基于Transformer模型的四旋翼无人机时空协同航迹预测方法设计

无人机在执行任务时面临的飞行环境复杂多变,为了减少事故的风险,并在飞行时对异常情况进行预测和响应,研究一种基于Transformer模型的四旋翼无人机时空协同航迹预测方法;采集四旋翼无人机原始航迹,实施异常点剔除和缺失点插值处理,以优化和清理原始航迹数据,便于后续的航迹预测;使用卷积神经网络实施特征进行数据提取,通过编码和解码过程获取学习数据低维,结合深度学习和表示学习方法完成数据降维;基于Transformer模型实现无人机时空协同航迹的精准预测,通过数据异常点剔除与插值补缺,对采集的四旋翼无人机原始航迹数据实施预处理,提高数据的质量和完整性;实验测试结果表明,设计方法的预测结果虽然相对于真实的坐标点稍有偏差,然而整体结果在可接受范围内,验证集所有数据的均方误差在数据条数为300时仅为0.32 m,拟合优度指标测试结果最接近1,具有良好的航迹预测能力;该方法可以更好地优化无人机的航迹规划,实现多无人机之间的时空协同航迹规划,避免碰撞和冲突,并优化飞行效率。