CN110493792A - 一种无人机蜂群系统的构建方法及系统 - Google Patents

一种无人机蜂群系统的构建方法及系统 Download PDF

Info

Publication number
CN110493792A
CN110493792A CN201910935356.7A CN201910935356A CN110493792A CN 110493792 A CN110493792 A CN 110493792A CN 201910935356 A CN201910935356 A CN 201910935356A CN 110493792 A CN110493792 A CN 110493792A
Authority
CN
China
Prior art keywords
network
node
task
unmanned plane
mission payload
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
Application number
CN201910935356.7A
Other languages
English (en)
Other versions
CN110493792B (zh
Inventor
王立志
王晓红
王雨情
张源
范文慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Beijing University of Aeronautics and Astronautics
Original Assignee
Beijing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Aeronautics and Astronautics filed Critical Beijing University of Aeronautics and Astronautics
Priority to CN201910935356.7A priority Critical patent/CN110493792B/zh
Publication of CN110493792A publication Critical patent/CN110493792A/zh
Application granted granted Critical
Publication of CN110493792B publication Critical patent/CN110493792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18Network planning tools

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开一种无人机蜂群系统的构建方法及系统。该构建方法包括:获取无人机蜂群系统待执行的所有任务载荷;根据任务载荷的种类、任务载荷的执行顺序和任务载荷的位置分布,基于复杂网络,生成无人机蜂群系统的任务网络;获取无人机蜂群系统的通讯网络和结构网络;将通讯网络的通讯节点和结构网络中的结构节点一一对应连接;将结构网络中的结构节点和任务网络的任务载荷节点对应连接;将通讯网络、结构网络和任务网络连接后的系统确定为无人机蜂群系统;无人机蜂群系统按照通讯网络、结构网络和任务网络之间的连接关系执行任务。本发明构建的无人机蜂群系统在执行任务时可靠性更高。

Description

一种无人机蜂群系统的构建方法及系统
技术领域
本发明涉及航空技术领域,特别是涉及一种无人机蜂群系统的构建方法及系统。
背景技术
随着航空技术的发展,无人机系统的种类和任务类型越来越广泛,其在救援、勘探、反恐、作战等民用和军用各个领域中均呈现出快速发展并扩散的趋势,并具有低伤亡率、低成本、使用限制少、隐蔽性好以及能够在恶劣环境下执行任务等优点。但单架无人机往往受到其生存能力、任务能力等因素的限制,难以满足复杂任务的需求。通过多架无人机间的通讯,进行信息共享,协同完成任务是解决上述问题的重要手段,可提升任务的弹性和灵活性。但是现有技术中通常通过多架无人机之间串联或并联的方式共同执行任务,当有一个通讯之路发生断裂时,可能就会导致任务的失败,因此,整个无人机系统执行任务的可靠性低。
发明内容
本发明的目的是提供一种无人机蜂群系统的构建方法及系统,以提高整个无人机蜂群系统执行任务时的可靠性。
为实现上述目的,本发明提供了如下方案:
一种无人机蜂群系统的构建方法,包括:
获取无人机蜂群系统待执行的所有任务载荷;所述任务载荷包括多个种类;
根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络;所述任务网络中按照所述执行顺序,相邻两个任务种类中的任务载荷节点通过边连接;
获取所述无人机蜂群系统的通讯网络和结构网络;所述通讯网络为所述无人机蜂群系统的所有通讯节点组成的网络,所述结构网络为所述无人机蜂群系统中所有无人机作为结构节点组成的网络,所述通讯网络中的通讯节点与所述结构网络中的结构节点个数相等;
将所述通讯网络的通讯节点和所述结构网络中的结构节点一一对应连接;
将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接;所有的任务载荷节点均连接至结构节点,不同结构节点之间连接的任务载荷节点不同;
将所述通讯网络、所述结构网络和所述任务网络连接后的系统确定为所述无人机蜂群系统;所述无人机蜂群系统按照所述通讯网络、所述结构网络和所述任务网络之间的连接关系执行任务。
可选的,所述根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络,具体包括:
获取每一个种类对应的任务载荷集合;每一个任务载荷集合包括多个任务载荷节点;
根据所述任务载荷的执行顺序确定不同种类之间的连接顺序;
按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点;通过边连接的两个任务载荷节点属于不同种类,种类不同的两个任务载荷节点仅通过一条边连接;
遍历所有相邻种类的任务载荷节点,生成所述任务网络。
可选的,所述按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点,之后还包括:
对每一条边在设定数值范围内随机赋予权值。
可选的,所述将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接,具体包括:
对于所述结构网络中的首个结构节点,随机选择所述任务网络中的多个任务载荷节点进行边连接;
对于所述结构网络中除首个结构节点之外的任意一个结构节点,随机选择所述任务网络中的未被选择的多个任务载荷节点进行边连接。
本发明还提供一种无人机蜂群系统的构建系统,包括:
待执行的任务载荷获取模块,用于获取无人机蜂群系统待执行的所有任务载荷;所述任务载荷包括多个种类;
任务网络生成模块,用于根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络;所述任务网络中按照所述执行顺序,相邻两个任务种类中的任务载荷节点通过边连接;
通讯网络和结构网络获取模块,用于获取所述无人机蜂群系统的通讯网络和结构网络;所述通讯网络为所述无人机蜂群系统的所有通讯节点组成的网络,所述结构网络为所述无人机蜂群系统中所有无人机作为结构节点组成的网络,所述通讯网络中的通讯节点与所述结构网络中的结构节点个数相等;
第一连接模块,用于将所述通讯网络的通讯节点和所述结构网络中的结构节点一一对应连接;
第二连接模块,用于将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接;所有的任务载荷节点均连接至结构节点,不同结构节点之间连接的任务载荷节点不同;
无人机蜂群系统确定模块,用于将所述通讯网络、所述结构网络和所述任务网络连接后的系统确定为所述无人机蜂群系统;所述无人机蜂群系统按照所述通讯网络、所述结构网络和所述任务网络之间的连接关系执行任务。
可选的,所述任务网络生成模块,具体包括:
任务载荷分类单元,用于获取每一个种类对应的任务载荷集合;每一个任务载荷集合包括多个任务载荷节点;
连接顺序确定单元,用于根据所述任务载荷的执行顺序确定不同种类之间的连接顺序;
连接单元,用于按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点;通过边连接的两个任务载荷节点属于不同种类,种类不同的两个任务载荷节点仅通过一条边连接;
任务网络生成单元,用于遍历所有相邻种类的任务载荷节点,生成所述任务网络。
可选的,所述任务网络生成模块还包括:
赋值单元,用于在按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点之后,对每一条边在设定数值范围内随机赋予权值。
可选的,所述第二连接模块具体包括:
第一连接单元,用于对于所述结构网络中的首个结构节点,随机选择所述任务网络中的多个任务载荷节点进行边连接;
第二连接单元,用于对于所述结构网络中除首个结构节点之外的任意一个结构节点,随机选择所述任务网络中的未被选择的多个任务载荷节点进行边连接。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明为无人机蜂群系统的构建提供了技术支持,解决了传统的无人机单机任务的可靠性差的问题。同时,本发明构建的无人机蜂群系统,多架无人机之间通过数据组网进行信息共享,扩大对环境态势的感知,协同完成任务分配、协同搜索、侦察与攻击等任务。其中,不同种类的任务载荷按照执行顺序连接组成一条任务链,该任务链上任何一个任务载荷被破坏都表示该条任务链的连通性遭到破坏,则该任务链无法完成规定的任务,但是,只要系统中存在任何一条连通的任务链,那么系统便有机会完成待执行的任务;当任务网络中不存在任何一条完整的任务链时,任务网络失效。因此,相比于现有技术中的无人机系统,任务完成的可靠性更高。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明无人机蜂群系统的示意图;
图2为本发明无人机蜂群系统的构建方法的流程示意图;
图3为本发明无人机蜂群系统的构建系统的结构示意图;
图4为本发明具体实施案例中任务网络的拓扑结构示意图;
图5为本发明具体实施案例中通讯网络、结构网络和任务网络之间的对应关系示意图。
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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
复杂网络具有良好的模型描述能力,为了研究无人机蜂群系统中复杂的相互作用和动态关系,将无人机蜂群系统组成映射为多层复杂网络的节点,如图1所示,图1为本发明无人机蜂群系统的示意图。本发明根据其系统组成,以及其系统组成的功能,将无人机蜂群系统分为三层网络,分别为蜂群通讯网络、结构网络和任务网络。网络的三层分别对应无人机蜂群组成中通讯数据链、无人机载机和任务载荷三部分。在网络中,通讯层和任务层节点均需要以无人机结构网中节点为基础,进行蜂群层间连边,该连边主要指结构层节点与通讯层和任务层两层节点的连边。
图2为本发明无人机蜂群系统的构建方法的流程示意图。如图2所示,所述的无人机蜂群系统的构建方法包括以下步骤:
步骤100:获取无人机蜂群系统待执行的所有任务载荷。待执行的任务载荷通常包括多个种类,每个种类包括多个任务载荷,并且多个种类之间有设定的执行顺序。
步骤200:根据任务载荷的种类、任务载荷的执行顺序和任务载荷的位置分布,基于复杂网络,生成无人机蜂群系统的任务网络。所述任务网络中按照所述执行顺序,相邻两个任务种类中的任务载荷节点通过边连接。具体过程如下:
获取每一个种类对应的任务载荷集合;每一个任务载荷集合包括多个任务载荷节点;
根据所述任务载荷的执行顺序确定不同种类之间的连接顺序;
按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点;通过边连接的两个任务载荷节点属于不同种类,种类不同的两个任务载荷节点仅通过一条边连接;
遍历所有相邻种类的任务载荷节点,生成所述任务网络。
步骤300:获取无人机蜂群系统的通讯网络和结构网络。所述通讯网络为所述无人机蜂群系统的所有通讯节点组成的网络,所述结构网络为所述无人机蜂群系统中所有无人机作为结构节点组成的网络,所述通讯网络中的通讯节点与所述结构网络中的结构节点个数相等。
步骤400:将通讯网络的通讯节点和结构网络中的结构节点一一对应连接。通常采用一一对应的关系,当通讯网络中的通讯节点与结构网络中的结构节点个数不相等时,首先要保证结构网络中每个结构节点均有连接的通讯节点,其次再考虑通讯节点连接的结构节点个数均衡。
步骤500:将结构网络中的结构节点和任务网络的任务载荷节点对应连接。所有的任务载荷节点均连接至结构节点,不同结构节点之间连接的任务载荷节点不同。结构节点的个数和任务载荷节点的个数通常是不相等的。具体的连接过程如下:
对于所述结构网络中的首个结构节点,随机选择所述任务网络中的多个任务载荷节点进行边连接;
对于所述结构网络中除首个结构节点之外的任意一个结构节点,随机选择所述任务网络中的未被选择的多个任务载荷节点进行边连接。
步骤600:将通讯网络、结构网络和任务网络连接后的系统确定为无人机蜂群系统。所述无人机蜂群系统按照所述通讯网络、所述结构网络和所述任务网络之间的连接关系执行任务。
其中,步骤500之后,还可以进一步的对每一条边在设定数值范围内随机赋予权值,以模拟网络动态变化。
对应于图2所示的无人机蜂群系统的构建方法,本发明还提供一种无人机蜂群系统的构建系统,图3为本发明无人机蜂群系统的构建系统的结构示意图。如图3所示,所述构建系统包括以下结构:
待执行的任务载荷获取模块301,用于获取无人机蜂群系统待执行的所有任务载荷;所述任务载荷包括多个种类;
任务网络生成模块302,用于根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络;所述任务网络中按照所述执行顺序,相邻两个任务种类中的任务载荷节点通过边连接;
通讯网络和结构网络获取模块303,用于获取所述无人机蜂群系统的通讯网络和结构网络;所述通讯网络为所述无人机蜂群系统的所有通讯节点组成的网络,所述结构网络为所述无人机蜂群系统中所有无人机作为结构节点组成的网络,所述通讯网络中的通讯节点与所述结构网络中的结构节点个数相等;
第一连接模块304,用于将所述通讯网络的通讯节点和所述结构网络中的结构节点一一对应连接;
第二连接模块305,用于将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接;所有的任务载荷节点均连接至结构节点,不同结构节点之间连接的任务载荷节点不同;
无人机蜂群系统确定模块306,用于将所述通讯网络、所述结构网络和所述任务网络连接后的系统确定为所述无人机蜂群系统;所述无人机蜂群系统按照所述通讯网络、所述结构网络和所述任务网络之间的连接关系执行任务。
作为另一实施例,所述任务网络生成模块302,具体包括:
任务载荷分类单元,用于获取每一个种类对应的任务载荷集合;每一个任务载荷集合包括多个任务载荷节点;
连接顺序确定单元,用于根据所述任务载荷的执行顺序确定不同种类之间的连接顺序;
连接单元,用于按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点;通过边连接的两个任务载荷节点属于不同种类,种类不同的两个任务载荷节点仅通过一条边连接;
任务网络生成单元,用于遍历所有相邻种类的任务载荷节点,生成所述任务网络。
作为另一实施例,所述任务网络生成模块302还包括:
赋值单元,用于在按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点之后,对每一条边在设定数值范围内随机赋予权值。
作为另一实施例,所述第二连接模块305具体包括:
第一连接单元,用于对于所述结构网络中的首个结构节点,随机选择所述任务网络中的多个任务载荷节点进行边连接;
第二连接单元,用于对于所述结构网络中除首个结构节点之外的任意一个结构节点,随机选择所述任务网络中的未被选择的多个任务载荷节点进行边连接。
下面提供一个具体实施案例,结合图2和图3进一步说明本发明的方案。
本实施案例中将无人机蜂群系统分为三层网络,分别为蜂群通讯网络、结构网络和任务网络。网络的三层分别对应无人机蜂群组成中通讯数据链、无人机载机和任务载荷三部分。根据实际需求,也可以划分为更多层的网络,采用复杂网络构建无人机蜂群系统。
本实施案例以三层网络为例,根据任务网络的连通性特点,构建无人机蜂群系统,首先需要构建任务网络,具体过程如下:
初始化:任务网络由任务载荷组成,根据复杂网络理论,将任务载荷映射为任务网络的节点。根据整个系统的载荷配置和任务顺序确定任务网络的节点数量、位置分布。假设共有n个任务载荷,任务载荷种类数为m种,则生成任务网络的n个节点,第i种载荷下的节点个数为ni(i=1,2,...,m),其中n1+n2+…+nm=n。
连接:首先,确定不同种类任务载荷的连接顺序。若假设任务网络中有四种任务载荷A、B、C、D,任务载荷的执行顺序为A→B→C→D,则不同种类任务载荷的连接顺序为A→B→C→D。然后,按照连接顺序将相邻两个种类之间的任务载荷节点进行边连接。只有按照连接顺序的两组相邻节点之间才能进行边连接,即只有AB、BC、CD之间的任务载荷进行相互连接。相邻两个种类的任务载荷按照自由组合算法进行连接,即若A、B、C、D四种任务载荷对应的任务载荷个数分别为n1、n2、n3、n4,则共有n1*n2*n3*n4种连接方式,所有连接中均要求两节点之间不能有重边,也不能有自环。最终形成如图4所示的任务网络,图4为本发明具体实施案例中任务网络的拓扑结构示意图。
权值:任务网络中的边无具体权值,根据实际需求权值可以在一定范围内进行随机赋值,以模拟网络动态变化。
当所有任务载荷节点、连边和权值都生成后,输出所构造的网络,即为构建的任务网络。其中,不同种类的任务载荷按照规定的顺序连接组成一条任务链,例如,A1→B1→C1→D1,该任务链上任何一个任务载荷被破坏都表示该条任务链的连通性遭到破坏,则该任务链无法完成规定的任务,当任务网络中不存在任何一条完整的任务链时,任务网络失效。
无人机蜂群系统的三层网络之间相互连接、相互依赖,任务网络是受多层网络节点所影响作用的网络,每一层都对它有影响。存在两种相互依赖的关系,一种是依附于结构节点存在的通讯节点和任务节点,当去除结构节点时,与其连接的通讯节点和任务节点也相应去除;另一种是依赖于通讯节点的任务节点,当通讯节点失效后,任务节点将失去作用,即去除该节点后,网络任务层节点也将相应的去除。根据三层网络的相互依赖性特点,将三层网络依次连接构建整个无人机蜂群系统,具体如下:
1、通讯网络的通讯节点Vai与结构网络的结构节点Vbi一一对应连接;
2、结构网络中的结构节点Vbi任选多个任务网络中未被选择的任务载荷节点Vci,Vcj,...进行连接;
3、所有连接中均要求两节点之间不能有重边,也不能有自环。
基于以上描述,便可以构建得到一个多层次、有区分的、相互关联的无人机蜂群系统。如图5所示,图5为本发明具体实施案例中通讯网络、结构网络和任务网络之间的对应关系示意图。
本发明将复杂网络理论方法与无人机蜂群系统相结合,针对蜂群通讯层、机体结构层和任务层等层级间相互依赖的特点,同时基于体系以任务链形式完成任务特点,根据任务网络的连通性特点,建立了考虑任务网络连通性的无人机蜂群系统,通过该无人机蜂群系统,结合无人机蜂群的控制策略,便可完成设定的多种任务,例如,在救援、勘探、反恐、作战等民用和军用各个领域中设定的多种任务,同时提高了完成任务的可靠性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种无人机蜂群系统的构建方法,其特征在于,包括:
获取无人机蜂群系统待执行的所有任务载荷;所述任务载荷包括多个种类;
根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络;所述任务网络中按照所述执行顺序,相邻两个任务种类中的任务载荷节点通过边连接;
获取所述无人机蜂群系统的通讯网络和结构网络;所述通讯网络为所述无人机蜂群系统的所有通讯节点组成的网络,所述结构网络为所述无人机蜂群系统中所有无人机作为结构节点组成的网络,所述通讯网络中的通讯节点与所述结构网络中的结构节点个数相等;
将所述通讯网络的通讯节点和所述结构网络中的结构节点一一对应连接;
将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接;所有的任务载荷节点均连接至结构节点,不同结构节点之间连接的任务载荷节点不同;
将所述通讯网络、所述结构网络和所述任务网络连接后的系统确定为所述无人机蜂群系统;所述无人机蜂群系统按照所述通讯网络、所述结构网络和所述任务网络之间的连接关系执行任务。
2.根据权利要求1所述的无人机蜂群系统的构建方法,其特征在于,所述根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络,具体包括:
获取每一个种类对应的任务载荷集合;每一个所述任务载荷集合均包括多个任务载荷节点;
根据所述任务载荷的执行顺序确定不同种类之间的连接顺序;
按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点;通过边连接的两个任务载荷节点属于不同种类,种类不同的两个任务载荷节点仅通过一条边连接;
遍历所有相邻种类的任务载荷节点,生成所述任务网络。
3.根据权利要求2所述的无人机蜂群系统的构建方法,其特征在于,所述按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点,之后还包括:
对每一条边在设定数值范围内随机赋予权值。
4.根据权利要求1所述的无人机蜂群系统的构建方法,其特征在于,所述将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接,具体包括:
对于所述结构网络中的首个结构节点,随机选择所述任务网络中的多个任务载荷节点进行边连接;
对于所述结构网络中除首个结构节点之外的任意一个结构节点,随机选择所述任务网络中的未被选择的多个任务载荷节点进行边连接。
5.一种无人机蜂群系统的构建系统,其特征在于,包括:
待执行的任务载荷获取模块,用于获取无人机蜂群系统待执行的所有任务载荷;所述任务载荷包括多个种类;
任务网络生成模块,用于根据所述任务载荷的种类、所述任务载荷的执行顺序和所述任务载荷的位置分布,基于复杂网络,生成所述无人机蜂群系统的任务网络;所述任务网络中按照所述执行顺序,相邻两个任务种类中的任务载荷节点通过边连接;
通讯网络和结构网络获取模块,用于获取所述无人机蜂群系统的通讯网络和结构网络;所述通讯网络为所述无人机蜂群系统的所有通讯节点组成的网络,所述结构网络为所述无人机蜂群系统中所有无人机作为结构节点组成的网络,所述通讯网络中的通讯节点与所述结构网络中的结构节点个数相等;
第一连接模块,用于将所述通讯网络的通讯节点和所述结构网络中的结构节点一一对应连接;
第二连接模块,用于将所述结构网络中的结构节点和所述任务网络的任务载荷节点对应连接;所有的任务载荷节点均连接至结构节点,不同结构节点之间连接的任务载荷节点不同;
无人机蜂群系统确定模块,用于将所述通讯网络、所述结构网络和所述任务网络连接后的系统确定为所述无人机蜂群系统;所述无人机蜂群系统按照所述通讯网络、所述结构网络和所述任务网络之间的连接关系执行任务。
6.根据权利要求5所述的无人机蜂群系统的构建系统,其特征在于,所述任务网络生成模块,具体包括:
任务载荷分类单元,用于获取每一个种类对应的任务载荷集合;每一个任务载荷集合包括多个任务载荷节点;
连接顺序确定单元,用于根据所述任务载荷的执行顺序确定不同种类之间的连接顺序;
连接单元,用于按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点;通过边连接的两个任务载荷节点属于不同种类,种类不同的两个任务载荷节点仅通过一条边连接;
任务网络生成单元,用于遍历所有相邻种类的任务载荷节点,生成所述任务网络。
7.根据权利要求6所述的无人机蜂群系统的构建系统,其特征在于,所述任务网络生成模块还包括:
赋值单元,用于在按照所述连接顺序,采用自由组合算法,将相邻两个种类中执行顺序在前的任务载荷节点通过边连接至执行顺序在后的节点之后,对每一条边在设定数值范围内随机赋予权值。
8.根据权利要求5所述的无人机蜂群系统的构建系统,其特征在于,所述第二连接模块具体包括:
第一连接单元,用于对于所述结构网络中的首个结构节点,随机选择所述任务网络中的多个任务载荷节点进行边连接;
第二连接单元,用于对于所述结构网络中除首个结构节点之外的任意一个结构节点,随机选择所述任务网络中的未被选择的多个任务载荷节点进行边连接。
CN201910935356.7A 2019-09-29 2019-09-29 一种无人机蜂群系统的构建方法及系统 Active CN110493792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910935356.7A CN110493792B (zh) 2019-09-29 2019-09-29 一种无人机蜂群系统的构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910935356.7A CN110493792B (zh) 2019-09-29 2019-09-29 一种无人机蜂群系统的构建方法及系统

Publications (2)

Publication Number Publication Date
CN110493792A true CN110493792A (zh) 2019-11-22
CN110493792B CN110493792B (zh) 2021-02-26

Family

ID=68544701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910935356.7A Active CN110493792B (zh) 2019-09-29 2019-09-29 一种无人机蜂群系统的构建方法及系统

Country Status (1)

Country Link
CN (1) CN110493792B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360276A (zh) * 2021-04-15 2021-09-07 北京航空航天大学 一种基于健康状态的无人机系统任务规划方法及装置
CN114938497A (zh) * 2022-07-04 2022-08-23 安徽大学 一种通信节点无人机多种群网络部署方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110035149A1 (en) * 2009-07-06 2011-02-10 Honeywell International Inc. Flight technical control management for an unmanned aerial vehicle
US20150025927A1 (en) * 2013-07-16 2015-01-22 Raytheon Company Mission component evaluation and response architecture
CN108279704A (zh) * 2018-02-09 2018-07-13 沈阳航空航天大学 一种增加通信链路的多无人机的协同控制策略
CN108471604A (zh) * 2018-02-11 2018-08-31 苏州光之翼智能科技有限公司 一种基于无人机集群的组网方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110035149A1 (en) * 2009-07-06 2011-02-10 Honeywell International Inc. Flight technical control management for an unmanned aerial vehicle
US20150025927A1 (en) * 2013-07-16 2015-01-22 Raytheon Company Mission component evaluation and response architecture
CN108279704A (zh) * 2018-02-09 2018-07-13 沈阳航空航天大学 一种增加通信链路的多无人机的协同控制策略
CN108471604A (zh) * 2018-02-11 2018-08-31 苏州光之翼智能科技有限公司 一种基于无人机集群的组网方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ILKER BEKMEZCI,MURAT ERMIS,ETC.: "Connected multi UAV task planning for Flying Ad Hoc Networks", 《2014 IEEE INTERNATIONAL BLACK SEA CONFERENCE ON COMMUNICATIONS AND NETWORKING (BLACKSEACOM)》 *
钟鸣;梅颖慧;等: "基于数字信息素的分布式决策技术", 《CNKI 航天电子对抗》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113360276A (zh) * 2021-04-15 2021-09-07 北京航空航天大学 一种基于健康状态的无人机系统任务规划方法及装置
CN113360276B (zh) * 2021-04-15 2022-09-27 北京航空航天大学 一种基于健康状态的无人机系统任务规划方法及装置
CN114938497A (zh) * 2022-07-04 2022-08-23 安徽大学 一种通信节点无人机多种群网络部署方法
CN114938497B (zh) * 2022-07-04 2023-10-24 安徽大学 一种通信节点无人机多种群网络部署方法

Also Published As

Publication number Publication date
CN110493792B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
Chen et al. When UAV swarm meets edge-cloud computing: The QoS perspective
CN105204499B (zh) 基于未知输入观测器的直升机协同编队故障诊断方法
CN110493792A (zh) 一种无人机蜂群系统的构建方法及系统
CN106774331A (zh) 一种分布式控制无人艇集群分簇编队方法
Hassan et al. On relative-output feedback approach for group consensus of clusters of multiagent systems
CN110161847A (zh) 一种基于分布式奇异观测器的无人机编队系统传感器故障估计方法
CN107453928A (zh) 一种电力通信网节点重要度评价方法及装置
CN104660663B (zh) 服务器群集的操作方法
Xu et al. Structuring causal tree models with continuous variables
Pierpaoli et al. A sequential composition framework for coordinating multirobot behaviors
Long et al. Potentials of coloured petri nets for realistic availability modelling of production systems in Industry 4.0
CN114035589A (zh) 基于抗攻击策略的集群无人艇容错协同控制方法
CN106875043B (zh) 一种基于gn分裂算法的节点迁移网络分块优化方法
Sapaty et al. Countering asymmetric situations with distributed artificial life and robotics approach
Chu et al. Optimal mapping of neural-network learning on message-passing multicomputers
Bayram et al. Determining optimal paths of virtual links in Avionics Full-Duplex Switched Ethernet networks using modified ant colony optimization algorithm
CN115834273A (zh) 一种工业控制系统的i/o资源共享交互架构以及方法
CN110597194A (zh) 一种大规模柔性驱动的自动制造系统的协同活性构建方法
Wang et al. Task allocation policy for ugv systems using colored petri nets
CN110661667B (zh) 一种无人机蜂群的任务可靠性分析方法及系统
Guo et al. Prior Knowledge-Augmented Broad Reinforcement Learning Framework for Fault Diagnosis of Heterogeneous Multiagent Systems
CN113741192A (zh) 基于可切换拓扑的时滞多智能体系统约束容错控制方法
CN105282230B (zh) 一种强实时计算机集群动态调度系统
Yang et al. Flocking shape analysis of multi-agent systems
Ponda et al. Ensuring network connectivity for decentralized planning in dynamic environments

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