CN110263388A

CN110263388A - 一种基于随机Petri网的多个无人机协同系统性能评估方法

Info

Publication number: CN110263388A
Application number: CN201910460226.2A
Authority: CN
Inventors: 赵培海; 王咪咪
Original assignee: Donghua University
Current assignee: Donghua University; National Dong Hwa University
Priority date: 2019-05-30
Filing date: 2019-05-30
Publication date: 2019-09-20

Abstract

本发明涉及一种基于随机Petri网的多个无人机协同系统性能评估方法。本发明针对捕捉到的无人机行为踪迹,构建基于随机Petri网的无人机协作系统；分别对各无人机内部及多个无人机交互过程进行分析，给出了评估多无人机协作系统的性能分析方法。本发明能够评估多个无人机在协作过程中的性能，对多无人机的协作效果进行评估，进而为改变无人机的协作模式做好准备。本发明在于克服现有技术的不足，用于评估多个无人机协作的效率。

Description

一种基于随机Petri网的多个无人机协同系统性能评估方法

技术领域

本发明涉及一种基于随机Petri网的多个无人机协同系统性能评估方法。

背景技术

随着无人机技术的发展，无人机被应用于诸多领域，如：搜救、灾害监测、物流运输等。然而，随着无人机应用场景的复杂性日益增加，单架无人机已经不能满足系统的需求，单架无人机在处理较复杂任务方面有一定的局限性。与单无人机系统相比，在多无人机协同系统中，无人机所携带的能量总量远远大于单无人机系统。在执行任务时有更少的能源消耗约束。因而，多无人机协作系统的研究越来越受到人们的重视。

现有的关于无人机协作系统的性能评估技术主要采用可达图和矩母函数的分析技术。采用可达图的分析技术，其一般限定在系统中的活动的发生概率是已知的前提下，对于一些未知发生概率的活动无法进行评估。基于矩母函数的分析技术其对于庞大、复杂的系统其计算量特别大。

发明内容

本发明的目的是：通过无人机的控制行为及其它无人机的交互行为，利用随机Petri网的可达图及稳态概率对多无人机协作系统的性能进行评估，使得多无人机能够更好地发挥协作作用。

为了达到上述目的，本发明的技术方案是提供了一种基于随机Petri网的多个无人机协同系统性能评估方法，其特征在于，包括以下步骤：

步骤1、针对各个无人机研究其行为轨迹，并捕捉到各个无人机协作的交互行为踪迹；

步骤2、构建基于随机Petri网的多无人机协作模型，对于两个无人机协作系统，通过PIPE软件构建其随机Petri网模型SPN；

步骤3、使用PIPE软件获得随机Petri网模型SPN的可达图RG，计算可达图RG相等价的马尔科夫链MC，通过马尔科夫链MC计算其稳态概率矩阵Q：

Q＝(q_ij)_n×n (1)

式中，q_ii表示稳态概率矩阵Q中第i行第i列的元素，q_ij表示稳态概率矩阵Q中第i行第j列的元素；

步骤4、对于n维向量Π＝(π₁，π₂，…，π_n)，有：

Π×Q＝0 (2)

输出π_i，算法终止。

本发明针对捕捉到的无人机行为踪迹,构建基于随机Petri网的无人机协作系统；分别对各无人机内部及多个无人机交互过程进行分析，给出了评估多无人机协作系统的性能分析方法。本发明能够评估多个无人机在协作过程中的性能，对多无人机的协作效果进行评估，进而为改变无人机的协作模式做好准备。本发明在于克服现有技术的不足，用于评估多个无人机协作的效率。

附图说明

图1为多无人机协作系统性能评估架构图；

图2为多无人机协作系统性能评估算法流程图；

图3为多无人机协作系统的随机Petri网模型；

图4为图3的可达图；

图5为图4的等价的马尔可夫链；

图6为图3的的稳态概率分布。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明首先通过对多个无人机的协作模式，构建基于随机Petri网的多无人机协作系统，同时通过分析协作系统中各个无人机的发生路径，得到多无人机协作模型的可达图，进而分析获得其等价的马尔可夫链，通过计算其稳态概率，从而对多无人机协作系统进行性能评估。本专利从随机Petri网可达图及稳态概率角度研究多无人机协作系统的性能评估问题，提出了基于随机Petri网的多无人机协作系统的性能评估方法。

本发明中，随机Petri网的定义如下：一个随机Petri网∑＝(P，T，F；M₀，λ)是一个随机Petri网，P表示库所集合，T表示变迁集合，F表示库所和变迁之间的有向弧集合，M₀表示初始标识，λ表示发生概率，当且仅当满足：

1)(P，T，F；M₀)是一个Petri网；

2)λ：T→R₀，R₀表示一个非负实数

令T＝{t₁，…，t_n}，λ(t_i)＝λ_i是一个非负实数，其表示变迁t_i的发生概率。

下面给出一个简单的两个无人机协作系统例子。图3是两个多无人机协同系统的随机Petri网模型。有两种无人机：UAV₁和UAV₂。其中活动t₁、t₂、t₃、t₄属于无人机UAV₁，活动t₅、t₆、t₇、t₈属于无人机UAV2。两架无人机的协作过程如表1所示。

表1图3中活动的介绍

库所	描述	变迁	描述
				p<sub>0</sub>	UAV<sub>1</sub>准备就绪	t<sub>1</sub>	开始传递信息给UAV<sub>2</sub>
p<sub>1</sub>	UAV<sub>2</sub>准备就绪	t<sub>2</sub>	开始接收UAV<sub>2</sub>的信息
				p<sub>2</sub>	传递给UAV<sub>1</sub>	t<sub>3</sub>	开始接收UAV<sub>2</sub>的识别信息
p<sub>3</sub>	传递给UAV<sub>2</sub>	t<sub>4</sub>	开始识别UAV<sub>2</sub>的信息
				p<sub>4</sub>	传递给UAV<sub>1</sub>	t<sub>5</sub>	开始传递信息给UAV<sub>1</sub>
p<sub>5</sub>	UAV<sub>1</sub>准备就绪	t<sub>6</sub>	开始接收UAV<sub>1</sub>的信息
				p<sub>6</sub>	传递给UAV<sub>1</sub>	t<sub>7</sub>	开始接收UAV<sub>1</sub>的识别信息
p<sub>7</sub>	传递给UAV<sub>2</sub>	t<sub>8</sub>	开始识别UAV<sub>1</sub>的信息
				p<sub>8</sub>	传递给UAV<sub>2</sub>
p<sub>9</sub>	传递给UAV<sub>2</sub>
				p<sub>10</sub>	传递给UAV<sub>1</sub>
p<sub>11</sub>	UAV<sub>2</sub>准备就绪

根据算法1，我们可通过PIPE工具得到图3的可达图如图4所示。然后得到图4的等价马尔可夫链如图5所示。

根据算法和图5，我们可以得到所有活动的发生概率。假设无人机UAV₁中活动t₁、t₂、t₃、t₄的平均发生概率为λ₁，且无人机UAV₂中活动t₅、t₆、t₇、t₈的平均发生概率为λ₂，由公式(1)-(3)可得公式(4)：

令δ＝(122880ρ²¹+2875392ρ²⁰+30794240ρ¹⁹+201509376ρ¹⁸+907393600ρ¹⁷+3000912768ρ¹⁶+7592731856ρ¹⁵+15106572528ρ¹⁴+24089916496ρ¹³+31195367232ρ¹²+33081562792ρ¹¹+28857606917ρ¹⁰+20724561826ρ⁹+12220719839ρ⁸+5878781501ρ⁷+2282020490ρ⁶+702994081ρ⁵+167626432ρ⁴+29776724ρ³+3701424ρ²+286560ρ+10368)，且那么由公式(1)-(4)可得到x_i：

当ρ＝1时，其稳态概率分布如图6所示。

本发明具有如下特点：

1.利用随机Petri网对多无人机协同系统进行建模，能够将多个无人机间的协作过程进行建模；

2.提出了基于随机Petri网的可达图及相对应的马尔可夫链的稳态概率技术，并以此对多无人机协作系统进行性能评估，能够实时对无人机进行监控。

Claims

1.一种基于随机Petri网的多个无人机协同系统性能评估方法，其特征在于，包括以下步骤：

步骤3、使用PIPE软件获得随机Petri网模型SPN的可达图RG，计算可达图RG相等价的马尔科夫链MC，通过马尔科夫链MC计算其稳态概率矩阵Q：Q＝(q_ij)_n×n，式中，q_ii表示稳态概率矩阵Q中第i行第i列的元素，q_ij表示稳态概率矩阵Q中第i行第j列的元素；

步骤4、对于n维向量Π＝(π₁，π₂，…，π_n)，有：

Π×Q＝0

输出π_i，算法终止。