CN119294538A 一种基于模糊逻辑与规则引擎的无人船多模态感知与决策支持方法和系统 （中科南京人工智能创新研究院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119294538A(43)申请公布日2025.01.10

(21)申请号202411807451.6

(22)申请日2024.12.10

GO6F17/16(2006.01)

(71)申请人中科南京人工智能创新研究院

地址211135江苏省南京市江宁区创研路

266号麒麟人工智能产业园3号楼3楼

(72)发明人何川张琳张玲玲

(74)专利代理机构北京中先生知识产权代理事务所(普通合伙)16063

专利代理师吴会敏

(51)Int.CI.

GO6N5/048(2023.01)

GO6N3/092(2023.01)

GO6F18/232(2023.01)

GO6F18/213(2023.01)

GO6F18/25(2023.01)

权利要求书3页说明书13页附图3页

(54)发明名称

步速S1,从多个传感器中获取原始传感器数据，将原始传感器数据进行标准化处理，得到标准化传

步速S1,从多个传感器中获取原始传感器数据，将原始传感器数据进行标准化处理，得到标准化传

步骤S2、将融合数据映射至特征空间，得到环境特征数据；基于环境特征数据，计算得到特征间的

相关性数据；基于环境特征数据和相关性数据，计算得到环境成胁度数据；

步骤S3、基于环境特征数据和环境咸胁度数据，对特征空间进行分区，得到模糊分区数据；基于模

褐分区数据，生成初始规则数据；对初始规则数据进行优化，得到忧化规则数据；

步豫S4、基于优化规则数据，构建模糊推理系统，得到模糊控制输出数据；基于优化规则数据，生成规则引擎输出数据；基于模糊控制输出数据和规则引擎输出数据，进行加权组合，得到协同决策数据

;对协同决策数据进行优化，得到优化决策数据；

步骤S5、基于环境威胁度数据和优化决策数据，进行多层级风险评估，得到风险等级数据；基于风

险等级数据，生成层级决策数据；对层级决策数据进行评估和优化，得到最终决策指令。

(57)摘要

119294538ACN本发明公开了一种基于模糊逻辑与规则引擎的无人船多模态感知与决策支持方法和系统，包括获取多源传感器数据并进行标准化处理，基于信息熵计算动态权重系数进行数据融合；将融合数据映射至特征空间并分析特征相关性，评估环境威胁度；对特征空间进行模糊分区并生成初始规则，通过信息增益优化规则集；构建模糊推理系统并与规则引擎协同运行，优化协同决策参数；进行多层级风险评估并生成层级决策，通过强化学习优化决策指令。本发明通过多模态数据自适应融合和模糊逻辑与规则引擎的协同决策，提高了无人船在复杂海况环境下的感知准确性

119294538A

CN

CN119294538A权利要求书1/3页

2

1.一种基于模糊逻辑与规则引擎的无人船多模态感知与决策支持方法，其特征在于，包括如下步骤：

S1、从多个传感器中获取原始传感器数据，将原始传感器数据进行标准化处理，得到标准化传感器数据；基于标准化传感器数据，计算得到各传感器数据的信息熵值；基于信息熵值，计算各传感器的动态权重系数；基于动态权重系数和标准化传感器数据，进行加权融合处理，得到融合数据；

S2、将融合数据映射至特征空间，得到环境特征数据；基于环境特征数据，计算得到特征间的相关性数据；基于环境特征数据和相关性数据，计算得到环境威胁度数据；

S3、基于环境特征数据和环境威胁度数据，对特征空间进行分区，得到模糊分区数据；基于模糊分区数据，生成初始规则数据；对初始规则数据进行优化，得到优化规则数据；

S4、基于优化规则数据，构建模糊推理系统，得到模糊控制输出数据；基于优化规则数据，生成规则引擎输出数据；基于模糊控制输出数据和规则引擎输出数据，进行加权组合，得到协同决策数据；对协同决策数据进行优化，得到优化决策数据；

S5、基于环境威胁度数据和优化决策数据，进行多层级风险评估，得到风险等级数据；基于风险等级数据，生成层级决策数据；对层级决策数据进行评估和优化，得到最终决策指令。

2.根据权利要求1所述的基于模糊逻辑与规则引擎的无人船多模态感知与决策支持方法，其特征在于，步骤S1进一步为：

S11、从多个传感器中获取包括声纳数据、雷达数据和光学数据的原始传感器数据，将原始传感器数据减去预存储的对应传感器历史数据的最小值，再除以对应传感器历史数据的极差与修正参数