CN108710382B - 一种基于分簇算法的智能监测无人机控制系统 - Google Patents
一种基于分簇算法的智能监测无人机控制系统 Download PDFInfo
- Publication number
- CN108710382B CN108710382B CN201810456017.6A CN201810456017A CN108710382B CN 108710382 B CN108710382 B CN 108710382B CN 201810456017 A CN201810456017 A CN 201810456017A CN 108710382 B CN108710382 B CN 108710382B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- node
- cluster
- cluster head
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000004891 communication Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 16
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 115
- 238000002360 preparation method Methods 0.000 claims description 30
- 230000033001 locomotion Effects 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009833 condensation Methods 0.000 claims description 2
- 230000005494 condensation Effects 0.000 claims description 2
- 230000006855 networking Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 description 10
- 238000005755 formation reaction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于分簇算法的智能监测无人机控制系统,包括若干飞行状态的无人机和一个地面控制台;每个无人机上均安装有控制模块,各个无人机形成各个无人机节点,各控制模块之间相互通讯连接;这种网络布局方式提供了一种动态的基于不同距离不同位置的即时分簇方法,为无人机网络的大规模采集、建立协同自治模型的研究提供了一个专业的、共享的、高性能的组网方式。
Description
技术领域
本发明属于无人机监测领域,尤其涉及一种基于分簇算法的智能监测无人机控制系统。
背景技术
目前传统的分簇算法大多是根据设定的概率选择簇头,并且簇头实行周期轮换,形成相同大小的簇或者使用固定簇半径的分簇协议,协议通过两次参数选择簇头,并实行多跳通信的机制。这两种分簇协议都会造成基站附近的节点能量消耗多余其他节点,即WSN网络中的“热点”问题。在无人机技术中热点问题成为无人机监测网络续航能力的一大阻碍。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种节约网络能耗、快速响应、大范围监测的一种基于分簇算法的智能监测无人机控制系统。
技术方案:为实现上述目的,本发明的一种基于分簇算法的智能监测无人机控制系统,包括若干飞行状态的无人机和一个地面控制台;每个无人机上均安装有控制模块,各个无人机形成各个无人机节点,各控制模块之间相互通讯连接。
进一步的,在每个控制模块内设置一个变量H,H表示本无人机与地面控制台的距离;在系统初始化时每个无人机先检测自身与地面控制台的距离,并以此为决定分簇的基础;
首先H值较小的节点优先成为预备簇头,然后每个预备簇头在本身通信范围内进行侦听,若没有收到其他通信范围内预备簇头的广播信息,则发送宣布自己成为簇头的广播,同时对自己进行簇的编号,并接收其他无人机作为簇的成员;
设置门限值switch_H,无人机的运动距离表示为ΔH;ΔH的值大于门限值switch_H 时,算法启动对于此节点的重新分簇,让其加入新的簇中,或者直接成为簇头;
在无人机移动后,相对位置发生改变,原本的分簇将不适用与网络中的无人机节点分布,此时进行无人机的重新分簇。
进一步的,所述无人机节点包括监测无人机节点和路由无人机节点;A监测无人机节点,B为处于无人机监测范围内的目标,C路由无人机节点;每个监测无人机节点拥有固定的监测范围半径Rc和通信半径Rd;路由无人机节点只拥有固定的通信半径Rd;监测无人机节点A发现目标B后,将信息传送至通信范围内的路由无人机节点C;无人机节点在同一时间内只能加入一个簇中,在工作周期中可以随时脱离当前簇加入其他的簇中;每一个无人机节点都有自身的目标捕捉区域,可相互重叠,互不影响;
控制模块硬件结构由供电模块,与无人机的交互模块,射频识别模块,处理模块以及存储模块构成;其中射频识别模块负责控制模块之间的相互通信,用于构成网络;无人机的交互模块则负责与所搭载的无人机之间的信息交互,向无人机发送位置信息;
进一步的,每个无人机节点的工作周期可分为三部分,t1表示决定簇头阶段,t2表示加入分簇的判决阶段,t3表示分簇完成后的正常工作阶段;三个阶段合起来为一个工作周期;
无人机在t1阶段通过H值来判定自身是否成为预备簇头节点,若是则在本身通信范围内进行侦听,若没有收到其他通信范围内预备簇头的广播信息,则发送宣布自己成为簇头的广播;否则直接进入t2阶段,此阶段对无人机本工作循环加入某个分簇进行判决,在t3阶段根据阶段2的输出来选择工作的簇;
首先在系统初始化之后,通过地面控制台向区域中的所有节点广播一条信息,中心节点以足够大的功率发送,以保证覆盖到网络中的所有无人机,根据RSSI计算公式,网络中的无人机以此确定与地面控制台的距离H;这里设定当无人机节点的H值小于节点通信半径Rd时,此无人机将成为预备簇头节点;
设定t时刻Ni节点与地面控制台的距离表示为H(i,t),每个监测无人机节点的通信范围为Rd;无人机节点Ni可根据下式来判断自己是否成为预备簇头节点;
当确定无人机Ni为预备簇头节点后,开始向周围发送簇头标识信号indentifcation,周边无人机在接收到此信号后将加入此分簇;若此时节点Ni并没有受到其他无人机所发送的标识信号,则自动成为簇头节点,若收到标识信号,则对比两个发送信号的无人机的H值,较小的节点成为簇头节点,另一个则加入此分簇;
设定t时刻预备簇头Ni是否成为簇头节点的标识为cluster head(i,t),通过下式可以判断无人机Ni是否成为了簇头节点。
当簇头判决完成后,网络中可以直接收到簇头节点广播的簇头标识信号indentifcation的无人机可以直接加入此分簇中,同时转发此簇头标识信号indentifcation,使其通信范围内的其他无人机也可以加入到这一分簇中
由于无人机处于运动中,因此分簇也不是一成不变的,在簇头节点的运动距离ΔH的值大于门限值switch_H时,网络进行簇重构;为了节省成簇时各种广播交换信息的能量消耗,只在初始准备阶段,所有节点采用预备簇头的成簇方式,在以后的簇重构周期中,都采用定时机制;这里设定d(Ni,Nj)为节点Ni与Nj间的距离。
将无人机节点感知范围内的邻居节点个数,表示为:
Ni.D={Ni|Nj∈V,d(Ni,Nj)≤Ni(R)}
其中V为所有监测节点的集合,若d(Ni,Nj)这个距离小于等于节点的竞争半径,即节点所能广播通信到的范围,则将此节点记为邻居节点,并累加为节点度;
每个无人机根据公式计算出自己的定时时间,若在时间内收到了其他无人机的簇头标识消息,就直接加入该簇,若没有收到,则确定自己为簇头并在通信范围内广播自己成为簇头的消息;到达最大竞争时间后,所有无人机根据收到的簇头广播消息加入响应的簇中,网络的簇重构完成;
设定定时时间公式为:
其中,α+β+γ=1,为各参数的权重调节系数,k为一个调节系数,设为(0.9, 1)之间的一个随机数,为了减少节点间传递簇头标识消息时,时间冲突的可能性;TCH0 为设定的最大竞争时间,H0为节点与中心节点的初始距离,H(Ni)为节点当前与中心节点的距离,Ni.D为节点的节点度,n为节点的总个数Ni(R)为节点的竞争半径;
这里采用定时机制,可以节省每轮簇重构时的的能量消耗,并且提高网络的效率。影响定时时间设定主要有三个参数,当无人机距离中心节点越接近,节点度越高,竞争半径越大时,所设定的定时时间越短,即越容易成为簇头节点;距离参数使得靠近地面控制台的无人机优先成簇。
有益效果:本发明的本发明设计了一种基于分簇算法的智能监测无人机控制模块。可以搭载在无人机上,组成一个无人机监控系统。系统由若干相互独立的无人机以及一个地面控制站台组成。无人机之间可以进行信息的交互,并最终将信息通过路由发送至地面控制台。系统中无人机采用分布式的部署方式,众多无人机被密集部署于监控区域。每个无人机在系统初始化的时候都会测量自身与地面控制台的距离,以此为根据来决定簇头节点与路由节点。通过簇头的变化构成一个分布式的自适应网络结构。
这种网络布局方式提供了一种动态的基于不同距离不同位置的即时分簇方法,为无人机网络的大规模采集、建立协同自治模型的研究提供了一个专业的、共享的、高性能的组网方式。本发明可用于解决各种无人机编队协作的目标跟踪、智能监控等监测网络的网络协同、节约网络能耗、快速响应、大范围监测需求问题。尤其在快速网络反映,全范围监控,节约网络能耗,延长网络寿命等方面具有优势。面向全社会为无人机组网协同技术的发展提供一个高效、节能、响应快速的技术方案。
附图说明
附图1为本发明的监控网络第一状态示意图;
附图2为本发明的监控网络第二状态示意图;
附图3为本发明的监控网络第三状态示意图;
附图4为控制模块通讯模型
附图5为控制模块硬件结构框图;
附图6为无人机节点之间相互通讯模型图;
附图7为本发明网络初始分簇流程图;
附图8为本发明周期分簇阶段流程图;
附图9为编队示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
一.系统简介
本发明设计了一种基于分簇算法的智能监测无人机控制模块。将模块搭载在无人机上,通过模块间的协同将无人机成组建一个监测系统,系统由若干个随机分布的无人机以及一个地面控制台组成,无人机通过非均匀分簇的方式进行信息的传递以实现网络协作;无人机在监测区域内通过非均匀分簇的协作方式实现对区域内的全面监控。
在监测网络中无目标出现时,系统中所有无人机处于随机运动状态,并在每个工作周期开始时,根据每个无人机节点与地面控制台的不同距离决定出若干个簇头节点,剩余无人机加入相距最近的分簇之中,如图1。其中实线箭头表示从无人机监测节点到簇头的数据传输路径,浅色箭头表示簇头到担任路由节点的无人机的数据传输路径,深色箭头代表路由无人机节点将数据发送给地面控制台的路径。C1,C2等浅色节点与深色的路由节点相距最近,成为簇头节点,其余监测节点根据距离远近分别加入不同的簇。经过非均匀分簇后,无人机监测节点既可以通过簇头节点将发送至路由无人机节点,也可以直接与路由无人机节点相连进行信息转发。
由于无人机处于持续运动中,在一个工作周期结束后,下一个周期时系统中无人机的相对位置与绝对位置都会发生改变。因此系统在每个工作周期都会重新分簇,形成新的拓扑结构,如图2。
当监测网络中出现目标后,最先感知到目标的无人机将会将监测数据上报给所属簇头,经由簇头节点将数据发送给路由无人机节点,最后转发到地面控制台,当同时出现多个目标时,由不同的簇来对不同的目标进行监控和数据上报。如图3,无人机A探测到目标T1后,通过簇头节点C2与路由无人机R2将信息上报给地面控制台,与此同时系统的另一区域中无人机B捕捉到目标T2,通过不同的簇头节点C4与路由无人机R4 将信息上报至地面控制台
本方案的系统模型
一种基于分簇算法的智能监测无人机控制系统,包括若干飞行状态的无人机和一个地面控制台;每个无人机上均安装有控制模块,各个无人机形成各个无人机节点,各控制模块之间相互通讯连接。
在每个控制模块内设置一个变量H,表示本无人机与地面控制台的距离;在系统初始化时每个无人机先检测自身与地面控制台的距离,并以此为决定分簇的基础;
同时,在系统工作过程中,由于控制模块搭载的无人机本身处于运动中,因此节点的H值也处于变化中;
分簇的具体实现方式同样是基于不同无人机间H值的对比,首先H值较小的节点优先成为预备簇头,然后每个预备簇头在本身通信范围内进行侦听,若没有收到其他通信范围内预备簇头的广播信息,则发送宣布自己成为簇头的广播,同时对自己进行簇的编号,并接收其他无人机作为簇的成员;
为了防止H值频繁变化影响系统分簇的稳定性,在这里引入门限值switch_H的概念;在某一时刻,无人机的运动距离可以表示为ΔH;只有ΔH的值大于门限值switch_H 时,算法才会启动对于此节点的重新分簇,让其加入新的簇中,或者直接成为簇头;
在无人机移动后,相对位置发生改变,原本的分簇将不适用与网络中的无人机节点分布,此时进行无人机的重新分簇,引入节点度与定时时间的概念,对整个网络进行周期性分簇,有效将网络资源最大化利用。
无人机控制模块模型:
首先,控制模块的通讯模型如图4所示,所述无人机节点包括监测无人机节点和路由无人机节点;A监测无人机节点,B为处于无人机监测范围内的目标,C路由无人机节点;每个监测无人机节点拥有固定的监测范围半径Rc和通信半径Rd;路由无人机节点只拥有固定的通信半径Rd;在实际情况中由于其他因素干扰通信半径一般呈不规则形状;
监测无人机节点A发现目标B后,将信息传送至通信范围内的路由无人机节点C;无人机节点在同一时间内只能加入一个簇中,在工作周期中可以随时脱离当前簇加入其他的簇中;每一个无人机节点都有自身的目标捕捉区域,可相互重叠,互不影响;
控制模块硬件结构框图5如下,由供电模块,与无人机的交互模块,射频识别模块,处理模块以及存储模块构成。其中射频识别模块负责控制模块之间的相互通信,用于构成网络。无人机的交互模块则主要负责与所搭载的无人机之间的信息交互,向无人机发送位置信息;
将此控制模块搭载在无人机上,通过模块之间的协作,控制多个无人机组建一个智能监测网络。实现以周期性的不均匀分簇的控制方式来进行协同工作的监测网络。搭载了智能控制模块的无人机示例图如下;
搭载了控制模块的无人机节点具有以下特点:
(1).每个无人机节点采集传输信息,不能直接控制通信区域中的其他无人机;
(2).无人机节点在同一时间内只能加入一个簇中,但在工作周期中可以随时脱离当前簇加入其他的簇中;
(3).每一个无人机节点都有自身的目标捕捉区域,可相互重叠,互不影响。
其次,路由无人机节点通讯模型与监测无人机节点类似,区别在于路由节点并不拥有监测目标的的能力,只需要在通信半径Rd内对数据进行转发。路由节点与监测节点之间的相互作用如图6。其中A为监测无人机节点,在发现目标B后,将信息传送至通信范围内的路由无人机节点C。
地面控制台的模型在此不需要画图表示,在此无人机监测系统中,地面控制台只需要进行数据的接受,并不需要具有其他功能。
炉体7和8所示,无人机节点的分簇工作机理:
每个无人机节点的工作周期可分为三部分,t1表示决定簇头阶段,t2表示加入分簇的判决阶段,t3表示分簇完成后的正常工作阶段。三个阶段合起来为一个工作周期。无人机在t1阶段通过H值来判定自身是否成为预备簇头节点,若是则在本身通信范围内进行侦听,若没有收到其他通信范围内预备簇头的广播信息,则发送宣布自己成为簇头的广播。否则直接进入t2阶段,此阶段对无人机本工作循环加入某个分簇进行判决,在 t3阶段根据阶段2的输出来选择工作的簇。
首先在系统初始化之后,通过地面控制台向区域中的所有节点广播一条信息(中心节点会以足够大的功率发送,以保证覆盖到网络中的所有无人机,根据RSSI计算公式,网络中的无人机以此确定与地面控制台的距离H。这里设定当无人机节点的H值小于节点通信半径Rd时,此无人机将成为预备簇头节点;
设定t时刻Ni节点与地面控制台的距离表示为H(i,t),每个监测无人机节点的通信范围为Rd。无人机节点Ni可根据下式来判断自己是否成为预备簇头节点;
当确定无人机Ni为预备簇头节点后,开始向周围发送簇头标识信号indentifcation,周边无人机在接收到此信号后将加入此分簇。若此时节点Ni并没有受到其他无人机所发送的标识信号,则自动成为簇头节点,若收到标识信号,则对比两个发送信号的无人机的H值,较小的节点成为簇头节点,另一个则加入此分簇。
设定t时刻预备簇头Ni是否成为簇头节点的标识为cluster head(i,t),通过下式可以判断无人机Ni是否成为了簇头节点。
当簇头判决完成后,网络中可以直接收到簇头节点广播的簇头标识信号indentifcation的无人机可以直接加入此分簇中,同时转发此簇头标识信号indentifcation,使其通信范围内的其他无人机也可以加入到这一分簇中。下图7为网络初始分簇流程图。
由于无人机处于运动中,因此分簇也不是一成不变的,在簇头节点的运动距离ΔH的值大于门限值switch_H时,网络进行簇重构。为了节省成簇时各种广播交换信息的能量消耗,只在初始准备阶段,所有节点采用预备簇头的成簇方式,在以后的簇重构周期中,都采用定时机制。这里设定d(Ni,Nj)为节点Ni与Nj间的距离,可以根据RSSI距离计算公式计算出来。
并且定义节点度的概念,即节点感知范围内的邻居节点个数,表示为:
Ni.D={Ni|Nj∈V,d(Ni,Nj)≤Ni(R)}
其中V为所有监测节点的集合,若d(Ni,Nj)这个距离小于等于节点的竞争半径,即节点所能广播通信到的范围,则将此节点记为邻居节点,并累加为节点度。
每个无人机根据公式计算出自己的定时时间,若在时间内收到了其他无人机的簇头标识消息,就直接加入该簇,若没有收到,则确定自己为簇头并在通信范围内广播自己成为簇头的消息。到达最大竞争时间后,所有无人机根据收到的簇头广播消息加入响应的簇中,网络的簇重构完成。
设定定时时间公式为:
其中,α+β+γ=1,为各参数的权重调节系数,k为一个调节系数,设为(0.9, 1)之间的一个随机数,为了减少节点间传递簇头标识消息时,时间冲突的可能性;TCH0 为设定的最大竞争时间,H0为节点与中心节点的初始距离,H(Ni)为节点当前与中心节点的距离,Ni.D为节点的节点度,n为节点的总个数Ni(R)为节点的竞争半径。
这里采用定时机制,可以节省每轮簇重构时的的能量消耗,并且提高网络的效率。影响定时时间设定主要有三个参数,当无人机距离中心节点越接近,节点度越高,竞争半径越大时,所设定的定时时间越短,即越容易成为簇头节点。距离参数会使得靠近地面控制台的无人机优先成簇。图8为周期分簇阶段的流程图。
1.硬件设计
建立无人机监测区域模型的问题。在设计分簇网络时,监测区域模型的正确建立将直接影响到后续研究成果的正确性。
首先在硬件上实现对无人机间距H值概念的存储,这里采用寄存器对不同时刻控制模块的H值进行储存。然后分析无人机节点与目标之间的相对速度,以及对目标感应的灵敏度,还有无人机间的距离,障碍物,天气环境等外部因素对通信质量和通信距离的影响。监测节点的信息传递方式选用广播方式,建立起真实的控制模型,并根据真实测试结果的统计参数进行修正。
3.搭建硬件平台的实现方案
在这里我们选用无人机编队平台来实现这种基于分簇算法的网络布局方式。本方法中的中心节点作为无人机编队技术中的总控制中心,多组无人机编队对应本方法中的各个分簇,每台无人机对于网络中的节点。每一个编队示意图9如下。
在无人机技术中,多无人机编队重构包括队形切换及缺少一架或多架无人机时重新编队队形的重构。采用这种基于分簇算法的网络布局方式,可以实现在无人机的位置发生变化时,快速确定每个编队的领航机,同时实现多个无人机分组之间的快速协同。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于分簇算法的智能监测无人机控制系统,其特征在于:包括若干飞行状态的无人机和一个地面控制台;每个无人机上均安装有控制模块,各个无人机形成各个无人机节点,各控制模块之间相互通讯连接;
在每个控制模块内设置一个变量H,H表示本无人机与地面控制台的距离;在系统初始化时每个无人机先检测自身与地面控制台的距离,并以此为决定分簇的基础;
首先H值较小的节点优先成为预备簇头,然后每个预备簇头在本身通信范围内进行侦听,若没有收到其他通信范围内预备簇头的广播信息,则发送宣布自己成为簇头的广播,同时对自己进行簇的编号,并接收其他无人机作为簇的成员;
设置门限值switch_H,无人机的运动距离表示为ΔH;ΔH的值大于门限值switch_H时,算法启动对于此节点的重新分簇,让其加入新的簇中,或者直接成为簇头;
在无人机移动后,相对位置发生改变,原本的分簇将不适用与网络中的无人机节点分布,此时进行无人机的重新分簇;
所述无人机节点包括监测无人机节点和路由无人机节点;A监测无人机节点,B为处于无人机监测范围内的目标,C路由无人机节点;每个监测无人机节点拥有固定的监测范围半径Rc和通信半径Rd;路由无人机节点只拥有固定的通信半径Rd;监测无人机节点A发现目标B后,将信息传送至通信范围内的路由无人机节点C;无人机节点在同一时间内只能加入一个簇中,在工作周期中可以随时脱离当前簇加入其他的簇中;每一个无人机节点都有自身的目标捕捉区域,可相互重叠,互不影响;
控制模块硬件结构由供电模块,与无人机的交互模块,射频识别模块,处理模块以及存储模块构成;其中射频识别模块负责控制模块之间的相互通信,用于构成网络;无人机的交互模块则负责与所搭载的无人机之间的信息交互,向无人机发送位置信息;
每个无人机节点的工作周期可分为三部分,t1表示决定簇头阶段,t2表示加入分簇的判决阶段,t3表示分簇完成后的正常工作阶段;三个阶段合起来为一个工作周期;
无人机在t1阶段通过H值来判定自身是否成为预备簇头节点,若是则在本身通信范围内进行侦听,若没有收到其他通信范围内预备簇头的广播信息,则发送宣布自己成为簇头的广播;否则直接进入t2阶段,此阶段对无人机本工作循环加入某个分簇进行判决,在t3阶段根据阶段2的输出来选择工作的簇;
首先在系统初始化之后,通过地面控制台向区域中的所有节点广播一条信息,中心节点以足够大的功率发送,以保证覆盖到网络中的所有无人机,根据RSSI计算公式,网络中的无人机以此确定与地面控制台的距离H;这里设定当无人机节点的H值小于节点通信半径Rd时,此无人机将成为预备簇头节点;
设定t时刻Ni节点与地面控制台的距离表示为H(i,t),每个监测无人机节点的通信范围为Rd;无人机节点Ni可根据下式来判断自己是否成为预备簇头节点;
当确定无人机Ni为预备簇头节点后,开始向周围发送簇头标识信号indentifcation,周边无人机在接收到此信号后将加入此分簇;若此时节点Ni并没有受到其他无人机所发送的标识信号,则自动成为簇头节点,若收到标识信号,则对比两个发送信号的无人机的H值,较小的节点成为簇头节点,另一个则加入此分簇;
设定t时刻预备簇头Ni是否成为簇头节点的标识为cluster head(i,t),通过下式可以判断无人机Ni是否成为了簇头节点;
当簇头判决完成后,网络中可以直接收到簇头节点广播的簇头标识信号indentifcation的无人机可以直接加入此分簇中,同时转发此簇头标识信号indentifcation,使其通信范围内的其他无人机也可以加入到这一分簇中;
由于无人机处于运动中,因此分簇也不是一成不变的,在簇头节点的运动距离ΔH的值大于门限值switch_H时,网络进行簇重构;为了节省成簇时各种广播交换信息的能量消耗,只在初始准备阶段,所有节点采用预备簇头的成簇方式,在以后的簇重构周期中,都采用定时机制;这里设定d(Ni,Nj)为节点Ni与Nj间的距离;
将无人机节点感知范围内的邻居节点个数,表示为:
Ni.D={Ni|Nj∈V,d(Ni,Nj)≤Ni(R)}
其中V为所有监测节点的集合,若d(Ni,Nj)这个距离小于等于节点的竞争半径,即节点所能广播通信到的范围,则将此节点记为邻居节点,并累加为节点度;
每个无人机根据公式计算出自己的定时时间,若在时间内收到了其他无人机的簇头标识消息,就直接加入该簇,若没有收到,则确定自己为簇头并在通信范围内广播自己成为簇头的消息;到达最大竞争时间后,所有无人机根据收到的簇头广播消息加入响应的簇中,网络的簇重构完成;
设定定时时间公式为:
其中,α+β+γ=1,为各参数的权重调节系数,k为一个调节系数,设为(0.9,1)之间的一个随机数,为了减少节点间传递簇头标识消息时,时间冲突的可能性;TCH0为设定的最大竞争时间,H0为节点与中心节点的初始距离,H(Ni)为节点当前与中心节点的距离,Ni.D为节点的节点度,n为节点的总个数Ni(R)为节点的竞争半径;
这里采用定时机制,可以节省每轮簇重构时的能量消耗,并且提高网络的效率,影响定时时间设定主要有三个参数,当无人机距离中心节点越接近,节点度越高,竞争半径越大时,所设定的定时时间越短,即越容易成为簇头节点;距离参数使得靠近地面控制台的无人机优先成簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810456017.6A CN108710382B (zh) | 2018-05-14 | 2018-05-14 | 一种基于分簇算法的智能监测无人机控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810456017.6A CN108710382B (zh) | 2018-05-14 | 2018-05-14 | 一种基于分簇算法的智能监测无人机控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108710382A CN108710382A (zh) | 2018-10-26 |
CN108710382B true CN108710382B (zh) | 2024-03-26 |
Family
ID=63868086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810456017.6A Active CN108710382B (zh) | 2018-05-14 | 2018-05-14 | 一种基于分簇算法的智能监测无人机控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108710382B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905164B (zh) * | 2019-03-11 | 2021-08-06 | 国网甘肃省电力公司信息通信公司 | 集群范围内无人机的通信与数据回传方法 |
CN109788500A (zh) * | 2019-03-15 | 2019-05-21 | 重庆邮电大学 | 一种高效快速的无人机自组网网关切换算法 |
CN110290476B (zh) * | 2019-06-10 | 2022-03-25 | 河南创仕航空科技有限公司 | 无人机集群通信方法及系统 |
CN110324788B (zh) * | 2019-07-04 | 2020-09-25 | 河南牧业经济学院 | 基于航迹的航空自组网分簇方法及计算机可读存储介质 |
CN110645988B (zh) * | 2019-10-11 | 2023-08-29 | 广州大学 | 一种基于最优寿命的无人机路径规划方法 |
CN110825107B (zh) * | 2019-11-06 | 2023-05-30 | 中国人民解放军国防科技大学 | 无人机群低代价安全搜索的方法、装置及存储介质 |
CN111061299B (zh) * | 2020-01-21 | 2020-12-29 | 南京智能信通科技发展有限公司 | 一种基于无人机飞行轨迹的地面传感器数据采集方法 |
CN113438620B (zh) * | 2021-05-27 | 2024-04-19 | 西安工业大学 | 一种无人机集群中心节点最优选择方法 |
CN114783215B (zh) * | 2022-04-18 | 2023-05-26 | 中国人民解放军战略支援部队信息工程大学 | 无人机分簇方法、装置和电子设备 |
CN114744770B (zh) * | 2022-06-13 | 2022-09-02 | 广东电网有限责任公司珠海供电局 | 一种保护控制装置的管控节点规模决策方法及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101237416A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于分簇的无线传感网局部拓扑重建的方法 |
CN103188757A (zh) * | 2011-12-31 | 2013-07-03 | 王佐明 | 基于分簇网络感知技术的火情趋势分析方法及系统 |
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
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 |
CN104581862A (zh) * | 2014-12-27 | 2015-04-29 | 中国人民解放军63655部队 | 一种基于低空无人飞行器自组网的测控通信方法和系统 |
CN106774382A (zh) * | 2016-11-30 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种多无人机实时态势信息共享系统 |
CN107121945A (zh) * | 2017-04-19 | 2017-09-01 | 成都铅笔科技有限公司 | 一种网络节点设备控制系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10312993B2 (en) * | 2015-10-30 | 2019-06-04 | The Florida International University Board Of Trustees | Cooperative clustering for enhancing MU-massive-MISO-based UAV communication |
-
2018
- 2018-05-14 CN CN201810456017.6A patent/CN108710382B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101237416A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 基于分簇的无线传感网局部拓扑重建的方法 |
CN103188757A (zh) * | 2011-12-31 | 2013-07-03 | 王佐明 | 基于分簇网络感知技术的火情趋势分析方法及系统 |
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 |
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
CN104581862A (zh) * | 2014-12-27 | 2015-04-29 | 中国人民解放军63655部队 | 一种基于低空无人飞行器自组网的测控通信方法和系统 |
CN106774382A (zh) * | 2016-11-30 | 2017-05-31 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种多无人机实时态势信息共享系统 |
CN107121945A (zh) * | 2017-04-19 | 2017-09-01 | 成都铅笔科技有限公司 | 一种网络节点设备控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108710382A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710382B (zh) | 一种基于分簇算法的智能监测无人机控制系统 | |
CN108710348B (zh) | 一种无人机群控制系统及其无人机设备 | |
CN106900025B (zh) | 一种基于双簇首的无线传感器网络分簇路由方法 | |
CN113630838B (zh) | 基于类异构蜂窝网络的立体空间蜂群组网架构构建方法 | |
CN104012147B (zh) | 用于在无线传感器网络中路由数据的方法 | |
JP7289436B2 (ja) | 小波長無線ネットワークにおけるビーコニング(beaconing) | |
US20040018839A1 (en) | Protocol and structure for mobile nodes in a self-organizing communication network | |
CN110943920B (zh) | 一种基于无线自组织网络的分布式簇头选举方法 | |
CN103415018B (zh) | 一种无线传感器网络通信资源分配方法 | |
EP2869629B1 (en) | Method and device for coordinating access points for backhaul aggregation in a telecommunications network | |
CN105993193B (zh) | 宏小区辅助的小小区发现和资源激活 | |
WO2007135516A2 (en) | Beacon broadcaster methods and systems for wireless networks | |
CN111970658A (zh) | 一种基于最优刚性图的无人机蜂群编队网络路由方法 | |
Meelu et al. | Energy efficiency of cluster‐based routing protocols used in wireless sensor networks | |
CN103228021A (zh) | 一种基于无线传感器执行网络的设施作物生长参数监测和控制方法 | |
CN110139333B (zh) | 一种基于通信节点的wsn自主聚类分簇路由方法 | |
CN107409334A (zh) | 终端、终端操作方法、传输协调器设备、基站以及传输协调器设备的操作方法 | |
CN107222900A (zh) | 一种基于动态链的无线传感器网络节点协作方法 | |
CN116545923A (zh) | 一种适用于大规模无人机集群网络的分布式路由协议方法 | |
EP3496497B1 (en) | Method for controlling c-ran | |
Liu et al. | An improved energy efficient unequal clustering algorithm of wireless sensor network | |
CN109819496B (zh) | 一种海上多移动异构平台短距离组网方法 | |
CN104853396A (zh) | 面向链式无线传感器网络的分簇路由系统及方法 | |
Krishan | A study on dynamic and static clustering based routing schemes for wireless sensor networks | |
CN112261665A (zh) | 一种自组织网络的组网方法 |
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 |