19、无人机安全、注册与飞行指南

无人机安全、注册与飞行指南

1. 无人机安全风险及应对

无人机在运行过程中存在多种安全风险,需要采取相应措施来降低失控的可能性。
- 潜在风险
- 射频敏感性 :组件的射频敏感性可能会引发飞行问题,需要进行屏蔽以减少影响。
- 电子干扰 :无人机电子设备和射频可能会干扰一些屏蔽不佳的仪器。
- 振动影响 :振动效应可能会对某些仪器产生影响。
- 风险降低方法 :通过控制威胁和/或降低其发生的可能性来减少无人机操作失控的可能性,可应用威胁屏障来实现这一目标。

2. 风险分析方法

在进行无人机风险分析时,存在多种不确定性,影响着风险评估的准确性。
- 沟通困难 :定量风险评估中,以概率和严重程度形式表达的定量风险与个人对风险的定性感知存在根本差异,导致沟通困难。
- 不确定性类型
- 完整性不确定性 :在对复杂现实进行建模时引入,典型模型如故障模式与影响分析(FMEA)和故障树分析(FTA)无法完全体现实际情况的复杂性。
- 建模不确定性 :在对各种事件后果进行定量预测时尤为明显,难以提供考虑多种形状、材料等因素的数学模型,且量化人类对紧急情况的反应也存在困难。
- 参数值不确定性 :与评估中使用的值的不准确

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值