隨著智能技術(shù)的快速發(fā)展,無人機、無人車、智能機器人等在危險的區(qū)域能夠很好地完成任務(wù),由于無人技術(shù)節(jié)約了人力物力,并且把人從危險的任務(wù)中解放出來,因此無人技術(shù)成為了研究的熱門話題。但是,盡管無人技術(shù)自主能力不斷提升,始終要求“人在回路”監(jiān)控,仍然是“平臺無人,系統(tǒng)有人”。因此無人機在復(fù)雜環(huán)境執(zhí)行任務(wù)時,需要操作員的協(xié)助決策下一步的路徑選擇。由于在復(fù)雜的任務(wù)場景中,不同的路徑選擇和操作員在工作負載和疲勞度等方面的特征對完成任務(wù)的效率會造成重大影響,因此,本文以無人機執(zhí)行路況監(jiān)測任務(wù)為例,通過對不同的場景進行分析,對馬爾科夫決策過程進行擴展,建立相應(yīng)MDP（馬爾科夫決策過程模型）模型,并利用PRISM形式化建模工具對UAV移動模型的路徑選擇和操作員特征進行定量分析驗證。本文所做的貢獻包含如下幾方面:（1）研究了固定場景無人駕駛飛行器與操作員進行交互時路徑的不確定性問題,以及操作員特征對無人機任務(wù)性能影響的問題,以無人駕駛飛行器對路網(wǎng)監(jiān)視的場景為例進行研究,提出了操作員在圖像處理過程中把監(jiān)測點和非監(jiān)測點分兩種情況進行處理的方法和規(guī)避危險區(qū)域的策略。采用PRISM工具對無人駕駛飛行器目標監(jiān)測場景... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文總體安排第一章：緒論部分

第三章固定場景UAV路況監(jiān)測建模分析16第三章固定場景UAV路況監(jiān)測建模分析以文獻[28]中的固定路況監(jiān)測場景為研究實例，對人與UAV交互時路況的優(yōu)化選擇與操作員過程進行建模研究，提出PMCULA算法。通過人與無人機交互時考慮到操作員熟練度、工作負載、疲勞度等的性能特征對無人機完成任務(wù)的影響進行改進并建模分析，并對多目標屬性進行驗證，從中找出最佳的任務(wù)規(guī)劃，對路徑重新規(guī)劃，進行避障建模并進行形式化驗證。其路況監(jiān)測場景圖如圖3.1所示。3.1系統(tǒng)建模分析圖3.1路況場景圖（1）操作者模型（Mop）。本文構(gòu)建一個DTMC模型記為Mop，來描述操作員的可能行為。在操作者模型中分兩方面進行分析，如圖3.2操作者行為過程所示。一方面是操作者在目標節(jié)點的模型片段以模型中目標節(jié)點w2的一個片段為例，顯示了操作者在目標節(jié)點的處理圖像的過程。在圖像處理過程中有一個非負整數(shù)變量k，計算從任務(wù)開始以來操作員執(zhí)行的傳感器任務(wù)的數(shù)量，更新“k”表示k增加1的值。在模型中使用k的目的是測量操作者的疲勞程度。為了獲得一個有限狀態(tài)模型，讓k的值在達到某一閾值COUNTER時停止增長（這個常數(shù)將在建模疲勞時使用）。另一方面當操作員接收到非目標節(jié)點的圖

第三章固定場景UAV路況監(jiān)測建模分析17片時，直接忽略圖片的分析過程進入下一步的路徑選擇，以w3為例代表非目標節(jié)點直接進入下一個路徑的選擇。通過這種方法建模可以提高系統(tǒng)的性，降低操作者的工作量。圖3.2操作員行為過程由于操作員的工作負載水平受很多因素影響，為了簡化和減少模型的復(fù)雜性，將操作員的工作負載建模為兩個級別上的統(tǒng)一分布:L和H。在低水平工作負載L級別上，假設(shè)操作者獲得高質(zhì)量的圖像的準確度概率為pl(k),獲得低質(zhì)量圖像的概率為1pl(k)，其中k是關(guān)于pl(k)的函數(shù)，并為k設(shè)定一個閾值COUNTER，當k的值大于閾值時說明操作員處理的工作量太大，操作員會出現(xiàn)疲勞現(xiàn)象，操作員的準確度會降低，因此設(shè)置疲勞折扣f描述疲勞對準確度的影響；類似的在H級別的工作負載上定義了高工作負載下獲得高質(zhì)量的準確度ph(k)。此外，更熟練的操作者對精度參數(shù)pl(0)和ph(0)有更高的值。如果操作員接收到的圖像質(zhì)量是bad，操作員會要求無人機重新發(fā)送圖片;否則，操作者允許無人機飛到另一個路徑點。在檢查點，操作者為無人機選擇下一條道路，在非監(jiān)測點無人機自己選擇下一條道路。無人機模型（Muav）。本文將無人機路徑選擇建模為MDP模型即Muav。在任何路徑點或道路點，無人機可以不確定地飛到一個相鄰路徑點或道路點。這些非確定性的選擇需要通過策略來解決，并且根據(jù)不同的道路點和路徑點選擇不同的策略規(guī)劃路徑。由于道路點w1是非監(jiān)測點同時也是初始節(jié)點，因此在對飛行策略進行規(guī)劃時，要求無人機在w1僅能訪問一次，避免無人機在初始節(jié)點徘徊，從而節(jié)省時間提高效率，因此把w1所連接的邊設(shè)置為有向邊，只有出度沒有入度。并且在角度選擇時，分為目標節(jié)點的路徑選擇和非目標節(jié)點的路徑選擇：在目標節(jié)點時，只能選擇特定的幾個角度，在非目標節(jié)點時?

【參考文獻】：
期刊論文
[1]基于概率模型檢測的移動應(yīng)用缺陷評估[J]. 張國強,殷博,朱靜雯,康介恢.  計算機工程與設(shè)計. 2019(07)
[2]基于概率模型檢測的機電系統(tǒng)動態(tài)可靠性評價[J]. 侯翌,楊培林,徐凱,劉青,樊娟妮.  中國機械工程. 2019(05)
[3]馬爾科夫理論在無人系統(tǒng)中的研究現(xiàn)狀[J]. 嚴浙平,楊澤文,王璐,岳立冬,潘曉麗.  中國艦船研究. 2018(06)
[4]一種改進的無人機路徑規(guī)劃環(huán)境建模方法[J]. 韓忠華,馮興浩,呂哲,楊麗英.  信息與控制. 2018(03)
[5]基于IMM的無人機在線路徑規(guī)劃決策建模[J]. 楊啟明,徐建城,田海寶,吳勇.  西北工業(yè)大學(xué)學(xué)報. 2018(02)
[6]Probabilistic Model Checking-Based Survivability Analysis in Vehicle-to-Vehicle Networks[J]. Li Jin,Guoan Zhang,Jue Wang.  中國通信. 2018(01)
[7]基于Markov Decision Processes的可靠性定量分析實證研究[J]. 劉躍軍,蘇靜.  安陽師范學(xué)院學(xué)報. 2017(05)
[8]使用模型檢驗自動化驗證路由協(xié)議[J]. 馬銀雪,陳哲,黃志球,黃吳丹.  小型微型計算機系統(tǒng). 2015(11)
[9]基于PRISM的分布式實時操作系統(tǒng)任務(wù)調(diào)度的形式化驗證[J]. 霍燕燕,關(guān)永,李曉娟,王瑞,張杰,魏洪興.  小型微型計算機系統(tǒng). 2015(09)
[10]概率模型檢測技術(shù)在機器人路徑規(guī)劃中的應(yīng)用[J]. 夏春蕊,王瑞,李曉娟,關(guān)永.  計算機仿真. 2015(03)

博士論文
[1]基于概率模型檢驗的無人機不確定決策理論與方法研究[D]. 紀曉婷.國防科學(xué)技術(shù)大學(xué) 2016
[2]復(fù)雜隨機系統(tǒng)模型檢測方法研究[D]. 紀明宇.哈爾濱工程大學(xué) 2014

碩士論文
[1]基于概率模型檢測的分布式算法驗證和分析[D]. 劉來.華僑大學(xué) 2014



本文編號：3266844