CN110609572B - 无人机编队信息交互拓扑的启发式优化方法和装置 - Google Patents
无人机编队信息交互拓扑的启发式优化方法和装置 Download PDFInfo
- Publication number
- CN110609572B CN110609572B CN201910778262.3A CN201910778262A CN110609572B CN 110609572 B CN110609572 B CN 110609572B CN 201910778262 A CN201910778262 A CN 201910778262A CN 110609572 B CN110609572 B CN 110609572B
- Authority
- CN
- China
- Prior art keywords
- graph
- weighted
- dimensional linear
- communication network
- directed graph
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 115
- 230000003993 interaction Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 101
- 238000010586 diagram Methods 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims description 16
- 230000002441 reversible effect Effects 0.000 claims description 15
- 238000013459 approach Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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)
- Traffic Control Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种无人机编队信息交互拓扑的启发式优化方法和装置,涉及无人机通信领域。包括以下步骤:基于无人机编队的三维队形获取通信网络;基于所述通信网络获取加权有向图和加权无向图;计算所述加权无向图的刚度矩阵的秩;基于所述秩和所述加权有向图获取三维线性无关图;基于所述三维线性无关图获取无人机编队的信息交互拓扑。本发明提供的优化方法的时间复杂度较低。
Description
技术领域
本发明涉及无人机通信技术领域,具体涉及一种无人机编队信息交互拓扑的启发式优化方法和装置。
背景技术
随着科技的发展,无人机技术被广泛应用于民用和军用领域。多架无人机编队作业已成为现如今的发展趋势。而所有无人机(UAV)通常通过点对点的通信链接进行信息交互,以形成一定的编队队形,并保持此编队队形朝目标区域飞行。其中,所使用的通信链接被称为多无人机编队的信息交互拓扑。
现有技术一般构建出无人机编队的通信图,根据通信图构建出无人机编队的最优刚性图,进而通过最优刚性图得到无人机编队的信息交互拓扑。
然而本申请的发明人发现,现有技术提供的方法比较复杂,在无人机编队作业的过程中,求得信息交互拓扑的速度慢,即计算无人机编队信息交互拓扑花费的时间较长。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种无人机编队信息交互拓扑的启发式优化方法和装置,解决了现有技术计算无人机编队信息交互拓扑花费的时间长的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
本发明解决其技术问题所提供的一种无人机编队信息交互拓扑的启发式优化方法,所述优化方法由计算机执行,包括以下步骤:
基于无人机编队的三维队形获取通信网络;
基于所述通信网络获取加权有向图和加权无向图;
计算所述加权无向图的刚度矩阵的秩;
基于所述秩和所述加权有向图获取三维线性无关图;
基于所述三维线性无关图获取无人机编队的信息交互拓扑。
优选的,所述加权有向图和所述加权无向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
获取所述第二通信网络的第三最小树形图,将所述第三最小树形图中的弧及其反向弧从所述第二通信网络中删除,得到第三通信网络;
将所述第一最小树形图、所述第二最小树形图和所述第三最小树形图合并,获得所述加权有向图;
基于所述加权有向图获取其对应的加权无向图。
优选的,所述三维线性无关图的获取方法为:
S401、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S402、判断所述加权有向图中的弧的数量是否大于所述加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为三维线性无关图;
S403、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到所述第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S404、更新h的取值;
S405、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二加权有向图即为三维线性无关图。
优选的,所述无人机编队的信息交互拓扑的获取方法为:
S501、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述第三通信网络对应的加权无向图中的边进行排序,获取所述第三通信网络对应的加权无向图中的第k条边对应的两条弧,其中,k=1;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S502、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,将所述第k条边对应的两条弧中的一条弧a添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S503、判断所述第一三维线性无关图对应的加权无向图的刚度矩阵的秩是否等于r0,若满足条件,则将弧a从所述第一三维线性无关图中删除,得到第二三维线性无关图,且,令r1=r0;
若不满足条件,则更新所述r0的取值,令r1=r0+1,判断所述第一三维线性无关图中弧a的两个节点的入度是否都大于3,若满足条件,对所述第一三维线性无关图进行路径反向操作,得到第二三维线性无关图;若不满足条件,则不进行处理;
S504、更新所述k的取值;
S505、判断所述r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S502,重复步骤S502-S505;若不满足条件,则所述第二三维线性无关图即为无人机编队的信息交互拓扑。
优选的,在S503中,所述路径反向操作包括:
在所述第一三维线性无关图中找到一个入度小于3的节点;获取该节点到弧a的终点的具有最小跳数的路径,将该路径中的所有弧反向。
本发明解决其技术问题所提供的一种无人机编队信息交互拓扑的启发式优化装置,所述装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
基于无人机编队的三维队形获取通信网络;
基于所述通信网络获取加权有向图和加权无向图;
计算所述加权无向图的刚度矩阵的秩;
基于所述秩和所述加权有向图获取三维线性无关图;
基于所述三维线性无关图获取无人机编队的信息交互拓扑。
优选的,所述加权有向图和所述加权无向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
获取所述第二通信网络的第三最小树形图,将所述第三最小树形图中的弧及其反向弧从所述第二通信网络中删除,得到第三通信网络;
将所述第一最小树形图、所述第二最小树形图和所述第三最小树形图合并,获得所述加权有向图;
基于所述加权有向图获取其对应的加权无向图。
优选的,所述三维线性无关图的获取方法为:
S401、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S402、判断所述加权有向图中的弧的数量是否大于所述加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为三维线性无关图;
S403、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到所述第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S404、更新h的取值;
S405、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二加权有向图即为三维线性无关图。
优选的,所述无人机编队的信息交互拓扑的获取方法为:
S501、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述第三通信网络对应的加权无向图中的边进行排序,获取所述第三通信网络对应的加权无向图中的第k条边对应的两条弧,其中,k=1;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S502、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,将所述第k条边对应的两条弧中的一条弧a添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S503、判断所述第一三维线性无关图对应的加权无向图的刚度矩阵的秩是否等于r0,若满足条件,则将弧a从所述第一三维线性无关图中删除,得到第二三维线性无关图,且,令r1=r0;
若不满足条件,则更新所述r0的取值,令r1=r0+1,判断所述第一三维线性无关图中弧a的两个节点的入度是否都大于3,若满足条件,对所述第一三维线性无关图进行路径反向操作,得到第二三维线性无关图;若不满足条件,则不进行处理;
S504、更新所述k的取值;
S505、判断所述r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S502,重复步骤S502-S505;若不满足条件,则所述第二三维线性无关图即为无人机编队的信息交互拓扑。
优选的,在S503中,所述路径反向操作包括:
在所述第一三维线性无关图中找到一个入度小于3的节点;获取该节点到弧a的终点的具有最小跳数的路径,将该路径中的所有弧反向。
(三)有益效果
本发明提供了一种无人机编队信息交互拓扑的启发式优化方法和装置。与现有技术相比,具备以下有益效果:
本发明通过基于无人机编队的三维队形获取通信网络;基于通信网络获取加权有向图和加权无向图;并计算加权无向图的刚度矩阵的秩;基于秩和加权有向图获取三维线性无关图;基于三维线性无关图获取无人机三维编队的最优信息交互拓扑。本发明提供的方法相比于现有技术,不需要求得三维最优刚性图,因此时间复杂度更低,可以更快地计算出无人机编队的信息交互拓扑,减少了计算出无人机编队信息交互拓扑的时间。
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,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的无人机编队信息交互拓扑的启发式优化方法的整体流程图;
图2为本发明一实施例中无人机编队的三维空间队形S的示意图;
图3为本发明一实施例中第一最小树形图的示意图;
图4为本发明一实施例中第二最小树形图的示意图;
图5为本发明一实施例中第三最小树形图的示意图;
图6为本发明一实施例中加权有向图的示意图;
图7为本发明一实施例中加权有向图删除第一条弧后的有向图的示意图;
图8为本发明一实施例中加权有向图删除前两条弧后的有向图的示意图;
图9为本发明一实施例中加权有向图删除前三条弧后的有向图的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本申请实施例通过提供一种无人机编队信息交互拓扑的启发式优化方法和装置,解决了现有技术计算无人机编队信息交互拓扑花费的时间长的问题,减少了在计算无人机编队信息交互拓扑时花费的时间。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
本发明实施例通过基于无人机编队的三维队形获取通信网络;基于通信网络获取加权有向图和加权无向图;并计算加权无向图的刚度矩阵的秩;基于秩和加权有向图获取三维线性无关图;基于三维线性无关图获取无人机三维编队的最优信息交互拓扑。本发明实施例提供的方法相比于现有技术,不需要求得三维最优刚性图,因此时间复杂度更低,可以更快地计算出无人机编队的信息交互拓扑,减少了计算出无人机编队信息交互拓扑的时间。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明实施例提供了一种无人机编队信息交互拓扑的启发式优化方法,如图1所示,所述优化方法由计算机执行,包括以下步骤:
S1、基于无人机编队的三维队形获取通信网络;
S2、基于上述通信网络获取加权有向图和加权无向图;
S3、计算上述加权无向图的刚度矩阵的秩;
S4、基于上述秩和上述加权有向图获取三维线性无关图;
S5、基于上述三维线性无关图获取无人机三维编队的最优信息交互拓扑。
本发明实施例通过基于无人机编队的三维队形获取通信网络;基于通信网络获取加权有向图和加权无向图;并计算加权无向图的刚度矩阵的秩;基于秩和加权有向图获取三维线性无关图;基于三维线性无关图获取无人机三维编队的最优信息交互拓扑。本发明实施例提供的方法相比于现有技术,不需要求得三维最优刚性图,因此时间复杂度更低,可以更快地计算出无人机编队的信息交互拓扑,减少了计算出无人机编队信息交互拓扑的时间。
具体的,本方法由地面控制中心的计算机执行,继而将计算结果发给每架无人机,实现多无人机的三维编队。
下面对各步骤进行详细描述:
在步骤S1中,基于无人机编队的队形获取通信网络。
具体的,本发明实施例在实际应用中根据无人机预设编队的队形和无人机的通信范围,确定编队中无人机之间的可用通信链接,以无人机作为节点,以可用通信链接作为弧,构建编队的通信网络拓扑。其中,任意两个无人机之间的距离在无人机的通信范围之内,则该两无人机之间具有双向的通信链接,每个通信链接的通信代价由相应的通信距离决定。
本发明实施例设定共n个UAV通过UAV之间的单向通信以形成并保持一个三维的编队队形S。该编队队形S中n个位置分别编号为{1,2,…,n},所有无人机的位置至少包含两个高度,以构成三维队形。
此编队的通信网络根据队形S确定。
具体的,表示为D=(V,A,W)。
其中:
V={vi},1≤i≤n是无人机代表的节点的集合,其中vi表示UAVi,即第i架无人机。
W={w(aij)},aij∈A是所有弧的权值的集合,其中w(aij)表示从UAVi到UAVj的通信链接aij的代价。
在步骤S2中,基于上述通信网络获取加权有向图和加权无向图。
具体的,本发明实施例先获取上述通信网络D的第一最小树形图T1,并将第一最小树形图T1中的弧及其反向弧从上述通信网络D中删除,得到第一通信网络D1。
获取第一通信网络D1的第二最小树形图T2,并将第二最小树形图T2中的弧及其反向弧从第一通信网络D1中删除,得到第二通信网络D2。
获取第二通信网络D2的第三最小树形图T3,将第三最小树形图T3中的弧及其反向弧从第二通信网络D2中删除,得到第三通信网络D3。
将第一最小树形图、第二最小树形图和第三最小树形图合并,即得到加权有向图。
根据加权有向图可得到加权无向图。
具体的,加权有向图为T=(V,A*,W*)。
本发明实施例在获取最小树形图时采用Edmonds最小树形图优化算法。具体的,本发明实施例基于通信网络得到加权有向图的步骤的时间复杂度为:O(|A|+|V|×log|V|)。
在步骤S3中,计算上述加权无向图的刚度矩阵的秩。
具体的,本发明实施例首先根据刚度矩阵理论,求出加权无向图的刚度矩阵,进一步求得刚度矩阵的秩r。
此处的时间复杂度为:O(|V|3)。
在步骤S4中,基于上述秩和上述加权有向图获取三维线性无关图。
具体的,三维线性无关图的获取方法如下:
S401、按照权值从高到低的顺序对上述加权有向图T中的弧进行排序,赋值h=1。
S402、判断加权有向图T中的弧的数量是否大于加权无向图的刚度矩阵的秩r,若满足条件,删除加权有向图T中的第h条弧,得到第一加权有向图;若不满足条件,则加权有向图T即为三维线性无关图。
S403、判断上述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图。
S404、更新h的取值。具体的,令h=h+1。
S405、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图T中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二加权有向图即为三维线性无关图。
需要说明的是,三维线性无关图是指:假设M是三维空间中有向图T=(V,A)对应无向图G=(V,E)的三维刚度矩阵。仅当三维刚度矩阵的秩r和无向图的边数|E|满足r=|E|时,此有向图T为三维线性无关图。
上述获取方法采用的算法步骤如表1所示:
表1
具体的,上述算法中,Step1的时间复杂度为:O(|V|×log|V|)。
Step2-Step8的时间复杂度为:O(|V|3)。
在步骤S5中,基于上述三维线性无关图获取无人机三维编队的最优信息交互拓扑。
具体的,无人机三维编队的最优信息交互拓扑的获取方法为:
S501、当三维线性无关图对应的加权无向图的刚度矩阵的秩r0和三维线性无关图T0的节点集合V满足r0<3×|V|-6时,按照权值从低到高的顺序对第三通信网络D3对应的加权无向图中的边进行排序,获取第三通信网络D3对应的加权无向图中的第k条边对应的两条弧,其中,k=1。当上述条件不满足时,三维线性无关图T0即为无人机编队的信息交互拓扑。
需要说明的是,本发明实施例中,三维线性无关图的刚度矩阵的秩r0和加权无向图的刚度矩阵的秩r的数值相等。
S502、判断三维线性无关图对应的加权无向图的刚度矩阵的秩r0和三维线性无关图T0的节点集合V是否满足r0<3×|V|-6,满足条件时,将第k条边对应的两条弧中的一条弧a添加到三维线性无关图T0中,得到第一三维线性无关图不满足条件时,三维线性无关图T0即为无人机编队的信息交互拓扑。
若不满足条件,则更新所述r0的取值,得到更新取值后的秩r1。具体的,可以令r1=r0+1。当第一三维线性无关图中第k条边的两个节点vi和vj的入度都大于3时,对第一三维线性无关图进行路径反向操作,得到第二三维线性无关图当上述条件不满足时,则不进行处理,直接跳到下一步。
其中,路径反向操作具体为:
S504、更新k的取值,具体的,令k=k+2。
S505、判断r1是否满足r1<3×|V|-6,若满足条件,则将三维线性无关图T0中的数据更新为第二三维线性无关图中的数据,并跳转到步骤S502,重复步骤S502-S505;若不满足条件,则第二三维线性无关图即为无人机三维编队的信息交互拓扑。
需要说明的是,弧a的选取条件为:使得三维线性无关图的第k条边的两个节点vi和vj的入度尽量小于等于3,具体如下:
第k条边对应的两条弧为aij和aji。
当节点vj的入度小于等于3时,选取aij和aji中任意一个作为弧a即可;
当vj入度大于3,vi入度小于等于3时,选取aji作为弧a;
当vj入度大于3,vi入度也大于3时,选取aij作为弧a。
具体的,上述获取方法采用的算法步骤如表2所示:
表2
具体的,上述算法中,Step1的时间复杂度为:O(|V2|×log|V|)。
Step2-Step11的时间复杂度为:O(|V|3)。
综上所述,本发明实施例所提供的无人机编队信息交互拓扑的启发式优化方法的总的时间复杂度为:O(|V|3)。
而现有技术提供的方法的时间复杂度为:O(|V|4)。
相比于现有技术,本发明实施例所提供的方法在获取无人机编队信息交互拓扑时,时间复杂度更加低,因此可以更快地计算出无人机编队的信息交互拓扑,减少了计算出无人机编队信息交互拓扑的时间,使得无人机编队在工作时的效率更高。
具体的,下面以具体例子验证本发明实施例的准确性。
假设一个大规模三维持久编队由16架UAV组成,每个UAV的通信范围是1600m,上述16架UAV需要形成并保持如图2所示的三维空间队形S,所有UAV在队形S中的位置分别编号为{1,2,…,16},它们在三维空间的相对位置如图2(a)所示。例如,本发明实施例中以上述三维空间队形中的10号位置作为编队参考点,则上述三维持久编队队形S中每个位置的坐标如图2(b)所示。
本发明一实施例中,根据图1所示算法,首先构建相应的通信网络D=(V,A,W);将D中的弧转换成边得到对应的加权无向图和加权有向图T=(V,A*,W*);求得加权无向图的刚度矩阵的秩r;基于表1的方法根据加权有向图和秩求得三维线性无关图。基于表2的方法根据三维线性无关图可求得无人机编队的信息交互拓扑。
具体的,在步骤S2中,获取通信网络的第一最小树形图,如图3所示。第二最小树形图如图4所示,第三最小树形图如图5所示。根据三个最小树形图获得加权有向图,如图6所示。
在步骤S4中,基于加权有向图获取三维线性无关图。首先,按照权值从高到低的顺序对加权有向图中的弧进行排序。然后删除第一条弧,在本实施例中为弧(14,10),获取的有向图如图7所示。删除第二条弧(12,16),获取的有向图如图8所示。再删除第三条弧(15,12),获取的有向图如图9所示。此时,循环结束,则图9即为三维线性无关图。最后根据三维线性无关图获取无人机编队的信息交互拓扑。
基于本发明实施例所提供的方法,可求得方法的总计算时间约为972ms,而现有技术提供的方法的总计算时间为7022ms。因此,本发明实施例所提供的生成方法的时间复杂度比现有技术的时间复杂度低。
本发明实施例还提供了一种无人机编队信息交互拓扑的启发式优化装置,上述装置包括计算机,上述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,上述至少一个存储单元中存储有至少一条指令,上述至少一条指令由上述至少一个处理单元加载并执行以实现以下步骤:
基于无人机编队的三维队形获取通信网络;
基于上述通信网络获取加权有向图和加权无向图;
计算上述加权无向图的刚度矩阵的秩;
基于上述秩和上述加权有向图获取三维线性无关图;
基于上述三维线性无关图获取无人机编队的信息交互拓扑。
可理解的是,本发明实施例提供的上述优化系统与上述优化方法相对应,其有关内容的解释、举例、有益效果等部分可以参考无人机编队信息交互拓扑的启发式优化方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,具备以下有益效果:
本发明实施例通过基于无人机编队的三维队形获取通信网络;基于通信网络获取加权有向图和加权无向图;并计算加权无向图的刚度矩阵的秩;基于秩和加权有向图获取三维线性无关图;基于三维线性无关图获取无人机三维编队的最优信息交互拓扑。本发明实施例提供的方法相比于现有技术,不需要求得三维最优刚性图,因此时间复杂度更低,可以更快地计算出无人机编队的信息交互拓扑,减少了计算出无人机编队信息交互拓扑的时间。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
在此处所提供的说明书中,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。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上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精神和范围。
Claims (8)
1.一种无人机编队信息交互拓扑的启发式优化方法,其特征在于,所述优化方法由计算机执行,包括以下步骤:
基于无人机编队的三维队形获取通信网络;
基于所述通信网络获取加权有向图和加权无向图;
计算所述加权无向图的刚度矩阵的秩;
基于所述秩和所述加权有向图获取三维线性无关图,包括:
S401、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S402、判断所述加权有向图中的弧的数量是否大于所述加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为三维线性无关图;
S403、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到所述第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S404、更新h的取值;
S405、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二加权有向图即为三维线性无关图;
基于所述三维线性无关图获取无人机编队的信息交互拓扑。
2.如权利要求1所述的优化方法,其特征在于,所述加权有向图和所述加权无向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
获取所述第二通信网络的第三最小树形图,将所述第三最小树形图中的弧及其反向弧从所述第二通信网络中删除,得到第三通信网络;
将所述第一最小树形图、所述第二最小树形图和所述第三最小树形图合并,获得所述加权有向图;
基于所述加权有向图获取其对应的加权无向图。
3.如权利要求2所述的优化方法,其特征在于,所述无人机编队的信息交互拓扑的获取方法为:
S501、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述第三通信网络对应的加权无向图中的边进行排序,获取所述第三通信网络对应的加权无向图中的第k条边对应的两条弧,其中,k=1;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S502、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,将所述第k条边对应的两条弧中的一条弧a添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S503、判断所述第一三维线性无关图对应的加权无向图的刚度矩阵的秩是否等于r0,若满足条件,则将弧a从所述第一三维线性无关图中删除,得到第二三维线性无关图,且,令r1=r0;
若不满足条件,则更新所述r0的取值,令r1=r0+1,判断所述第一三维线性无关图中弧a的两个节点的入度是否都大于3,若满足条件,对所述第一三维线性无关图进行路径反向操作,得到第二三维线性无关图;若不满足条件,则不进行处理;
S504、更新所述k的取值;
S505、判断所述r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S502,重复步骤S502-S505;若不满足条件,则所述第二三维线性无关图即为无人机编队的信息交互拓扑。
4.如权利要求3所述的优化方法,其特征在于,在S503中,所述路径反向操作包括:
在所述第一三维线性无关图中找到一个入度小于3的节点;获取该节点到弧a的终点的具有最小跳数的路径,将该路径中的所有弧反向。
5.一种无人机编队信息交互拓扑的启发式优化装置,其特征在于,所述装置包括计算机,所述计算机包括:
至少一个存储单元;
至少一个处理单元;
其中,所述至少一个存储单元中存储有至少一条指令,所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤:
基于无人机编队的三维队形获取通信网络;
基于所述通信网络获取加权有向图和加权无向图;
计算所述加权无向图的刚度矩阵的秩;
基于所述秩和所述加权有向图获取三维线性无关图,包括:
S401、按照权值从高到低的顺序对所述加权有向图中的弧进行排序,赋值h=1;
S402、判断所述加权有向图中的弧的数量是否大于所述加权无向图的刚度矩阵的秩r,若满足条件,删除所述加权有向图中的第h条弧,得到第一加权有向图;若不满足条件,则所述加权有向图即为三维线性无关图;
S403、判断所述第一加权有向图对应的加权无向图的刚度矩阵的秩是否小于r,若满足条件,则将所述第h条弧重新加入到所述第一加权有向图中,得到第二加权有向图;若不满足条件,则不进行处理,得到第二加权有向图;
S404、更新h的取值;
S405、判断所述第二加权有向图中的弧的数量是否大于r,若满足条件,则将所述加权有向图中的数据更新为所述第二加权有向图中的数据,并跳转到步骤S402,重复步骤S402-S405;若不满足条件,则所述第二加权有向图即为三维线性无关图;
基于所述三维线性无关图获取无人机编队的信息交互拓扑。
6.如权利要求5所述的优化装置,其特征在于,所述加权有向图和所述加权无向图的获取方法为:
获取所述通信网络的第一最小树形图,并将所述第一最小树形图中的弧及其反向弧从所述通信网络中删除,得到第一通信网络;
获取所述第一通信网络的第二最小树形图,并将所述第二最小树形图中的弧及其反向弧从所述第一通信网络中删除,得到第二通信网络;
获取所述第二通信网络的第三最小树形图,将所述第三最小树形图中的弧及其反向弧从所述第二通信网络中删除,得到第三通信网络;
将所述第一最小树形图、所述第二最小树形图和所述第三最小树形图合并,获得所述加权有向图;
基于所述加权有向图获取其对应的加权无向图。
7.如权利要求6所述的优化装置,其特征在于,所述无人机编队的信息交互拓扑的获取方法为:
S501、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,按照权值从低到高的顺序对所述第三通信网络对应的加权无向图中的边进行排序,获取所述第三通信网络对应的加权无向图中的第k条边对应的两条弧,其中,k=1;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S502、判断所述三维线性无关图对应的加权无向图的刚度矩阵的秩r0和所述三维线性无关图的节点集合V是否满足r0<3×|V|-6,若满足条件,将所述第k条边对应的两条弧中的一条弧a添加到所述三维线性无关图中,得到第一三维线性无关图;若不满足条件,则所述三维线性无关图即为无人机编队的信息交互拓扑;
S503、判断所述第一三维线性无关图对应的加权无向图的刚度矩阵的秩是否等于r0,若满足条件,则将弧a从所述第一三维线性无关图中删除,得到第二三维线性无关图,且,令r1=r0;
若不满足条件,则更新所述r0的取值,令r1=r0+1,判断所述第一三维线性无关图中弧a的两个节点的入度是否都大于3,若满足条件,对所述第一三维线性无关图进行路径反向操作,得到第二三维线性无关图;若不满足条件,则不进行处理;
S504、更新所述k的取值;
S505、判断所述r1是否满足r1<3×|V|-6,若满足条件,则将所述三维线性无关图中的数据更新为所述第二三维线性无关图中的数据,并跳转到步骤S502,重复步骤S502-S505;若不满足条件,则所述第二三维线性无关图即为无人机编队的信息交互拓扑。
8.如权利要求7所述的优化装置,其特征在于,在S503中,所述路径反向操作包括:
在所述第一三维线性无关图中找到一个入度小于3的节点;获取该节点到弧a的终点的具有最小跳数的路径,将该路径中的所有弧反向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778262.3A CN110609572B (zh) | 2019-08-22 | 2019-08-22 | 无人机编队信息交互拓扑的启发式优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778262.3A CN110609572B (zh) | 2019-08-22 | 2019-08-22 | 无人机编队信息交互拓扑的启发式优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110609572A CN110609572A (zh) | 2019-12-24 |
CN110609572B true CN110609572B (zh) | 2022-09-06 |
Family
ID=68889847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910778262.3A Active CN110609572B (zh) | 2019-08-22 | 2019-08-22 | 无人机编队信息交互拓扑的启发式优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609572B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111314879B (zh) * | 2020-01-19 | 2023-07-04 | 合肥工业大学 | 突发事件下无人平台信息感知网络快速响应方法和装置 |
CN111314119B (zh) * | 2020-01-19 | 2023-06-27 | 合肥工业大学 | 不确定环境下无人平台信息感知网络快速重构方法和装置 |
CN111294760B (zh) * | 2020-01-19 | 2023-07-04 | 合肥工业大学 | 对抗环境下无人机协同态势感知网络快速响应方法和装置 |
CN114153228B (zh) * | 2021-11-30 | 2024-04-16 | 湖南大学 | 一种有向交互拓扑下无速度测量的四旋翼编队控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419597A (zh) * | 2011-12-05 | 2012-04-18 | 哈尔滨工业大学 | 一种限定相对姿态的大规模编队航天器姿态一致控制方法 |
CN106940567A (zh) * | 2017-05-08 | 2017-07-11 | 合肥工业大学 | 无人机编队最优信息交互拓扑生成方法及装置 |
-
2019
- 2019-08-22 CN CN201910778262.3A patent/CN110609572B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419597A (zh) * | 2011-12-05 | 2012-04-18 | 哈尔滨工业大学 | 一种限定相对姿态的大规模编队航天器姿态一致控制方法 |
CN106940567A (zh) * | 2017-05-08 | 2017-07-11 | 合肥工业大学 | 无人机编队最优信息交互拓扑生成方法及装置 |
Non-Patent Citations (6)
Title |
---|
基于拓扑连通性的多智能体系统目标追踪群集控制;刘丹;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20120815(第08期);全文 * |
基于非数据通信的导弹编队制导律算法;黄伟等;《兵工学报》;20180515(第05期);全文 * |
基于预测控制方法的UAV编队飞行;周绍磊等;《海军航空工程学院学报》;20111231;全文 * |
多智能体系统最优持久编队自动生成;罗小元等;《控制理论与应用》;20130215(第02期);全文 * |
多智能体系统的最优持久编队生成策略;罗小元 等;《自动化学报》;20140731;第40卷(第7期);全文 * |
面向队形保持的无人机编队信息交互拓扑优化问题的研究;王国强;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20171215(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110609572A (zh) | 2019-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110609572B (zh) | 无人机编队信息交互拓扑的启发式优化方法和装置 | |
CN106940567B (zh) | 无人机编队最优信息交互拓扑生成方法及装置 | |
CN112039574B (zh) | 通信干扰下无人机协同中继网络快速重构方法和系统 | |
WO2020173044A1 (zh) | 无人机路径规划方法、装置、存储介质及计算机设备 | |
CN110794867B (zh) | 通信干扰下无人机编队信息交互拓扑智能决策方法和装置 | |
CN111181792B (zh) | 基于网络拓扑的sdn控制器部署方法、装置及电子设备 | |
CN110471445B (zh) | 多无人平台通信能耗的多阶段多目标优化方法和装置 | |
CN110609548B (zh) | 多无人平台协同队形保持的快速优化方法和装置 | |
CN111104561B (zh) | 启发式的无人平台信息感知网络拓扑生成方法和装置 | |
CN112134607B (zh) | 突发事件下无人机协同中继网络快速重构方法和系统 | |
CN110647167B (zh) | 无人机编队最优信息交互拓扑快速生成方法和装置 | |
CN117367433A (zh) | 低空无人机路径规划方法、装置、无人机及可读存储介质 | |
CN111107604B (zh) | 无人平台信息感知网络的快速优化方法和装置 | |
CN110536266B (zh) | 无人机编队通信能耗的周期性在线均衡方法和装置 | |
CN110598272B (zh) | 多无人平台信息交互拓扑的启发式生成方法和装置 | |
CN110647166A (zh) | 均衡能耗的无人机编队信息交互拓扑在线优化方法和装置 | |
CN115437372B (zh) | 机器人路径规划方法、装置、电子设备及存储介质 | |
CN111163440A (zh) | 通信干扰下无人机协同态势感知网络快速重构方法和装置 | |
CN111024081A (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
CN110933639B (zh) | 无人机协同态势感知网络的信息交互拓扑优化方法和装置 | |
CN110989653B (zh) | 无人机协同态势感知的信息交互拓扑快速生成方法和装置 | |
CN110879609B (zh) | 对抗环境下无人机编队信息交互拓扑快速重构方法和装置 | |
CN111314119B (zh) | 不确定环境下无人平台信息感知网络快速重构方法和装置 | |
CN111026104B (zh) | 突发事件下的多智能体系统快速响应方法和装置 | |
CN115134288A (zh) | 通信网络路由调度方法及系统 |
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 |