CN112437502A - 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 - Google Patents
基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 Download PDFInfo
- Publication number
- CN112437502A CN112437502A CN202011254523.0A CN202011254523A CN112437502A CN 112437502 A CN112437502 A CN 112437502A CN 202011254523 A CN202011254523 A CN 202011254523A CN 112437502 A CN112437502 A CN 112437502A
- Authority
- CN
- China
- Prior art keywords
- cluster
- unmanned aerial
- aerial vehicle
- information interaction
- task
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000002910 structure generation Methods 0.000 title claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 90
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 72
- 238000004891 communication Methods 0.000 claims description 151
- 230000015572 biosynthetic process Effects 0.000 claims description 24
- 241000764238 Isis Species 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多任务无人机集群信息交互的分层分簇的网络拓扑结构生成方法,包括有:确定无人机簇集合以及每个簇群的位置矩阵的步骤;构建每个簇群的簇内信息交互的网络拓扑结构的步骤;构建簇间信息交互的网络拓扑结构的步骤。本发明方法利用分层分簇结构对无人机集群进行自组织,采用在不同的簇群里面执行不同任务的方式,解决了无人机集群规模受限且信息交互只面向单一任务的问题。在多任务无人机集群信息交互的SCH拓扑中簇内采用集中式控制,以簇首为根计算一棵最小生成树来构建任意一个独立簇的网络拓扑结构并以此完成各个独立簇内的信息交互,簇与簇之间引入空间交互引力模型来构建簇间网络拓扑结构并以此完成无人机簇群间的信息交互。
Description
技术领域
本发明涉及网络拓扑结构生成方法,更特别地说,是指一种依据多任务无人机集群信息交互来生成的分层分簇网络拓扑结构,生成的分层分簇网络拓扑结构简称为SCH拓扑。
背景技术
随着无人机技术的不断发展,无人机(Unmanned Aerial Vehicle,UAV)进行自主协同执行任务的应用日益增长,集群规模不断增大,任务多样性增加,集群内部无人机之间信息交换更为频繁。无人机机载电力资源有限,可通过去除通信网络拓扑中的一部分冗余链路以提高无人机的续航能力,在此基础上为保证无人机完成任务的效率和成功率,需要设计合理的网络拓扑结构进行无人机编队信息交互,因此需要对无人机编队信息交互生成的网络拓扑结构进行进一步地研究。
目前,无人机集群信息交互的网络拓扑结构生成主要是面向队形保持场景,缺乏对无人机集群面向多种任务的考虑,同时对于大规模无人机集群信息交互的网络拓扑结构的研究相对较少。因此,面向多任务大规模无人机集群信息交互的网络拓扑结构的生成成为了亟需解决的技术问题。
发明内容
为了解决现有无人机集群信息交互生成的网络拓扑结构只是面向队形保持且集群规模受限的不足,本发明提出了一种基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法。本发明方法利用分层分簇结构对无人机集群进行自组织,采用在不同的簇群里面执行不同任务的方式,解决了无人机集群规模受限且信息交互只面向单一任务的问题。在无人机集群信息交互的SCH拓扑中簇内采用集中式控制,簇首即为该簇簇成员的领航者,根据领航-跟随者编队控制方法下,无人机集群信息交互的SCH拓扑是通信网络拓扑的一棵生成树,以此构建任意一个独立簇的网络拓扑结构并以此完成各个独立簇内的信息交互,簇与簇之间引入空间交互引力模型来构建簇间网络拓扑结构并以此完成无人机簇群间的信息交互。
本发明提出的一种基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法,其特征在于包括有下列步骤:
步骤一:确定无人机簇集合以及每个簇群的位置矩阵;
步骤101,随机选取编队队形中任意一架无人机UAVj作为编队参考点;
对编队队形中的无人机集合记为MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN};
记录下所述MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中各个无人机的位置(x,y,z),x为横轴,y为纵轴,z为竖轴,即飞行高度;
步骤102,执行相同任务的多个无人机为同一簇;
执行的任务集合记为TASK={task1,task2,…,taskb,…,taskl,…,taskB};
簇群集合记为MC,且MC={C1,C2,…,Ci,…,Ck,…,CM},其中:
将MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中的无人机依据执行相同任务为同一簇进行分簇MC={C1,C2,…,Ci,…,Ck,…,CM},分别获得:
步骤103,构建每一个簇的位置矩阵;
步骤104,从每一个簇中选取出簇首,并记录下所有簇首的位置;
步骤二:构建每个簇群的簇内信息交互的网络拓扑结构;
步骤201,记录每个簇群中无人机之间的状态信息;
步骤202,计算每个簇群通信网络拓扑的最小生成树;
步骤三:构建簇间信息交互的网络拓扑结构;
步骤301,记录每个簇群所执行任务的任务高度;
根据层次任务模型,确定每个簇群执行任务的任务高度,记为值。所有簇群MC={C1,C2,…,Ci,…,Ck,…,CM}执行完成所有任务TASK={task1,task2,…,taskb,…,taskl,…,taskB}后,得到了任务高度矩阵,记为H_TASK,且
步骤302,计算簇首无人机之间的交互引力矩阵;
步骤303,构建簇首与簇首之间的簇间通信网络拓扑;
在本发明中,任意一个簇首无人机记录着一个三元组无人机状态信息,称为簇间通信网络拓扑,记为AECH,且AECH={CH_MC,hopCH,NSCH};
步骤304,计算簇间通信网络拓扑的最小生成树;
在本发明中,利用Kruskal算法计算通信网络拓扑AECH的最小生成树,称为簇间信息交互拓扑,记为TECH,且TECH={CH_MC,linCH,WECH};
信息交互拓扑TECH的总通信代价记为COSTCH,且COSTCH为矩阵WECH中的所有元素之和。
步骤四:生成多任务无人机集群信息交互的网络拓扑结构;
步骤401,合并簇内与簇间信息交互拓扑;
将各个簇群的簇内信息交互拓扑与簇间信息交互拓扑进行合并,得到多任务无人机集群的信息交互拓扑,记为MTE,且MTE={MUAV,Mlin,MWE};
步骤402,计算多任务无人机集群信息交互拓扑的总通信代价;
本发明基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法的优点在于:
①本发明将无人机集群按照执行任务的不同分为不同的簇群,一个簇群执行一项任务,从而构建多任务无人机集群信息交互的分层分簇网络拓扑结构。应用SCH拓扑提高了无人机集群以信息交互执行多样性任务的适应性。
②采用本发明的SCH拓扑,使得簇内、簇间采用不同的信息交互方式,簇内采用集中式控制以节约能量且易于保证群体一致性;簇间采用空间交互引力模型引入交互引力,考虑了任务之间的相关性,提高了任务执行的性能。
③本发明采用分层分簇网络模型,适应于大规模无人机集群的信息交互拓扑生成,具有规模的可伸缩性。
④本发明由于引入了分层分簇网络模型,采用分布式计算分别构建簇内、簇间信息交互拓扑,将一个大规模编队问题分解为若干小规模编队问题,提高了计算效率。
附图说明
图1是本发明基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成流程图。
图2是本发明依据执行任务生成的无人机集群信息交互的网络拓扑结构图。
图3是无人机集群中各个无人机的空间位置分布图。
图4是本发明层次任务模型的结构框图。
图5是经本发明方法处理后的多任务无人机集群信息交互的网络拓扑结构图。
具体实施方式
下面将结合附图和实施例对本发明做进一步的详细说明。
作者:李振,李峭,熊华钢,于2015年3月第46卷(总第159期)发表的《基于使命任务分解的航空电子跨平台通信组织与仿真》,在“2使命任务分解”章节中公开了使命任务的功能流程框图。针对给定的使命任务,梳理使命任务执行流程,按总体设计需求将流程中各阶段划分为各任务片段,并以方框表示。采用有向箭头连接方框,以表示片段之间的时序依赖关系。
作者:王荣巍,何锋,周璇,鲁俊,李二帅,于2019年09月04日发表的《面向无人机蜂群的航电云多层任务调度模型》,在“2.1任务模型”章节中公开了采用功能流程框图对无人机蜂群作战内容分层分段、建立使命组、使命、任务与子任务的层次任务模型,并定义各任务层资源需求关系。
在本发明中,依据《基于使命任务分解的航空电子跨平台通信组织与仿真》和《面向无人机蜂群的航电云多层任务调度模型》来定义了,多个任务采用从左至右的时序依赖执行过程进行任务层级数划分,得到任务量化值。为了方便说明,所述任务量化值记为H值。
在本发明中,编队队形中的所有无人机采用集合形式表达为无人机集合,记为MUAV,且MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN},其中:UAV1表示第一架无人机;UAV2表示第二架无人机;UAVj表示任意一架无人机;下角标j表示无人机的标识号;为了方便说明,UAVa表示另一架任意无人机;下角标j与a表示不同的无人机;UAVN表示最后一架无人机,下角标N表示无人机的总数。
在本发明中,记录下所述MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中各个无人机的位置(x,y,z),x为横轴,y为纵轴,z为竖轴,即飞行高度。
在本发明中,簇群集合记为MC,且MC={C1,C2,…,Ci,…,Ck,…,CM},其中:C1表示第一个簇群;第一个簇群C1的簇首,记为简称为第一个簇首C2表示第二个簇群;第二个簇群C2簇首,记为简称为第二个簇首Ci表示任意一个簇群;下角标i表示簇群的标识号;任意一个簇群Ci的簇首,记为简称为任意一个簇首为了方便说明,Ck表示另一个任意簇群,下角标k与i表示不同的簇群;为簇群Ck的簇首,简称为另一个任意簇首CM表示最后一个簇群,下角标M表示簇群的总数;最后一个簇群CM的簇首,记为简称为最后一个簇首
在本发明中,归属于任意一个簇群Ci的无人机,记为Ci_MUAV,且 表示属于簇群Ci的第一架无人机。表示属于簇群Ci的第二架无人机;表示属于簇群Ci的任意一架无人机;表示属于簇群Ci的另一架任意无人机;表示属于簇群Ci的最后一架无人机。
在本发明中,编队队形中的所有无人机需要执行的所有任务采用集合形式表达为任务集合,记为TASK,且TASK={task1,task2,…,taskb,…,taskl,…,taskB},其中:task1表示第一种任务类型;task2表示第二种任务类型;taskb表示任意一种任务类型;下角标b表示任务类型的标识号;为了方便说明,taskl表示另一种任意任务类型;下角标l与b表示不同的任务类型;taskB表示最后一种任务类型;下角标B表示任务类型的总数。
在本发明中,由于无人机集群MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中不同的无人机节点具备不同的属性和功能,因此采用SCH拓扑(即分层分簇网络拓扑结构)对MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}进行自组织组网。其中,采用执行任务进行分簇,即将无人机节点分为簇首节点和簇成员节点的不同独立簇群,在此基础上所有的簇首节点组成了上层网络(即),所有簇成员节点组成了下层网络,因此上层网络与下层网络形成了无人机集群的分层分簇结构,如图2所示。
参见图1所示,本发明提出的是一种基于多任务无人机集群信息交互的网络拓扑结构生成方法,包括有下列步骤:
步骤一:确定无人机簇集合以及每个簇群的位置矩阵;
步骤101,随机选取编队队形中任意一架无人机UAVj作为编队参考点;
记录下所述MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中各个无人机的位置(x,y,z),x为横轴,y为纵轴,z为竖轴,即飞行高度;在本发明中,飞行高度是指无人机相距地心的距离。
任意一架无人机UAVj的位置记为UAVj(x,y,z),x为无人机UAVj的横轴坐标值,y为无人机UAVj的纵轴坐标值,z为无人机UAVj的竖轴坐标值,即飞行高度。
步骤102,执行相同任务的多个无人机为同一簇;
在本发明中,执行的任务有TASK={task1,task2,…,taskb,…,taskl,…,taskB}。
在本发明中,对编队队形中的无人机集合MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中的无人机依据执行相同任务为同一簇进行分簇MC={C1,C2,…,Ci,…,Ck,…,CM},分别获得:
第一个簇群 表示属于第一个簇群C1的第一架无人机;表示属于第一个簇群C1的第二架无人机;表示属于第一个簇群C1的任意一架无人机;表示属于第一个簇群C1的另一架任意无人机;表示属于第一个簇群C1的最后一架无人机。
第二个簇群 表示属于第二个簇群C2的第一架无人机;表示属于第二个簇群C2的第二架无人机;表示属于第二个簇群C2的任意一架无人机;表示属于第二个簇群C2的另一架任意无人机;表示属于第二个簇群C2的最后一架无人机。
任意一个簇群 表示属于任意一个簇群Ci的第一架无人机;表示属于任意一个簇群Ci的第二架无人机;表示属于任意一个簇群Ci的任意一架无人机;表示属于任意一个簇群Ci的另一架任意无人机;表示属于任意一个簇群Ci的最后一架无人机。
另一个任意簇群 表示属于另一个任意簇群Ck的第一架无人机;表示属于另一个任意簇群Ck的第二架无人机;表示属于另一个任意簇群Ck的任意一架无人机;表示属于另一个任意簇群Ck的另一架任意无人机;表示属于另一个任意簇群Ck的最后一架无人机。
最后一个簇群 表示属于最后一个簇群CM的第一架无人机;表示属于最后一个簇群CM的第二架无人机;表示属于最后一个簇群CM的任意一架无人机;表示属于最后一个簇群CM的另一架任意无人机;表示属于最后一个簇群CM的最后一架无人机。
步骤103,构建每一个簇的位置矩阵;
步骤104,从每一个簇中选取出簇首,并记录下所有簇首的位置;
步骤二:构建每个簇群的簇内信息交互的网络拓扑结构;
Ci_MUAV表示任意一个簇群;
步骤201,记录每个簇群中无人机之间的状态信息;
步骤202,计算每个簇群通信网络拓扑的最小生成树;
Ci_MUAV表示任意一个簇群;
步骤三:构建簇间信息交互的网络拓扑结构;
步骤301,记录每个簇群所执行任务的任务高度;
根据层次任务模型,确定每个簇群执行任务的任务高度,记为值。所有簇群MC={C1,C2,…,Ci,…,Ck,…,CM}执行完成所有任务TASK={task1,task2,…,taskb,…,taskl,…,taskB}后,得到了任务高度矩阵,记为H_TASK,且
在本发明中,为了清楚说明每个簇群执行的不同任务,而得到的任务高度。例如:对于第一个簇群C1执行的任务是taskb时,则任务高度记为第二个簇群C2的任务高度记为表示簇群C2执行任务task2;任意一个簇群Ci的任务高度记为表示簇群Ci执行任务task1;另一个任意簇群Ck的任务高度记为表示簇群Ck执行任务taskl;最后一个簇群CM的任务高度记为表示簇群CM执行任务taskB。得到了任务高度矩阵,记为H_TASK,且
步骤302,计算簇首无人机之间的交互引力矩阵;
在本发明中,为了避免分母为“0”,增加“1”,是考虑到任意两个簇群执行任务的任务高度之差可能存在是“0”的情况。
步骤303,构建簇首与簇首之间的簇间通信网络拓扑;
在本发明中,任意一个簇首无人机记录着一个三元组无人机状态信息,称为簇间通信网络拓扑,记为AECH,且AECH={CH_MC,hopCH,NSCH};CH_MC表示簇首集合;hopCH表示属于CH_MC中无人机通信网络拓扑的通信链路;NSCH表示属于CH_MC中无人机通信网络拓扑的通信链路的通信代价,用簇首之间交互引力的倒数表示。
步骤304,计算簇间通信网络拓扑的最小生成树;
在本发明中,利用Kruskal算法计算通信网络拓扑AECH的最小生成树,称为簇间信息交互拓扑,记为TECH,且TECH={CH_MC,linCH,WECH};CH_MC表示簇首集合;linCH表示属于CH_MC中无人机信息交互拓扑的通信链路;WECH表示属于CH_MC中无人机信息交互拓扑的通信链路的通信代价,用簇首之间交互引力的倒数表示。
信息交互拓扑TECH的总通信代价记为COSTCH,且COSTCH为矩阵WECH中的所有元素之和。
步骤四:生成多任务无人机集群信息交互的网络拓扑结构;
步骤401,合并簇内与簇间信息交互拓扑;
将各个簇群的簇内信息交互拓扑与簇间信息交互拓扑进行合并,得到多任务无人机集群的信息交互拓扑,记为MTE,且MTE={MUAV,Mlin,MWE};MUAV表示无人机集合;Mlin表示属于MUAV中无人机信息交互拓扑的通信链路,且UE表示属于MUAV中无人机信息交互拓扑的通信链路的通信代价,且
步骤402,计算多任务无人机集群信息交互拓扑的总通信代价;
下面进一步列举实施例以详细说明本发明。同样应理解,以下实施例只用于对本发明进行进一步说明,不能理解为对本发明保护范围的限制,本领域的技术人员根据本发明的上述内容作出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体的工艺参数等也仅是合适范围中的一个示例,即本领域技术人员可以通过本文的说明做合适的范围内选择,而并非要限定于下文示例的具体数值。
实施例1
(B)选取编队参考点,编号为20的无人机UAV20作为编队参考点,赋值后编队参考点UAV20的位置为UAV20(0,0,0)。
(C)任务,任务包括有目标侦测、信息融合、综合导航、火力攻击和搜索锁定。
(D)所有无人机依据执行相同任务分为同一个簇。
负责目标侦测任务的簇记为C1、负责信息融合任务的簇记为C2、负责综合导航任务的簇记为C3、负责火力攻击任务的簇记为C4、负责搜索锁定任务的簇记为C5。
属于C1的无人机有UAV1,UAV2,UAV3,UAV4,称为第一个簇群属于C2的无人机有UAV5,UAV6,UAV7,UAV8,称为第二个簇群属于C3的无人机有UAV9,UAV10,UAV11,UAV12,UAV13,称为第三个簇群属于C4的无人机有UAV14,UAV15,UAV16,UAV17称为第四个簇群属于C5的无人机有UAV18,UAV19,UAV20,UAV21,UAV22,称为第五个簇群
在实施例1中,相对编队参考点UAV20的位置UAV20(0,0,0)的其他无人机的相对位置记录在表1中:
表1其他无人机与编队参考点无人机的相对位置:
在实施例1中,相对位置利用了空间中的笛卡儿直角坐标系的横轴(OX轴)、纵轴(OY轴)及竖轴(OZ轴),所述竖轴(OZ轴)为无人机飞行高度,并对每个坐标平面内的点应用卦限进行赋值取正负。对于每个无人机的位置分布如图3所示。
参见图1所示,一种基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法包括有下列步骤:
步骤一:确定无人机簇集合以及每个簇群的位置矩阵;
步骤101,选取编队参考点;
任意选取一个无人机作为编队参考点,记为UAV参考;在实施例中,以UAV20作为编队参考点,即UAV参考等于UAV20;
步骤102,执行相同任务的多个无人机为同一簇;
属于C1的无人机有UAV1,UAV2,UAV3,UAV4。
属于C2的无人机有UAV5,UAV6,UAV7,UAV8。
属于C3的无人机有UAV9,UAV10,UAV11,UAV12,UAV13。
属于C4的无人机有UAV14,UAV15,UAV16,UAV17。
属于C5的无人机有UAV18,UAV19,UAV20,UAV21,UAV22。
步骤103,构建每一个簇的位置矩阵;
在本发明中,位置矩阵中的距离是以空间中两点的距离计算得到。
步骤104,从每一个簇中选取出簇首,并记录下所有簇首的位置;
将每一个簇中的第一个无人机作为该簇的簇首,记录下簇首的位置,所有簇首的位置构成了簇首位置矩阵。
步骤二:构建每个簇群的簇内信息交互的网络拓扑结构;
Ci_MUAV表示任意一个簇群;
步骤201,记录每个簇群中无人机之间的状态信息;
步骤202,计算每个簇群通信网络拓扑的最小生成树;
在实施例1中,利用Kruskal算法计算通信网络拓扑的最小生成树,称为簇群的信息交互拓扑,记为且Ci_MUAV表示任意一个簇群;表示属于Ci_MUAV中无人机信息交互拓扑的通信链路;表示属于Ci_MUAV中无人机信息交互拓扑的通信链路的通信代价,用通信链路的长度表示。
步骤三:构建簇间信息交互的网络拓扑结构;
步骤301,记录每个簇群所执行任务的任务高度;
参见图4所示,根据层次任务模型,确定每个任务的任务高度。在本发明中依据《基于使命任务分解的航空电子跨平台通信组织与仿真》和《面向无人机蜂群的航电云多层任务调度模型》来定义了,多个任务采用从左至右的时序依赖执行过程进行任务层级数划分,得到任务量化值,记为任务高度值
步骤302,计算簇首无人机之间的交互引力矩阵;
根据步骤301得到任务高度矩阵,记为H_TASK,且H_TASK=[1,2,3,3,1];
记录5个簇群的规模矩阵,记为NMC,且NMC=[4,4,5,4,5];
步骤303,构建簇首与簇首之间的簇间通信网络拓扑;
在本发明中,任意一个簇首无人机记录着一个三元组无人机状态信息,称为簇间通信网络拓扑,记为AECH,且AECH={CH_MC,hopCH,NSCH};
CH_MC表示簇首集合;
hopCH表示属于CH_MC中无人机通信网络拓扑的通信链路;
NSCH表示属于CH_MC中无人机通信网络拓扑的通信链路的通信代价,用簇首之间交互引力的倒数表示。则
步骤304,计算簇间通信网络拓扑的最小生成树;
在本发明中,利用Kruskal算法计算通信网络拓扑AECH的最小生成树,称为簇间信息交互拓扑,记为TECH,且TECH={CH_MC,linCH,WECH};
CH_MC表示簇首集合;
linCH表示属于CH_MC中无人机信息交互拓扑的通信链路;
WECH表示属于CH_MC中无人机信息交互拓扑的通信链路的通信代价,用簇首之间交互引力的倒数表示。
信息交互拓扑TECH的总通信代价记为COSTCH,且COSTCH为矩阵WECH中的所有元素之和,则COSTCH=173.7395。
步骤四:生成多任务无人机集群信息交互的网络拓扑结构;
步骤401,合并簇内与簇间信息交互拓扑;
将各个簇群的簇内信息交互拓扑与簇间信息交互拓扑合并,得到多任务无人机集群的信息交互拓扑,记为MTE,且MTE={MUAV,Mlin,MWE}。在图5中,虚线代表了簇间信息交互拓扑,实线代表了簇内信息交互拓扑,存在有通信链路的无人机之间进行双向的信息通信。
MUAV表示无人机集合;
步骤402,计算多任务无人机集群信息交互拓扑的总通信代价;
本发明提出了一种基于多任务无人机集群信息交互的分层分簇网络拓扑结构(SCH拓扑)生成方法,所要解决的是如何在保证多任务无人机集群信息交互拓扑的总通信代价最小的前提下,构建多任务无人机集群信息交互的SCH拓扑的技术问题,该SCH拓扑生成方法通过用通信链路长度衡量簇内通信链路的通信代价、用交互引力的倒数衡量簇间通信链路的通信代价,分别构建簇内、簇间通信网络拓扑结构;然后分别计算簇内、簇间信息交互拓扑,利用的是分布式解决问题的技术手段,从而实现整个无人机集群信息交互拓扑的构建,获得在保证信息交互拓扑总通信代价最小的前提下构建多任务无人机集群信息交互拓扑的技术效果。
Claims (3)
1.一种基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法,其特征在于包括有下列步骤:
步骤一:确定无人机簇集合以及每个簇群的位置矩阵;
步骤101,随机选取编队队形中任意一架无人机UAVj作为编队参考点;
对编队队形中的无人机集合记为MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN};
UAV1表示第一架无人机;
UAV2表示第二架无人机;
UAVj表示任意一架无人机;下角标j表示无人机的标识号;
UAVa表示另一架任意无人机;下角标j与a表示不同的无人机;
UAVN表示最后一架无人机,下角标N表示无人机的总数;
记录下所述MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中各个无人机的位置(x,y,z),x为横轴,y为纵轴,z为竖轴,即飞行高度;
步骤102,执行相同任务的多个无人机为同一簇;
执行的任务集合记为TASK={task1,task2,…,taskb,…,taskl,…,taskB};
task1表示第一种任务类型;
task2表示第二种任务类型;
taskb表示任意一种任务类型;下角标b表示任务类型的标识号;为了方便说明,taskl表示另一种任意任务类型;下角标l与b表示不同的任务类型;
taskB表示最后一种任务类型;下角标B表示任务类型的总数;
簇群集合记为MC,且MC={C1,C2,…,Ci,…,Ck,…,CM},其中:
将MUAV={UAV1,UAV2,…,UAVa,…,UAVj,…,UAVN}中的无人机依据执行相同任务为同一簇进行分簇MC={C1,C2,…,Ci,…,Ck,…,CM},分别获得:
步骤103,构建每一个簇的位置矩阵;
步骤104,从每一个簇中选取出簇首,并记录下所有簇首的位置;
步骤二:构建每个簇群的簇内信息交互的网络拓扑结构;
Ci_MUAV表示任意一个簇群;
步骤201,记录每个簇群中无人机之间的状态信息;
步骤202,计算每个簇群通信网络拓扑的最小生成树;
Ci_MUAV表示任意一个簇群;
步骤三:构建簇间信息交互的网络拓扑结构;
步骤301,记录每个簇群所执行任务的任务高度;
根据层次任务模型,确定每个簇群执行任务的任务高度,记为值;所有簇群MC={C1,C2,…,Ci,…,Ck,…,CM}执行完成所有任务TASK={task1,task2,…,taskb,…,taskl,…,taskB}后,得到了任务高度矩阵,记为H_TASK,且
步骤302,计算簇首无人机之间的交互引力矩阵;
步骤303,构建簇首与簇首之间的簇间通信网络拓扑;
在本发明中,任意一个簇首无人机记录着一个三元组无人机状态信息,称为簇间通信网络拓扑,记为AECH,且AECH={CH_MC,hopCH,NSCH};
CH_MC表示簇首集合;
hopCH表示属于CH_MC中无人机通信网络拓扑的通信链路;
NSCH表示属于CH_MC中无人机通信网络拓扑的通信链路的通信代价,用簇首之间交互引力的倒数表示;
步骤304,计算簇间通信网络拓扑的最小生成树;
在本发明中,利用Kruskal算法计算通信网络拓扑AECH的最小生成树,称为簇间信息交互拓扑,记为TECH,且TECH={CH_MC,linCH,WECH};
CH_MC表示簇首集合;
linCH表示属于CH_MC中无人机信息交互拓扑的通信链路;
WECH表示属于CH_MC中无人机信息交互拓扑的通信链路的通信代价,用簇首之间交互引力的倒数表示;
信息交互拓扑TECH的总通信代价记为COSTCH,且COSTCH为矩阵WECH中的所有元素之和;
步骤四:生成多任务无人机集群信息交互的网络拓扑结构;
步骤401,合并簇内与簇间信息交互拓扑;
将各个簇群的簇内信息交互拓扑与簇间信息交互拓扑进行合并,得到多任务无人机集群的信息交互拓扑,记为MTE,且MTE={MUAV,Mlin,MWE};
MUAV表示无人机集合;
步骤402,计算多任务无人机集群信息交互拓扑的总通信代价;
2.根据权利要求1所述的基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法,其特征在于:通过计算通信网络拓扑的最小生成树构建信息交互拓扑。
3.根据权利要求1所述的基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法,其特征在于:簇间和簇内的信息交互构成了分层分簇网络拓扑结构,即SCH拓扑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011254523.0A CN112437502B (zh) | 2020-11-11 | 2020-11-11 | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011254523.0A CN112437502B (zh) | 2020-11-11 | 2020-11-11 | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112437502A true CN112437502A (zh) | 2021-03-02 |
CN112437502B CN112437502B (zh) | 2021-09-17 |
Family
ID=74700399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011254523.0A Active CN112437502B (zh) | 2020-11-11 | 2020-11-11 | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112437502B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359838A (zh) * | 2021-06-25 | 2021-09-07 | 中国人民解放***箭军工程大学 | 一种多uav协同飞行控制***及方法 |
CN113630838A (zh) * | 2021-07-15 | 2021-11-09 | 天津(滨海)人工智能军民融合创新中心 | 基于类异构蜂窝网络的立体空间蜂群组网架构构建方法 |
CN115657730A (zh) * | 2022-12-27 | 2023-01-31 | 北京航空航天大学 | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 |
CN116437372A (zh) * | 2023-06-13 | 2023-07-14 | 四川腾盾科技有限公司 | 一种任意任务构型无约束随机重组的群拓扑控制方法 |
CN117272638A (zh) * | 2023-09-20 | 2023-12-22 | 南京航空航天大学 | 一种基于分层有向图的飞行器故障实时定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826251A (zh) * | 2013-12-17 | 2014-05-28 | 西北工业大学 | 移动元素与分簇混合的传感器网络数据收集方法 |
CN103945425A (zh) * | 2013-01-23 | 2014-07-23 | 中国科学院声学研究所 | 一种无线传感器网络中的拓扑优化方法及节点 |
US20190086938A1 (en) * | 2015-07-27 | 2019-03-21 | Genghiscomm Holdings, LLC | Airborne Relays in Cooperative-MIMO Systems |
CN109819495A (zh) * | 2019-03-15 | 2019-05-28 | 北京科技大学 | 一种集群无人机自组网分簇方法 |
CN111193536A (zh) * | 2019-12-11 | 2020-05-22 | 西北工业大学 | 一种多无人机基站轨迹优化和功率分配方法 |
-
2020
- 2020-11-11 CN CN202011254523.0A patent/CN112437502B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945425A (zh) * | 2013-01-23 | 2014-07-23 | 中国科学院声学研究所 | 一种无线传感器网络中的拓扑优化方法及节点 |
CN103826251A (zh) * | 2013-12-17 | 2014-05-28 | 西北工业大学 | 移动元素与分簇混合的传感器网络数据收集方法 |
US20190086938A1 (en) * | 2015-07-27 | 2019-03-21 | Genghiscomm Holdings, LLC | Airborne Relays in Cooperative-MIMO Systems |
CN109819495A (zh) * | 2019-03-15 | 2019-05-28 | 北京科技大学 | 一种集群无人机自组网分簇方法 |
CN111193536A (zh) * | 2019-12-11 | 2020-05-22 | 西北工业大学 | 一种多无人机基站轨迹优化和功率分配方法 |
Non-Patent Citations (1)
Title |
---|
董文奇等: ""大规模UAV编队信息交互拓扑的分级"", 《航空学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359838A (zh) * | 2021-06-25 | 2021-09-07 | 中国人民解放***箭军工程大学 | 一种多uav协同飞行控制***及方法 |
CN113630838A (zh) * | 2021-07-15 | 2021-11-09 | 天津(滨海)人工智能军民融合创新中心 | 基于类异构蜂窝网络的立体空间蜂群组网架构构建方法 |
CN113630838B (zh) * | 2021-07-15 | 2023-02-21 | 天津(滨海)人工智能军民融合创新中心 | 基于类异构蜂窝网络的立体空间蜂群组网架构构建方法 |
CN115657730A (zh) * | 2022-12-27 | 2023-01-31 | 北京航空航天大学 | 一种大规模多旋翼无人机鲁棒分簇编队控制方法 |
CN116437372A (zh) * | 2023-06-13 | 2023-07-14 | 四川腾盾科技有限公司 | 一种任意任务构型无约束随机重组的群拓扑控制方法 |
CN116437372B (zh) * | 2023-06-13 | 2023-08-29 | 四川腾盾科技有限公司 | 一种任意任务构型无约束随机重组的群拓扑控制方法 |
CN117272638A (zh) * | 2023-09-20 | 2023-12-22 | 南京航空航天大学 | 一种基于分层有向图的飞行器故障实时定位方法 |
CN117272638B (zh) * | 2023-09-20 | 2024-04-02 | 南京航空航天大学 | 一种基于分层有向图的飞行器故障实时定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112437502B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112437502B (zh) | 基于多任务无人机集群信息交互的分层分簇网络拓扑结构生成方法 | |
CN109613931A (zh) | 基于生物社会力的异构无人机集群目标跟踪***及方法 | |
Wu et al. | Multi UAV cluster control method based on virtual core in improved artificial potential field | |
CN110347181B (zh) | 基于能耗的无人机分布式编队控制方法 | |
CN113316118A (zh) | 基于任务认知的无人机集群网络自组织***及方法 | |
CN109917811A (zh) | 一种无人机集群协同避障-重构处理方法 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN107632614A (zh) | 一种基于刚性图理论的多无人机编队自组织协同控制方法 | |
CN110032209A (zh) | 一种多无人机任务区集结分布式控制方法 | |
CN113660681B (zh) | 一种应用于无人机集群辅助传输的多智能体资源优化方法 | |
CN114610066A (zh) | 复杂未知环境下分布式集群无人机编队飞行轨迹生成方法 | |
CN109597839B (zh) | 一种基于航电作战态势的数据挖掘方法 | |
CN111399537B (zh) | 一种基于航路点的分布式无人机动态编队切换方法 | |
CN113887134A (zh) | 一种大规模轻量级的无人集群试验仿真平台及工作方法 | |
CN113485409A (zh) | 一种面向地理公平性的无人机路径规划分配方法及*** | |
CN114518772B (zh) | 一种拒止环境下无人机蜂群自组织方法 | |
CN110849350A (zh) | 一种三维航迹规划空间的构建方法 | |
CN114355985A (zh) | 无人机集群的路径规划方法、装置、控制器及存储介质 | |
CN113934228B (zh) | 基于协商共识的集群四旋翼无人机任务规划方法 | |
CN112698637B (zh) | 一种多任务蜂群的协同资源调度方法 | |
CN115981375B (zh) | 基于事件触发机制的多无人机时变编队控制器设计方法 | |
Zhu et al. | Demonstration and verification system for UAV formation control | |
CN115826614A (zh) | 一种多无人机能源保障任务分配方法 | |
CN113203417B (zh) | 基于头脑风暴优化算法的无人机巡检路径规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |