论文部分内容阅读
在侦察型无人机监督控制系统中,操作员在智能化系统的帮助下完成目标识别任务。在执行任务的过程中,操作员需要处理的图像信息是海量的。这些回传图像并不是都含有有用信息。而且操作员长时间的观察无人机实时回传的图像信息会使操作员的工作负担显著增加。操作员自主代理能够对回传图像信息进行预处理,并能辅助操作员执行任务来减轻操作员的工作负担。因此,设计一个操作员自主代理对单个操作员监督控制多架侦察型无人机具有十分重要的意义。 本文对侦察型无人机监督控制中的操作员自主代理技术进行了研究,主要完成的工作以及创新点为: (1)对操作员自主代理进行详细的设计。分别对自主代理所处理的含疑似目标图像信息和自主代理所服务的操作员进行建模与分析。其中,含疑似目标的图像信息模型不仅与图像中所包含的疑似目标种类、数量有关,还与操作员当前关注的目标有关。操作员的工作负担随着工作时间的增加而不断增加,同时态势感知能力在不断降低,任务处理时间也在增加。在理解操作员自主代理的输入输出后,对操作员自主代理各模块进行了详细设计。操作员自主代理由四部分组成:信息分类与存储模块,任务调度模块,任务时间分配模块和人机交互模块。 (2)对含疑似目标的图像信息进行分类存储。图像信息分类是根据图像信息中所包含的疑似目标种类而确定的。含疑似目标图像的相关信息包括目标经纬度,目标选中框的像素点坐标,图像拍摄时间,所拍摄无人机编号等。将这些相关信息存储于数据库表格中,方便对数据进行管理。 (3)在不确定任务执行时间的情况下,提出了基于操作员关注目标的启发式调度算法。基于操作员所关注的疑似目标,为数据库中包含操作员关注目标的图像信息赋予动态的任务权重。操作员处理各图像信息的任务处理时间与操作员当前的态势感知能力以及任务的难易程度有关。任务处理时间是不确定的,但是可以确定上下界。针对不确定的任务执行时间和动态权值,提出了基于操作员关注目标的启发式调度算法U1。该算法能够将任务权重大且处理时间短的图像信息优先推荐给操作员执行。 (4)提出了基于卡尔曼滤波算法的眼部运动分类算法。对人的眼部运动进行分析建模。操作员的眼部运动可以看做是速度为常速度的运动与加速度为高斯白噪声的运动的叠加。基于眼动仪的测量方程以及眼部运动模型,应用卡尔曼滤波算法提出眼部运动分类算法。其中眼部运动可以分为三类:注视,移视和扫视。通过实验验证了该算法能够准确的分辨操作员的眼部运动类型。 (5)提出了基于动态规划的最优任务时间分配算法。本文在考虑操作员模型的基础上,为操作员处理的图像信息进行建模,通过动态规划算法求得最优的任务时间分配解。该算法在考虑操作员决策正确率的情况下为图形信息分配一定的任务处理时间并休息一段时间来处理下一个任务,以保证操作员的工作负担维持在一个理想的区间。 (6)在理解侦察型无人机监督控制系统结构的情况下,搭建了多侦察型无人机监督控制仿真环境。