CN119408775A 一种用于阵列式发射无人机集群发射系统及发射方法 （浙江大学湖州研究院） - 副本

南太湖新区科技创新综合体B1、B2幢一种用于阵列式发射无人机集群发射系统了一种用于阵列式发射无人机集群发射系统及装置将无人机发射升空，进入悬停模式开始任2步骤3：对无人机进行在位检测以确定所有无人机是否被正确安装在发射器的发射筒步骤5：启动所述各个发射器的俯仰机构至俯仰角度等于90o，若所述俯仰角度达到度等于90o；步骤7：对所述各个无人机的飞控系统和/或电子步骤10：解除所述各个待发射的无人机的保险，并进接收由环境温度传感器采集的环境温度的时间队对所述环境温度的时间队列和所述电池放电温度的时间队列进行时序分析以得到环境温度时序关联隐含编码向量和电池放电温度时序关联基于所述环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向如果所述辅助决策结果为开启电池自热功能，则弹出所境温度的时间队列和所述电池放电温度的时间队列进行时序分析以得到环境温度时序关将所述环境温度的时间队列和所述电池放电温度的时间队列输入基于RNN_LSTM混合模型的序列编码器以得到所述环境温度时序关联隐含编码向量和所述电池放电温度时序3环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量之间的时序对所述环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量将所述环境温度电池放电温度时序细粒度交互编码向量输入基于分类器的电池辅助境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量进行细粒度时基于外部知识，对所述环境温度时序关联隐含编码向量和所述电池隐含编码向量进行特征调制优化以得到优化后的环境温度时序关联隐含编码向量和优化对所述优化后的环境温度时序关联隐含编码向量和所述优化后的电池放电温度时序进行特征调制优化以得到优化后的环境温度时序关联隐含编码向量和优化后的电池放电将所述环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量将所述环境温度电池放电温度时序交互特征矩阵输入基于外部知识的注意力单元以基于所述外部知识优化环境温度一电池放电温度时序交互特征矩阵时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量分别进行特征注意力优化以得到所述优化后的环境温度时序关联隐含编码向量和所述优化后的电池放电温度编码向量和所述电池放电温度时序关联隐含编码向量分别进行特征注意力优化以得到所述优化后的环境温度时序关联隐含编码向量和所述优化后的电池放电温度时序关联隐含对所述环境温度时序关联隐含编码向量进行线性变换以得到第一查询特征向量和第构的细粒度调制模块以得到所述优化后的环境温度时序对所述电池放电温度时序关联隐含编码向量进行线性变换以得到第二查询特征向量4键矩阵，将所述第二查询特征向量、所述第二值特征向量和所述键矩阵输入所述基于Transformer结构的细粒度调制模块以得到所述优化后的电池放电温度时序关联隐含编码化后的环境温度时序关联隐含编码向量和所述优化后的电池放电温度时序关联隐含编码计算所述优化后的环境温度时序关联隐含编码向量和所述优化后的电池放电温度时境温度电池放电温度时序细粒度交互编码向量输入基于分类器的电池辅助管理模块以得使用所述电池辅助管理模块的全连接层对所述环境温度一电池互编码向量进行全连接编码以得到环境温度一电池放电温度时序交互全连接编码特征向将所述环境温度电池放电温度时序交互全连接编码特征向量输入所述电池辅助管理模块的Softmax分类函数以得到所述环境温度一电池放电温度时序细粒度交互编码向量归将所述概率值中最大者对应的分类标签确定为所述辅助无人机数据接收模块，用于接收由环境温度传感器采集的环境温度温度数据时序分析模块，用于对所述环境温度的时间队列和所队列进行时序分析以得到环境温度时序关联隐含编码向量和电池放电温度时序关联隐含5步骤3：对无人机进行在位检测以确定所有无人机是否被正确安装在发射器的发角度等于90°;6步骤7：对所述各个无人机的飞控系统和/或电子调速器进行自检以得到自检结时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量之间的时序关联交互无人机数据接收模块，用于接收由环境温度传感器采集的环境温度的时间队列，时间队列进行时序分析以得到环境温度时序关联隐含编码向量和电池放电温度时序关联[0009]与现有技术相比，本申请提供的用于阵列式发射无人机集群发射系统及发射方7[0010]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、[0012]图2为根据本申请实施例的用于阵列式发射无人机集群发射方法中步骤S11的流[0013]图3为根据本申请实施例的用于阵列式发射无人机集群发射方法中步骤S11的数[0014]图4为根据本申请实施例的用于阵列式发射无人机集群发射方法中步骤S130的流[0015]图5为根据本申请实施例的用于阵列式发射无人机集群发射方法中步骤S131的流[0018]图8为根据本申请实施例的用于阵列式发射无人机集群发射系统的无人机上电方8[0023]具体地，图1为根据本申请实施例的用于阵列式发射无人机集群发射方法的流程9[0030]图2为根据本申请实施例的用于阵列式发射无人机集群发射方法中步骤S11的流述环境温度的时间队列和所述电池放电温度的时间队列进行时序分析以得到环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量之间的时序关联交互特的时间队列和所述电池放电温度的时间队列进行时序分析以得到环境温度时序关联隐含S120，包括：将所述环境温度的时间队列和所述电池放电温度的时间队列输入基于RNN_LSTM混合模型的序列编码器以得到所述环境温度时序关联隐含编码向量和所述电池放电度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量之间的时序关联交所述对所述环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量将所述环境温度电池放电温度时序细粒度交互编码向量输入基于分类器的电池辅助管理度时序关联隐含编码向量的时序交互分析过程中引入了外部知识，如电池的物理化学原[0036]图5为根据本申请实施例的用于阵列式发射无人机集群发射方法中步骤S131的流含编码向量和所述电池放电温度时序关联隐含编码向量进行特征调制优化以得到优化后的环境温度时序关联隐含编码向量和优化后的电池放电温度时序关联隐含编码向量；S1312，对所述优化后的环境温度时序关联隐含编码向量和所述优化后的电池放电温度时时序关联隐含编码向量进行细粒度特征交互，以此来从微观层面理解两者之间的关联性，[0041]其中，Mr和M,表示所述基于外部知识的注意力单元的可学习记忆参数矩阵，环境温度电池放电温度时序交互特征矩阵进行加权，从而有效识别和强化环境温度与电环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量分别进行特征注意力优化以得到所述优化后的环境温度时序关联隐含编码向量和所述优化后的电池阵作为键矩阵，将所述第一查询特征向量、所述第一值特征向量和所述键矩阵输入基于Transformer结构的细粒度调制模块以得到所述优化后的环境温度时序关联隐含编码向矩阵，将所述第二查询特征向量、所述第二值特征向量和所述键矩阵输入所述基于Transformer结构的细粒度调制模块以得到所述优化后的电池放电温度时序关联隐含编码[0051]这里，利用Transformer结构的注意力机制来实现所述环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量的特征内部以及外部知识之间的信息码向量和所述优化后的电池放电温度时序关联隐含编码向量之间的按位置点除以得到所环境温度电池放电温度时序细粒度交互编码向量进行全连接编码以得到环境温度电池编码特征向量输入所述电池辅助管理模块的Softmax分类函数以得到所述环境温度一电池[0057]在上述用于阵列式发射无人机集群发射方法中，所述步骤S14[0072]在本申请的一个实施例中，所述筒射折叠无人机1位于集群发温度的时间队列和所述电池放电温度的时间队列进行时序分析以得到环境温度时序关联所述环境温度时序关联隐含编码向量和所述电池放电温度时序关联隐含编码向量之间的各个模块的具体