CN106060896B - 基于最小树形图的无人机编队通信拓扑的获取方法及系统 - Google Patents
基于最小树形图的无人机编队通信拓扑的获取方法及系统 Download PDFInfo
- Publication number
- CN106060896B CN106060896B CN201610384144.0A CN201610384144A CN106060896B CN 106060896 B CN106060896 B CN 106060896B CN 201610384144 A CN201610384144 A CN 201610384144A CN 106060896 B CN106060896 B CN 106060896B
- Authority
- CN
- China
- Prior art keywords
- formation
- shortest arborescence
- arborescence
- unmanned plane
- communication
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/246—Connectivity information discovery
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于最小树形图的无人机编队通信拓扑的获取方法及系统,该方法包括:根据预设编队的队形构建编队通信图;计算所述编队通信图的最小树形图;判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑。该方法根据预设编队的队形构建编队通信图,并通过计算编队通信图的最小树形图,再判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑,保证了编队保持过程中整体的通信代价最小。
Description
技术领域
本发明涉及无人机通信技术领域,尤其涉及一种基于最小树形图的无人机编队通信拓扑的获取方法及系统。
背景技术
在起飞巡航阶段,所有无人机(UAV)通常通过点对点的通信链接(communicationlinks)进行信息交互,以形成一定的编队队形(formation shape或者formationgeometry),并保持此编队队形继续朝目标区域飞行。其中所使用的通信链接被称为UAV编队的通信拓扑(communication topology)、信息交互拓扑(information exchangetopology)或者连接拓扑(connection topology),它们只是UAV之间所有可用的通信链接集合中的一部分。因为通信距离的不同,通信拓扑中的通信链接通常具有不同的通信代价并会消耗UAV相应的电池电量或燃料。此外,每架UAV可用的电池电量或燃料又是有限的。因此,如何通过优化无人机编队通信拓扑,降低UVA电池的电量或燃料的消耗成为了亟需解决的技术问题。
发明内容
针对现有技术中的缺陷,本发明提供了一种基于最小树形图的无人机编队通信拓扑的获取方法及系统,保证了编队保持过程中整体的通信代价最小。
第一方面,本发明提供了一种基于最小树形图的无人机编队通信拓扑的获取方法,包括:
根据预设编队的队形构建编队通信图;
计算所述编队通信图的最小树形图;
判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑。
可选的,所述根据判断结果,获取最优通信拓扑,包括:
在所述最小树形图的根节点所属的无人机能作为编队领航者时,将所述最小树形图作为所述最优通信拓扑。
可选的,所述根据判断结果,获取最优通信拓扑,包括:
在所述最小树形图的根节点所属的无人机不能作为编队领航者时,在所述最小树形图中选取目标节点,所述目标节点所属的无人机能作为编队领航者;
将所述最小树形图中的目标节点和所述最小树形图的根节点进行交换,获取优化后的通信拓扑。
可选的,所述根据预设编队的队形构建编队通信图,包括:
将所述预设编队中的无人机进行通信链接,构建编队通信图。
可选的,所述计算所述编队通信图的最小树形图,包括:
通过Edmonds算法计算所述编队通信图的最小树形图。
第二方面,本发明还提供了一种基于最小树形图的无人机编队通信拓扑的获取系统,包括:
编队通信图构建模块,用于根据预设编队的队形构建编队通信图;
最小树形图计算模块,用于计算所述编队通信图的最小树形图;
判断模块,用于判断所述最小树形图的根节点所属的无人机能否作为编队领航者;
获取模块,用于根据判断结果,获取最优通信拓扑。
可选的,所述获取模块,用于:
在所述最小树形图的根节点所属的无人机能够作为编队领航者时,将所述最小树形图作为所述最优通信拓扑。
可选的,所述获取模块,进一步用于:
在所述最小树形图的根节点所属的无人机不能作为编队领航者时,在所述最小树形图中选取目标节点,所述目标节点所属的无人机能作为编队领航者;
将所述最小树形图中的目标节点和所述最小树形图的根节点进行交换,获取优化后的通信拓扑。
可选的,所述编队通信图构建模块,用于:
将所述预设编队中的无人机进行通信链接,构建编队通信图。
可选的,所述最小树形图计算模块,用于:
通过Edmonds算法计算所述编队通信图的最小树形图。
由上述技术方案可知,本发明提供一种基于最小树形图的无人机编队通信拓扑的获取方法及系统,根据预设编队的队形构建编队通信图,并通过计算编队通信图的最小树形图,再判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑,保证了编队保持过程中整体的通信代价最小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的基于最小树形图的无人机编队通信拓扑的获取方法的流程示意图;
图2为本发明一实施例提供的编队飞行前的编队的队形的示意图;
图3为本发明一实施例提供的无人机编队通信拓扑示意图;
图4为现有技术中的无人机编队通信拓扑示意图;
图5为现有技术中的无人机编队通信拓扑示意图;
图6为本发明一实施例提供的基于最小树形图的无人机编队通信拓扑的获取系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一实施例提供的一种基于最小树形图的无人机编队通信拓扑的获取方法的流程示意图,如图1所示,该方法包括:
101、根据预设编队的队形构建编队通信图;
包括:将所述预设编队中的无人机进行通信链接,构建编队通信图。其中,任意两个无人机之间都有双向的通信链接,每个通信链接的通信代价由相应的通信距离决定。
102、计算所述编队通信图的最小树形图;
103、判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑。
包括:在所述最小树形图的根节点所属的无人机能作为编队领航者时,将所述最小树形图作为所述最优通信拓扑。在所述最小树形图的根节点所属的无人机不能作为编队领航者时,在所述最小树形图中选取目标节点,所述目标节点所属的无人机能作为编队领航者;将所述最小树形图中的目标节点和所述最小树形图的根节点进行交换,获取优化后的通信拓扑。
上述方法根据预设编队的队形构建编队通信图,并通过计算编队通信图的最小树形图,再判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑,保证了编队保持过程中整体的通信代价最小。
在对上述方法进行详细说明之前,首先对UAV形成和保持编队队形的编队控制方法以及编队通信拓扑进行说明。
UAV形成和保持编队队形的编队控制方法主要有四种:领航-跟随者策略(leader-follower strategy)、虚拟结构策略(virtual structure strategy)、行为策略(behavioral strategy)、一致性策略(consensus-based strategy)。其中,领航-跟随者策略最为成熟,它的基本思想是:编队中的只有一个UAV作为编队领航者(formationleader),它按照预定的编队参考航迹飞行;其余UAV作为跟随者(follower),它们直接或间接地跟随编队领航者,比如:一个UAV可能直接跟随编队领航者,也可能跟随另外一个直接或间接跟随编队领航者的UAV。如果第i个无人机UAVi直接跟随第j个无人机UAVj,UAVi称为UAVj的跟随者,UAVj称为UAVi的领航者。UAVj会每隔Tcontrol秒通过点对点的通信链接向UAVi发送自己的位置、速度和方向信息。当UAVi接收到这些信息后,将据此来调整自身的速度和方向以实现和UAVj之间保持预期的相对位置。当所有的UAV都能实现和其领航者保持预期的相对位置时,就实现了编队队形的保持。
假设n个UAV使用领航-跟随者策略来形成和保持一个编队队形S,S中的n个位置分别编号为{1,2,…,n},每个UAV可以位于S中的任意一个位置,某几个UAV但并不是所有的UAV可以作为编队领航者,每个UAV可以通过点对点通信链接和其它任意UAV进行信息交互,每个通信链接的通信代价由其相应的通信距离决定。因此,可以用一个加权有向图G=(V,E,W,P)来表示编队中UAV之间所有可用的通信链接,并简称为编队通信图:
(1)V={vi},1≤i≤n是图中的节点集合,其中vi表示第i个无人机UAVi。
(2)是图中的边集合,其中eij表示从UAVi到UAVj有一个可用的通信链接从而使得UAVi能发送信息给UAVj,即UAVi可以成为UAVj的领航者。
(3)W={w(eij)},eij∈E是图中每条边的权值集合,其中w(eij)表示eij的通信代价。
(4)P={pi},1≤i≤n是每个UAV在编队队形S的具体位置集合,简称为UAV位置配置(UAVpositionconfiguration),其中pi表示UAVi在S中的具体位置。
根据前面的描述可知,每个UAV只需要从其领航者接收信息和发送信息给其跟随者,这意味着不需要使用所有可用的通信链接就可以实现编队队形的形成和保持。因此,UAV编队的通信拓扑A=(V,E*,W*,P)是其编队通信图G=(V,E,W,P)的一个特殊子图,其中并具有如下两个特性。
定理1:基于领航-跟随者策略的UAV编队的通信拓扑A必须是其编队通信图G的一棵生成树(spanning tree),但是其编队通信图G的一棵生成树并不一定能作为其通信拓扑。
定理2:基于领航-跟随者策略的UAV编队的通信拓扑A必须是其编队通信图G的一棵生成树(spanning tree),并且其根节点所表示的UAV必须能够作为编队领航者;反之亦然。
由于编队通信图G可能有多个生成树都能够作为此UAV编队的通信拓扑,这些生成树由不同的通信链接组成从而具有不同的通信代价。令w(A)表示生成树A=(V,E*,W*,P)的通信代价,即因此,编队飞行前的初始通信拓扑优化问题就是找到编队通信图G的一棵满足如下条件的生成树:具有最小的通信代价并且其根节点代表的UAV能够作为编队领航者。本实施例将此问题建模为图论中的最小树形图(minimum costarborescence,MCA)问题,即求解一个加权有向图的最小生成树。求解MCA问题的第一个算法是Edmonds算法,其计算复杂度为O(|E|×|V|),后来Gabow等人又提出了一个针对Edmonds算法的更快的实现,其计算复杂度为O(|E|+|V|×log|V|)。
要使用Edmonds算法求解此问题,首先是构建编队通信图G=(V,E,W,P)。因为编队飞行之前每个UAV在编队队形的位置是未定的,首先假设UAVi占据编队队形中的第i个位置,即P的初始值是{1,2,…,n},然后基于给定的编队队形和P的初始值来计算W的值。
构建好编队通信图G之后,需要计算其最小树形图A=(V,E*,W*,P),其中并且根据最小树形图的特性,A只包含n-1条边并且所有边的权值之和最小。但是当A的根节点vi代表的UAV不能作为编队领航者时,A就不能作为此UAV编队的通信拓扑。幸运的是,编队飞行之前所有UAV几乎完全一样,除了部分UAV不能作为编队领航者之外。因此,当上述情况发生时,只需要找到另外一个节点vj,其代表的UAV能够成为编队领航者,然后交换vi和vj在G和A中的位置。因为上述的位置交换操作并没有改变w(A)的值,所以A仍是最优的初始通信拓扑。
下面再通过具体的实现步骤对上述方法进行详细说明:
输入:一个给定的编队队形S,其中的n个位置分别编号为{1,2,…,n};n个UAV分别编号为{UAV1,UAV2,…,UAVn},其中有部分UAV可以作为编队领航者。
输出:最优的初始通信拓扑A=(V,E*,W*,P)。
Step1.构建相应的编队通信图G=(V,E,W,P),其中P的初始值是{1,2,…,n}。
Step2.计算G的最小树形图A=(V,E*,W*,P)。
Step3.如果A的根节点vi代表的UAV可以作为编队领航者,则跳转到Step5,否则,执行步骤Step4。
Step4.找到另外一个节点vj,其代表的UAV可以作为编队领航者,然后交换vj和vi在A和G中的位置。
Step5.A是最优初始通信拓扑,其中P是最合适的UAV位置配置。
此方法的运行时间主要由Step2决定,而Step2使用了Gabow等人提出的Edmonds算法的更快实现,因此此方法的计算复杂度为O(|E|+|V|×log|V|)。和现有的初始通信拓扑优化方法相比,此方法具有如下优点:
(1)时间复杂度更低。
(2)不需要事先指定每个UAV在编队队形中的具体位置,可以为每个UAV自动选择最合适的位置。
(3)不需要事先指定某个UAV作为编队领航者,可以自动选择最合适的UAV作为编队领航者。
此方法既可以在集中式环境下使用,也可以在分布式环境使用。在前者中,地面控制中心运行此方法,然后将结果告知每个UAV。在后者中,每个UAV都运行此方法,然后得到同样的结果。一旦知道最优的初始编队拓扑,编队领航者将开始按照预定的编队参考航迹飞行,而其它UAV将开始分别跟随其领航者飞行。很快所有UAV将形成相应的编队队形,然后继续保持此编队队形并朝目标区域飞行。
下面通过举例进行说明:
假设5架UAV需要形成并保持一个如图2所示的楔形队形,其中的所有位置分别编号为{1,2,3,4,5},它们都在同一个高度上,它们之间的距离在图2中标识了出来。此外,只有UAV1、UAV2和UAV4可以作为编队领航者。
基于此方法,首先令初始的UAV位置配置为P={1,2,3,4,5},然后构建相应的编队通信图G=(V,E,W,P)并计算其最小树形图A如图3所示,其总的通信代价为2271。因为UAV1可以作为编队领航者,因此A是最优的初始通信拓扑,P是最合适的UAV位置配置。对比地,现有技术得到的最优的初始通信拓扑如图4所示,但其总的通信代价更高(3674),而且其计算复杂度也更高(O(|V|2))。或者现有技术得到的最优的初始通信拓扑如图5所示,虽然其总的通信代价和本方法得到的结果一样,而且其计算复杂度更高(O((|V|-1)3/2+(|V|-1)))。
图6还示出了一种基于最小树形图的无人机编队通信拓扑的优化系统的结构示意图,如图6所示,该系统包括:
编队通信图构建模块61,用于根据预设编队的队形构建编队通信图;
最小树形图计算模块62,用于计算所述编队通信图的最小树形图;
判断模块63,用于判断所述最小树形图的根节点所属的无人机能否作为编队领航者;
获取模块64,用于根据判断结果,获取最优通信拓扑。
在本实施例的一个优选的实施方式中,所述获取模块,用于:
在所述最小树形图的根节点所属的无人机能够作为编队领航者时,将所述最小树形图作为所述最优通信拓扑。
在本实施例的一个优选的实施方式中,所述获取模块,进一步用于:
在所述最小树形图的根节点所属的无人机不能作为编队领航者时,在所述最小树形图中选取目标节点,所述目标节点所属的无人机能作为编队领航者;
将所述最小树形图中的目标节点和所述最小树形图的根节点进行交换,获取优化后的通信拓扑。
在本实施例的一个优选的实施方式中,所述编队通信图构建模块,用于:
将所述预设编队中的无人机进行通信链接,构建编队通信图。
在本实施例的一个优选的实施方式中,所述最小树形图计算模块,用于:
通过Edmonds算法计算所述编队通信图的最小树形图。
需要说明的是,上述系统与上述方法是一一对应的关系,上述方法的实施细节同样适用于上述系统,本实施例不再对上述系统进行详细说明。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在于该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种浏览器终端的设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种基于最小树形图的无人机编队通信拓扑的获取方法,其特征在于,包括:
根据预设编队的队形构建编队通信图;
计算所述编队通信图的最小树形图;
判断所述最小树形图的根节点所属的无人机能否作为编队领航者,根据判断结果,获取最优通信拓扑:
当在所述最小树形图的根节点所属的无人机能作为编队领航者时,将所述最小树形图作为所述最优通信拓扑;
当在所述最小树形图的根节点所属的无人机不能作为编队领航者时,在所述最小树形图中选取目标节点,所述目标节点所属的无人机能作为编队领航者;将所述最小树形图中的目标节点和所述最小树形图的根节点进行交换,获取优化后的通信拓扑。
2.根据权利要求1所述的方法,其特征在于,所述根据预设编队的队形构建编队通信图,包括:
将所述预设编队中的无人机进行通信链接,构建编队通信图。
3.根据权利要求1所述的方法,其特征在于,所述计算所述编队通信图的最小树形图,包括:
通过Edmonds算法计算所述编队通信图的最小树形图。
4.一种基于最小树形图的无人机编队通信拓扑的获取系统,其特征在于,包括:
编队通信图构建模块,用于根据预设编队的队形构建编队通信图;
最小树形图计算模块,用于计算所述编队通信图的最小树形图;
判断模块,用于判断所述最小树形图的根节点所属的无人机能否作为编队领航者;
获取模块,用于根据判断结果,获取最优通信拓扑,当在所述最小树形图的根节点所属的无人机能够作为编队领航者时,将所述最小树形图作为所述最优通信拓扑;当在所述最小树形图的根节点所属的无人机不能作为编队领航者时,在所述最小树形图中选取目标节点,所述目标节点所属的无人机能作为编队领航者;将所述最小树形图中的目标节点和所述最小树形图的根节点进行交换,获取优化后的通信拓扑。
5.根据权利要求4所述的系统,其特征在于,所述编队通信图构建模块,用于:
将所述预设编队中的无人机进行通信链接,构建编队通信图。
6.根据权利要求4所述的系统,其特征在于,所述最小树形图计算模块,用于:
通过Edmonds算法计算所述编队通信图的最小树形图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610384144.0A CN106060896B (zh) | 2016-05-27 | 2016-05-27 | 基于最小树形图的无人机编队通信拓扑的获取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610384144.0A CN106060896B (zh) | 2016-05-27 | 2016-05-27 | 基于最小树形图的无人机编队通信拓扑的获取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106060896A CN106060896A (zh) | 2016-10-26 |
CN106060896B true CN106060896B (zh) | 2017-05-03 |
Family
ID=57172677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610384144.0A Active CN106060896B (zh) | 2016-05-27 | 2016-05-27 | 基于最小树形图的无人机编队通信拓扑的获取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106060896B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970645B (zh) * | 2017-05-16 | 2018-02-02 | 合肥工业大学 | 多无人机协同编队最优信息交互拓扑生成方法及装置 |
CN107094314A (zh) * | 2017-05-27 | 2017-08-25 | 合肥工业大学 | 多无人机协同编队中的最优通信拓扑生成方法及装置 |
CN107797564A (zh) * | 2017-07-04 | 2018-03-13 | 合肥工业大学 | 多无人机协同编队中信息交互拓扑启发式优化方法及装置 |
CN110286694B (zh) * | 2019-08-05 | 2022-08-02 | 重庆邮电大学 | 一种多领导者的无人机编队协同控制方法 |
CN112362061A (zh) * | 2020-10-21 | 2021-02-12 | 一飞(海南)科技有限公司 | 集群无人机路径指派方法、控制系统、存储介质及无人机 |
CN112752229B (zh) * | 2020-12-28 | 2022-06-03 | 上海汽车集团股份有限公司 | 一种车队多跳通信方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631141A (zh) * | 2013-12-11 | 2014-03-12 | 北京航空航天大学 | 一种基于透光性假说的飞行器密集自主编队控制方法 |
CN103941728A (zh) * | 2014-04-24 | 2014-07-23 | 北京航空航天大学 | 一种无人机密集自主编队的队形变换方法 |
CN104407619A (zh) * | 2014-11-05 | 2015-03-11 | 沈阳航空航天大学 | 不确定环境下的多无人机同时到达多个目标方法 |
CN105353766A (zh) * | 2015-11-10 | 2016-02-24 | 合肥工业大学 | 一种多无人机编队结构的分布式容错管理方法 |
-
2016
- 2016-05-27 CN CN201610384144.0A patent/CN106060896B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631141A (zh) * | 2013-12-11 | 2014-03-12 | 北京航空航天大学 | 一种基于透光性假说的飞行器密集自主编队控制方法 |
CN103941728A (zh) * | 2014-04-24 | 2014-07-23 | 北京航空航天大学 | 一种无人机密集自主编队的队形变换方法 |
CN104407619A (zh) * | 2014-11-05 | 2015-03-11 | 沈阳航空航天大学 | 不确定环境下的多无人机同时到达多个目标方法 |
CN105353766A (zh) * | 2015-11-10 | 2016-02-24 | 合肥工业大学 | 一种多无人机编队结构的分布式容错管理方法 |
Non-Patent Citations (2)
Title |
---|
基于MAS的无人机编队飞行智能优化控制;宗令蓓等;《航空学报》;20080925(第05期);第1326-1333页 * |
无人机自主编队飞行控制的技术问题;刘小雄等;《电光与控制》;20061231;第13卷(第6期);第28-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106060896A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106060896B (zh) | 基于最小树形图的无人机编队通信拓扑的获取方法及系统 | |
CN106970645B (zh) | 多无人机协同编队最优信息交互拓扑生成方法及装置 | |
CN106909171A (zh) | 无人‑有人机编队最优通信拓扑生成方法及装置 | |
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN107389079A (zh) | 高精度路径规划方法和系统 | |
CN107094314A (zh) | 多无人机协同编队中的最优通信拓扑生成方法及装置 | |
CN111104732A (zh) | 一种基于深度强化学习的机动通信网智能规划方法 | |
CN104391907B (zh) | 一种可变解析度的快速路径搜寻方法 | |
CN108040008B (zh) | 在线服务功能链的跨域部署方法 | |
CN105634974A (zh) | 软件定义网络中的路由确定方法和装置 | |
CN106817306B (zh) | 一种确定目标路由的方法及装置 | |
CN109506654A (zh) | 低空航路规划方法及装置、飞行器 | |
CN105052092B (zh) | 在包含虚拟网络设备的网络环境中优化路径的方法、网络设备和计算机可读介质 | |
CN103716250B (zh) | 面向负载均衡的ip网络弹性路由层优化方法 | |
CN113159459B (zh) | 基于融合算法的多林区航线调度规划方法 | |
CN104092609A (zh) | 一种IP over WDM网络构建方法及装置 | |
CN101330417A (zh) | 一种求网络最短路径的商空间覆盖模型及其构建方法 | |
CN102506886A (zh) | 导航设备中实现路径规划的方法 | |
CN108122048A (zh) | 一种运输路径调度方法及其系统 | |
CN104464382B (zh) | 航空网络级联效应的调控方法及装置 | |
CN108009061A (zh) | 一种改变复杂网络中节点控制类别的方法 | |
CN111862591A (zh) | 路况预测方法、装置及存储介质 | |
CN117371760B (zh) | 考虑截止时间和拥塞缓解的分层式客船人员应急疏散方法 | |
CN104468387B (zh) | 可扩展路由器中ospf链路状态信息的分布式存储方法 | |
CN109445462A (zh) | 一种非确定环境下的无人机鲁棒路径规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |