目标节点直接进入下一个路径的选择。通过这种方法建模可以提高系统的性，降低操作者的工作量。图3.2操作员行为过程由于操作员的工作负载水平受很多因素影响，为了简化和减少模型的复杂性，将操作员的工作负载建模为两个级别上的统一分布:L和H。在低水平工作负载L级别上，假设操作者获得高质量的图像的准确度概率为pl(k),获得低质量图像的概率为1pl(k)，其中k是关于pl(k)的函数，并为k设定一个阈值COUNTER，当k的值大于阈值时说明操作员处理的工作量太大，操作员会出现疲劳现象，操作员的准确度会降低，因此设置疲劳折扣f描述疲劳对准确度的影响；类似的在H级别的工作负载上定义了高工作负载下获得高质量的准确度ph(k)。此外，更熟练的操作者对精度参数pl(0)和ph(0)有更高的值。如果操作员接收到的图像质量是bad，操作员会要求无人机重新发送图片;否则，操作者允许无人机飞到另一个路径点。在检查点，操作者为无人机选择下一条道路，在非监测点无人机自己选择下一条道路。无人机模型（Muav）。本文将无人机路径选择建模为MDP模型即Muav。在任何路径点或道路点，无人机可以不确定地飞到一个相邻路径点或道路点。这些非确定性的选择需要通过策略来解决，并且根据不同的道路点和路径点选择不同的策略规划路径。由于道路点w1是非监测点同时也是初始节点，因此在对飞行策略进行规划时，要求无人机在w1仅能访问一次，避免无人机在初始节点徘徊，从而节省时间提高效率，因此把w1所连接的边设置为有向边，只有出度没有入度。并且在角度选择时，分为目标节点的路径选择和非目标节点的路径选择：在目标节点时，只能选择特定的几个角度，在非目标节点时?
【参考文献】：
期刊论文
[1]基于概率模型检测的移动应用缺陷评估[J]. 张国强,殷博,朱静雯,康介恢. 计算机工程与设计. 2019(07)
[2]基于概率模型检测的机电系统动态可靠性评价[J]. 侯翌,杨培林,徐凯,刘青,樊娟妮. 中国机械工程. 2019(05)
[3]马尔科夫理论在无人系统中的研究现状[J]. 严浙平,杨泽文,王璐,岳立冬,潘晓丽. 中国舰船研究. 2018(06)
[4]一种改进的无人机路径规划环境建模方法[J]. 韩忠华,冯兴浩,吕哲,杨丽英. 信息与控制. 2018(03)
[5]基于IMM的无人机在线路径规划决策建模[J]. 杨啟明,徐建城,田海宝,吴勇. 西北工业大学学报. 2018(02)
[6]Probabilistic Model Checking-Based Survivability Analysis in Vehicle-to-Vehicle Networks[J]. Li Jin,Guoan Zhang,Jue Wang. 中国通信. 2018(01)
[7]基于Markov Decision Processes的可靠性定量分析实证研究[J]. 刘跃军,苏静. 安阳师范学院学报. 2017(05)
[8]使用模型检验自动化验证路由协议[J]. 马银雪,陈哲,黄志球,黄吴丹. 小型微型计算机系统. 2015(11)
[9]基于PRISM的分布式实时操作系统任务调度的形式化验证[J]. 霍燕燕,关永,李晓娟,王瑞,张杰,魏洪兴. 小型微型计算机系统. 2015(09)
[10]概率模型检测技术在机器人路径规划中的应用[J]. 夏春蕊,王瑞,李晓娟,关永. 计算机仿真. 2015(03)
博士论文
[1]基于概率模型检验的无人机不确定决策理论与方法研究[D]. 纪晓婷.国防科学技术大学 2016
[2]复杂随机系统模型检测方法研究[D]. 纪明宇.哈尔滨工程大学 2014
硕士论文
[1]基于概率模型检测的分布式算法验证和分析[D]. 刘来.华侨大学 2014
本文编号：3266844
【文章来源】：江西理工大学江西省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
论文总体安排第一章：绪论部分
第三章固定场景UAV路况监测建模分析16第三章固定场景UAV路况监测建模分析以文献[28]中的固定路况监测场景为研究实例，对人与UAV交互时路况的优化选择与操作员过程进行建模研究，提出PMCULA算法。通过人与无人机交互时考虑到操作员熟练度、工作负载、疲劳度等的性能特征对无人机完成任务的影响进行改进并建模分析，并对多目标属性进行验证，从中找出最佳的任务规划，对路径重新规划，进行避障建模并进行形式化验证。其路况监测场景图如图3.1所示。3.1系统建模分析图3.1路况场景图（1）操作者模型（Mop）。本文构建一个DTMC模型记为Mop，来描述操作员的可能行为。在操作者模型中分两方面进行分析，如图3.2操作者行为过程所示。一方面是操作者在目标节点的模型片段以模型中目标节点w2的一个片段为例，显示了操作者在目标节点的处理图像的过程。在图像处理过程中有一个非负整数变量k，计算从任务开始以来操作员执行的传感器任务的数量，更新“k”表示k增加1的值。在模型中使用k的目的是测量操作者的疲劳程度。为了获得一个有限状态模型，让k的值在达到某一阈值COUNTER时停止增长（这个常数将在建模疲劳时使用）。另一方面当操作员接收到非目标节点的图
第三章固定场景UAV路况监测建模分析17片时，直接忽略图片的分析过程进入下一步的路径选择，以w3为例代表非目标节点直接进入下一个路径的选择。通过这种方法建模可以提高系统的性，降低操作者的工作量。图3.2操作员行为过程由于操作员的工作负载水平受很多因素影响，为了简化和减少模型的复杂性，将操作员的工作负载建模为两个级别上的统一分布:L和H。在低水平工作负载L级别上，假设操作者获得高质量的图像的准确度概率为pl(k),获得低质量图像的概率为1pl(k)，其中k是关于pl(k)的函数，并为k设定一个阈值COUNTER，当k的值大于阈值时说明操作员处理的工作量太大，操作员会出现疲劳现象，操作员的准确度会降低，因此设置疲劳折扣f描述疲劳对准确度的影响；类似的在H级别的工作负载上定义了高工作负载下获得高质量的准确度ph(k)。此外，更熟练的操作者对精度参数pl(0)和ph(0)有更高的值。如果操作员接收到的图像质量是bad，操作员会要求无人机重新发送图片;否则，操作者允许无人机飞到另一个路径点。在检查点，操作者为无人机选择下一条道路，在非监测点无人机自己选择下一条道路。无人机模型（Muav）。本文将无人机路径选择建模为MDP模型即Muav。在任何路径点或道路点，无人机可以不确定地飞到一个相邻路径点或道路点。这些非确定性的选择需要通过策略来解决，并且根据不同的道路点和路径点选择不同的策略规划路径。由于道路点w1是非监测点同时也是初始节点，因此在对飞行策略进行规划时，要求无人机在w1仅能访问一次，避免无人机在初始节点徘徊，从而节省时间提高效率，因此把w1所连接的边设置为有向边，只有出度没有入度。并且在角度选择时，分为目标节点的路径选择和非目标节点的路径选择：在目标节点时，只能选择特定的几个角度，在非目标节点时?
【参考文献】：
期刊论文
[1]基于概率模型检测的移动应用缺陷评估[J]. 张国强,殷博,朱静雯,康介恢. 计算机工程与设计. 2019(07)
[2]基于概率模型检测的机电系统动态可靠性评价[J]. 侯翌,杨培林,徐凯,刘青,樊娟妮. 中国机械工程. 2019(05)
[3]马尔科夫理论在无人系统中的研究现状[J]. 严浙平,杨泽文,王璐,岳立冬,潘晓丽. 中国舰船研究. 2018(06)
[4]一种改进的无人机路径规划环境建模方法[J]. 韩忠华,冯兴浩,吕哲,杨丽英. 信息与控制. 2018(03)
[5]基于IMM的无人机在线路径规划决策建模[J]. 杨啟明,徐建城,田海宝,吴勇. 西北工业大学学报. 2018(02)
[6]Probabilistic Model Checking-Based Survivability Analysis in Vehicle-to-Vehicle Networks[J]. Li Jin,Guoan Zhang,Jue Wang. 中国通信. 2018(01)
[7]基于Markov Decision Processes的可靠性定量分析实证研究[J]. 刘跃军,苏静. 安阳师范学院学报. 2017(05)
[8]使用模型检验自动化验证路由协议[J]. 马银雪,陈哲,黄志球,黄吴丹. 小型微型计算机系统. 2015(11)
[9]基于PRISM的分布式实时操作系统任务调度的形式化验证[J]. 霍燕燕,关永,李晓娟,王瑞,张杰,魏洪兴. 小型微型计算机系统. 2015(09)
[10]概率模型检测技术在机器人路径规划中的应用[J]. 夏春蕊,王瑞,李晓娟,关永. 计算机仿真. 2015(03)
博士论文
[1]基于概率模型检验的无人机不确定决策理论与方法研究[D]. 纪晓婷.国防科学技术大学 2016
[2]复杂随机系统模型检测方法研究[D]. 纪明宇.哈尔滨工程大学 2014
硕士论文
[1]基于概率模型检测的分布式算法验证和分析[D]. 刘来.华侨大学 2014
本文编号：3266844
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3266844.html
