CN110795823A - 一种基于无人机蜂群系统的任务可靠性分析方法及系统 - Google Patents
一种基于无人机蜂群系统的任务可靠性分析方法及系统 Download PDFInfo
- Publication number
- CN110795823A CN110795823A CN201910934440.7A CN201910934440A CN110795823A CN 110795823 A CN110795823 A CN 110795823A CN 201910934440 A CN201910934440 A CN 201910934440A CN 110795823 A CN110795823 A CN 110795823A
- Authority
- CN
- China
- Prior art keywords
- attack
- task
- unmanned aerial
- aerial vehicle
- nodes
- 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.)
- Pending
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于无人机蜂群系统的任务可靠性分析方法及系统。该分析方法包括:根据待分析的无人机蜂群系统,获取攻击策略;根据攻击策略对无人机蜂群系统的多层网络进行攻击;基于渗流模型,确定当前次攻击的临界概率;判断当前次攻击后的任务网络层的节点数是否大于0,如果是,按照攻击策略进行下一次攻击;如果否,攻击结束;将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的无人机蜂群系统的任务可靠性指数;每一次攻击对应的任务可靠性指数与任务脆弱性指数成反比关系,任务可靠性指数越高,无人机蜂群系统执行任务的可靠性越高。本发明可以很好的适用于无人机蜂群系统,同时提高可靠性分析结果的准确度。
Description
技术领域
本发明涉及航空技术领域,特别是涉及一种基于无人机蜂群系统的任务可靠性分析方法及系统。
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,而且随着无人机系统自主化、网络化通信技术以及群体智能理论的发展,以无人机蜂群的形式执行任务将是未来应用的重要实现形式。
对于无人机蜂群系统来说,系统中包含多架无人机系统、任务载荷和由多个无人机组成的数据通讯网等多层结构,同时网络层次之间不是相互独立的,还存在动态交互以及相关关系。无人机单机的任务可靠性通常可采用可靠性框图、BN、马尔科夫模型、二元决策图、the Petri-net method等方法来进行分析。但无人机蜂群并不是单机的简单组合,作为一个任务体系其具有物理系统层、通讯层和任务层等多维度层次结构,且其间存在复杂的逻辑交联关系,同时组织形式随时空不断演变重构,故障和风险在体系中的传播形式及其对任务的影响也不同于单机系统。所以传统的单机任务可靠性分析方法难以适用于无人机蜂群系统的任务可靠性分析,另外无人机蜂群系统在执行任务过程中所涌现出的新特性也很难依靠传统任务可靠性分析方法来覆盖。
发明内容
本发明的目的是提供一种基于无人机蜂群系统的任务可靠性分析方法及系统,以适用于无人机蜂群系统,同时提高可靠性分析结果的准确度。
为实现上述目的,本发明提供了如下方案:
一种基于无人机蜂群系统的任务可靠性分析方法,包括:
根据待分析的无人机蜂群系统,获取攻击策略;所述待分析的无人机蜂群系统为基于复杂网络的多层网络结构,包括通讯网络层、结构网络层和任务网络层;每一层网络均包括多个节点,所述多层网络之间的所有节点通过边连接;
根据所述攻击策略对所述无人机蜂群系统的多层网络进行攻击;
对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率;所述临界概率为任务网络层最大子团出现时的占有概率;
判断当前次攻击后的任务网络层的节点数是否大于0,得到第一判断结果;
当所述第一判断结果表示当前次攻击后的任务网络层的节点数大于0时,按照所述攻击策略进行下一次攻击;
当所述第一判断结果表示当前次攻击后的任务网络层的节点数不大于0时,攻击结束;
将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数;每一次攻击对应的任务可靠性指数与所述任务脆弱性指数成反比关系,任务可靠性指数越高,所述无人机蜂群系统执行任务的可靠性越高。
可选的,所述攻击策略包括随机攻击策略和蓄意攻击策略;所述随机攻击策略为随机对节点或边进行攻击,所述蓄意攻击策略为按照设定好的攻击策略对节点或边进行攻击。
可选的,所述对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率,具体包括:
确定当前次攻击所述任务网络层中待去除的节点;
将所述待去除的节点去除,得到更新后的任务网络层;
获取所述更新后的任务网络层所有节点的度的平均值;
可选的,所述将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数,之后还包括:
根据每一次攻击对应的任务可靠性指数,生成所述无人机蜂群系统的任务可靠性曲线,得到所述无人机蜂群系统的任务可靠性分析结果。
本发明还提供一种基于无人机蜂群系统的任务可靠性分析系统,包括:
攻击策略获取模块,用于根据待分析的无人机蜂群系统,获取攻击策略;所述待分析的无人机蜂群系统为基于复杂网络的多层网络结构,包括通讯网络层、结构网络层和任务网络层;每一层网络均包括多个节点,所述多层网络之间的所有节点通过边连接;
攻击模块,用于根据所述攻击策略对所述无人机蜂群系统的多层网络进行攻击;
临界概率获取模块,用于对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率;所述临界概率为任务网络层最大子团出现时的占有概率;
第一判断模块,用于判断当前次攻击后的任务网络层的节点数是否大于0,得到第一判断结果;
迭代模块,用于当所述第一判断结果表示当前次攻击后的任务网络层的节点数大于0时,按照所述攻击策略进行下一次攻击;
结束模块,用于当所述第一判断结果表示当前次攻击后的任务网络层的节点数不大于0时,攻击结束;
任务可靠性指数确定模块,用于将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数;每一次攻击对应的任务可靠性指数与所述任务脆弱性指数成反比关系,任务可靠性指数越高,所述无人机蜂群系统执行任务的可靠性越高。
可选的,所述攻击策略获取模块获取的攻击策略包括随机攻击策略和蓄意攻击策略;所述随机攻击策略为随机对节点或边进行攻击,所述蓄意攻击策略为按照设定好的攻击策略对节点或边进行攻击。
可选的,所述临界概率获取模块,具体包括:
待去除节点确定单元,用于确定当前次攻击所述任务网络层中待去除的节点;
更新单元,用于将所述待去除的节点去除,得到更新后的任务网络层;
度平均值获取单元,用于获取所述更新后的任务网络层所有节点的度的平均值;
可选的,还包括:
曲线生成模块,用于将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数之后,根据每一次攻击对应的任务可靠性指数,生成所述无人机蜂群系统的任务可靠性曲线,得到所述无人机蜂群系统的任务可靠性分析结果。
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:
本发明针对基于复杂网络构建的无人机蜂群系统,采用任务网络层的脆弱性分析过程实现对整个无人机蜂群系统的可靠性分析,并且提高了可靠性分析的准确度。采用本发明的任务可靠性分析方法,在无人机蜂群系统设计、任务规划、任务分配、任务决策、维修保障等各个环节提供准确有效的定量化依据,支撑无人机蜂群相关工作的发展。
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为本发明基于无人机蜂群系统的任务可靠性分析方法的流程示意图;
图2为本发明涉及的无人机蜂群系统的结构示意图;
图3为本发明基于无人机蜂群系统的任务可靠性分析系统的结构示意图;
图4为本发明涉及的无人机蜂群系统的任务网络层的结构示意图。
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。
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。
图1为本发明基于无人机蜂群系统的任务可靠性分析方法的流程示意图。如图1所示,所述任务可靠性分析方法包括以下步骤:
步骤100:根据待分析的无人机蜂群系统,获取攻击策略。
待分析的无人机蜂群系统为基于复杂网络的多层网络结构,包括通讯网络层、结构网络层和任务网络层,每一层网络均包括多个节点,所述多层网络之间的所有节点通过边连接。不同的应用中,无人机蜂群系统的结构不同,网络结构层数不同,边连接关系不同,但是都是基于复杂网络构建的无人机蜂群系统。如图2所示,图2为本发明涉及的无人机蜂群系统的结构示意图,将无人机蜂群系统的组成映射为多层复杂网络的节点,图2示例的为3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。
步骤200:根据攻击策略对无人机蜂群系统的多层网络进行攻击。攻击策略包括随机攻击策略和蓄意攻击策略,根据实际需求也可采用其他的攻击策略。随机攻击策略是指随机对节点或边进行攻击,从网络中完全随机地去掉一定比例的节点或边。蓄意攻击策略为按照设定好的攻击策略对节点或边进行攻击,按照某种定义好的次序去掉一定比例的节点或边,例如,按照节点的连边数量由多至少去除节点。完全随机的去除方式在无人机蜂群系统中主要可以与网络系统中节点的随机失效相联系,而按照顶点重要程度的去除方式则适合反映无人机蜂群网络中的节点受到蓄意的外部攻击。
步骤300:基于渗流模型,确定当前次攻击的临界概率。所述临界概率为任务网络层最大子团出现时的占有概率。
本发明采用渗流理论来研究复杂网络受到攻击的情况,一般将攻击策略分为节点攻击与边攻击两种方式。渗流模型是由许多实际问题抽象出来的模型,利用图论的概念和相变理论来分析复杂网络结构的变化。对于一个任务网络,渗流通常包括点渗流与边渗流两种情况。点渗流是指在网络中以一定方式去除一定比例的顶点,以及与这些顶点相连的边。边渗流则指的是在网络中以一定的方式去除一部分边。这两种渗流都可以用参数占有概率描述,占有概率表示一个顶点或边仍然存在的概率。
随着被删除的点或者边的增多,任务网络从连接态(功能态)变成非连接态(非功能态),任务网络的连通性发生了改变。对于一个给定的任务网络的点渗流或者边渗流,当占有概率从0开始变大时,任务网络的最大子团会在某个临界概率值处出现,其在整个任务网络中所占的比例将随占有概率的增长而继续变大,这个临界概率可以通过渗流理论理论计算或者计算机仿真得出。
临界概率的大小可以用作衡量原任务网络针对某种攻击或故障的脆弱性的指标:临界概率值越小,即需要去掉更多的顶点(或边)才能使最大子团消失,可以抵御大量节点失效而不崩溃,从而表明网络不脆弱。
确定临界概率的具体过程如下:
确定当前次攻击所述任务网络层中待去除的节点;
将所述待去除的节点去除,得到更新后的任务网络层;
获取所述更新后的任务网络层所有节点的度的平均值;
度是复杂网络中的一个基本概念,其在某种意义上表明该节点在网络中的重要程度。它与度分布是用来标示复杂网络中节点的统计量。节点i的度定义为与该节点连接的所有的边的数量。无人机集群网络中节点度,主要分为两部分,一部分是节点Vqi在其所在网络层中的节点连接计算的节点度kqi(Gq),可以通过单层网络指标来计算。另一部分是网络节点Vqi通过层级边与其他层节点连接而计算的节点度,可以表示为kqli,且满足如下条件:
因此,无人机集群网络中任意节点Vqi的节点度可以表示为:
网络中的所有节点i的度的平均值称为节点的平均度,表示为:
其中,N为节点的个数,Gq表示网络层。
步骤400:判断当前次攻击后的任务网络层的节点数是否大于0。如果是,返回步骤200,按照所述攻击策略进行下一次攻击;如果否,攻击结束。
步骤500:将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的无人机蜂群系统的任务可靠性指数。每一次攻击对应的任务可靠性指数与所述任务脆弱性指数成反比关系。临界概率值越低,任务脆弱性指数越低,则表示任务可靠性指数越高。任务可靠性指数越高,所述无人机蜂群系统执行任务的可靠性越高。
作为另一实施例,还可以根据每一次攻击对应的任务可靠性指数,生成所述无人机蜂群系统的任务可靠性曲线,得到所述无人机蜂群系统的任务可靠性分析结果。
对应图1所示的任务可靠性分析方法,本发明还提供一种基于无人机蜂群系统的任务可靠性分析系统,图3为本发明基于无人机蜂群系统的任务可靠性分析系统的结构示意图。如图3所示,所述任务可靠性分析系统包括以下结构:
攻击策略获取模块301,用于根据待分析的无人机蜂群系统,获取攻击策略;所述待分析的无人机蜂群系统为基于复杂网络的多层网络结构,包括通讯网络层、结构网络层和任务网络层;每一层网络均包括多个节点,所述多层网络之间的所有节点通过边连接;
攻击模块302,用于根据所述攻击策略对所述无人机蜂群系统的多层网络进行攻击;
临界概率获取模块303,用于对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率;所述临界概率为任务网络层最大子团出现时的占有概率;
第一判断模块304,用于判断当前次攻击后的任务网络层的节点数是否大于0,得到第一判断结果;
迭代模块305,用于当所述第一判断结果表示当前次攻击后的任务网络层的节点数大于0时,按照所述攻击策略进行下一次攻击;
结束模块306,用于当所述第一判断结果表示当前次攻击后的任务网络层的节点数不大于0时,攻击结束;
任务可靠性指数确定模块307,用于将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数;每一次攻击对应的任务可靠性指数与所述任务脆弱性指数成反比关系,任务可靠性指数越高,所述无人机蜂群系统执行任务的可靠性越高。
作为另一实施例,所述攻击策略获取模块301获取的攻击策略包括随机攻击策略和蓄意攻击策略;所述随机攻击策略为随机对节点或边进行攻击,所述蓄意攻击策略为按照设定好的攻击策略对节点或边进行攻击。
作为另一实施例,所述临界概率获取模块303,具体包括:
待去除节点确定单元,用于确定当前次攻击所述任务网络层中待去除的节点;
更新单元,用于将所述待去除的节点去除,得到更新后的任务网络层;
度平均值获取单元,用于获取所述更新后的任务网络层所有节点的度的平均值;
临界概率确定单元,用于基于渗流模型,利用公式确定当前次攻击的临界概率Pc,其中<K>为所述更新后的任务网络层所有节点的度的平均值。
作为另一实施例,所述任务可靠性分析系统还包括:
曲线生成模块,用于将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数之后,根据每一次攻击对应的任务可靠性指数,生成所述无人机蜂群系统的任务可靠性曲线,得到所述无人机蜂群系统的任务可靠性分析结果。
图4为本发明涉及的无人机蜂群系统的任务网络层的结构示意图,结合图4进一步说明本发明中涉及的无人机蜂群系统的相关构建过程,根据实际需求,也可以采用其他构建过程。无人机蜂群系统分为多层网络层,包括蜂群通讯网络、结构网络和任务网络,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所示的任务网络层。
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。
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)
1.一种基于无人机蜂群系统的任务可靠性分析方法,其特征在于,包括:
根据待分析的无人机蜂群系统,获取攻击策略;所述待分析的无人机蜂群系统为基于复杂网络的多层网络结构,包括通讯网络层、结构网络层和任务网络层;每一层网络均包括多个节点,多层网络之间的所有节点通过边连接;
根据所述攻击策略对所述无人机蜂群系统的多层网络进行攻击;
对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率;所述临界概率为任务网络层最大子团出现时的占有概率;
判断当前次攻击后的任务网络层的节点数是否大于0,得到第一判断结果;
当所述第一判断结果表示当前次攻击后的任务网络层的节点数大于0时,按照所述攻击策略进行下一次攻击;
当所述第一判断结果表示当前次攻击后的任务网络层的节点数不大于0时,攻击结束;
将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数;每一次攻击对应的任务可靠性指数与所述任务脆弱性指数成反比关系,任务可靠性指数越高,所述无人机蜂群系统执行任务的可靠性越高。
2.根据权利要求1所述的基于无人机蜂群系统的任务可靠性分析方法,其特征在于,所述攻击策略包括随机攻击策略和蓄意攻击策略;所述随机攻击策略为随机对节点或边进行攻击,所述蓄意攻击策略为按照设定好的攻击策略对节点或边进行攻击。
3.根据权利要求1所述的基于无人机蜂群系统的任务可靠性分析方法,其特征在于,所述对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率,具体包括:
确定当前次攻击所述任务网络层中待去除的节点;
将所述待去除的节点去除,得到更新后的任务网络层;
获取所述更新后的任务网络层所有节点的度的平均值;
基于渗流模型,利用公式确定当前次攻击的临界概率Pc,其中<K>为所述更新后的任务网络层所有节点的度的平均值。
4.根据权利要求1所述的基于无人机蜂群系统的任务可靠性分析方法,其特征在于,所述将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数,之后还包括:
根据每一次攻击对应的任务可靠性指数,生成所述无人机蜂群系统的任务可靠性曲线,得到所述无人机蜂群系统的任务可靠性分析结果。
5.一种基于无人机蜂群系统的任务可靠性分析系统,其特征在于,包括:
攻击策略获取模块,用于根据待分析的无人机蜂群系统,获取攻击策略;所述待分析的无人机蜂群系统为基于复杂网络的多层网络结构,包括通讯网络层、结构网络层和任务网络层;每一层网络均包括多个节点,所述多层网络之间的所有节点通过边连接;
攻击模块,用于根据所述攻击策略对所述无人机蜂群系统的多层网络进行攻击;
临界概率获取模块,用于对于所述攻击策略的第i次攻击,基于渗流模型,确定当前次攻击的临界概率;所述临界概率为任务网络层最大子团出现时的占有概率;
第一判断模块,用于判断当前次攻击后的任务网络层的节点数是否大于0,得到第一判断结果;
迭代模块,用于当所述第一判断结果表示当前次攻击后的任务网络层的节点数大于0时,按照所述攻击策略进行下一次攻击;
结束模块,用于当所述第一判断结果表示当前次攻击后的任务网络层的节点数不大于0时,攻击结束;
任务可靠性指数确定模块,用于将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数;每一次攻击对应的任务可靠性指数与所述任务脆弱性指数成反比关系,任务可靠性指数越高,所述无人机蜂群系统执行任务的可靠性越高。
6.根据权利要求5所述的基于无人机蜂群系统的任务可靠性分析系统,其特征在于,所述攻击策略获取模块获取的攻击策略包括随机攻击策略和蓄意攻击策略;所述随机攻击策略为随机对节点或边进行攻击,所述蓄意攻击策略为按照设定好的攻击策略对节点或边进行攻击。
8.根据权利要求5所述的基于无人机蜂群系统的任务可靠性分析系统,其特征在于,还包括:
曲线生成模块,用于将每一次攻击对应的临界概率作为任务脆弱性指数,确定每一次攻击对应的所述无人机蜂群系统的任务可靠性指数之后,根据每一次攻击对应的任务可靠性指数,生成所述无人机蜂群系统的任务可靠性曲线,得到所述无人机蜂群系统的任务可靠性分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910934440.7A CN110795823A (zh) | 2019-09-29 | 2019-09-29 | 一种基于无人机蜂群系统的任务可靠性分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910934440.7A CN110795823A (zh) | 2019-09-29 | 2019-09-29 | 一种基于无人机蜂群系统的任务可靠性分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110795823A true CN110795823A (zh) | 2020-02-14 |
Family
ID=69439975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910934440.7A Pending CN110795823A (zh) | 2019-09-29 | 2019-09-29 | 一种基于无人机蜂群系统的任务可靠性分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110795823A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113068151A (zh) * | 2021-03-15 | 2021-07-02 | 北京航空航天大学 | 考虑系统失效的无人机蜂群任务可靠性分析方法及系统 |
CN113110603A (zh) * | 2021-04-26 | 2021-07-13 | 河北交通职业技术学院 | 基于集群故障的无人机集群任务可靠度分析方法 |
CN113759975A (zh) * | 2021-09-15 | 2021-12-07 | 北京航空航天大学 | 基于任务能力的无人机集群的建模方法及模型系统 |
CN114326806A (zh) * | 2021-12-29 | 2022-04-12 | 北京航空航天大学 | 一种考虑任务体系下的无人机集群维修方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298593A (zh) * | 2014-09-23 | 2015-01-21 | 北京航空航天大学 | 一种基于复杂网络理论的soa系统可靠性评价方法 |
US20160164619A1 (en) * | 2014-12-04 | 2016-06-09 | At&T Intellectual Property I, Lp | Communicate An Alert Via An Unmanned Vehicle |
CN110061831A (zh) * | 2019-04-15 | 2019-07-26 | 中国人民解放军国防科技大学 | 一种无人机集群在作战过程中的网络安全通信的实现方法 |
US20190260768A1 (en) * | 2018-02-20 | 2019-08-22 | General Electric Company | Cyber-attack detection, localization, and neutralization for unmanned aerial vehicles |
-
2019
- 2019-09-29 CN CN201910934440.7A patent/CN110795823A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298593A (zh) * | 2014-09-23 | 2015-01-21 | 北京航空航天大学 | 一种基于复杂网络理论的soa系统可靠性评价方法 |
US20160164619A1 (en) * | 2014-12-04 | 2016-06-09 | At&T Intellectual Property I, Lp | Communicate An Alert Via An Unmanned Vehicle |
US20190260768A1 (en) * | 2018-02-20 | 2019-08-22 | General Electric Company | Cyber-attack detection, localization, and neutralization for unmanned aerial vehicles |
CN110061831A (zh) * | 2019-04-15 | 2019-07-26 | 中国人民解放军国防科技大学 | 一种无人机集群在作战过程中的网络安全通信的实现方法 |
Non-Patent Citations (4)
Title |
---|
LIZHI WANG ET AL.: "A Complex Network Theory-Based Modeling Framework for Unmanned Aerial Vehicle Swarms", 《SENSORS》 * |
XIAOHONG WANG ET AL.: "Robustness evaluation method for unmanned aerial vehicle swarms based on complex network theory", 《CHINESE JOURNAL OF AERONAUTICS》 * |
彭海朋: "《网络空间安全基础》", 31 October 2017, 北京邮电大学出版社 * |
董高高: "遭受攻击的耦合相依网络的鲁棒性研究", 《万方数据库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113068151A (zh) * | 2021-03-15 | 2021-07-02 | 北京航空航天大学 | 考虑系统失效的无人机蜂群任务可靠性分析方法及系统 |
CN113068151B (zh) * | 2021-03-15 | 2022-04-15 | 北京航空航天大学 | 考虑系统失效的无人机蜂群任务可靠性分析方法及系统 |
CN113110603A (zh) * | 2021-04-26 | 2021-07-13 | 河北交通职业技术学院 | 基于集群故障的无人机集群任务可靠度分析方法 |
CN113110603B (zh) * | 2021-04-26 | 2022-10-11 | 河北交通职业技术学院 | 基于集群故障的无人机集群任务可靠度分析方法 |
CN113759975A (zh) * | 2021-09-15 | 2021-12-07 | 北京航空航天大学 | 基于任务能力的无人机集群的建模方法及模型系统 |
CN114326806A (zh) * | 2021-12-29 | 2022-04-12 | 北京航空航天大学 | 一种考虑任务体系下的无人机集群维修方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110795823A (zh) | 一种基于无人机蜂群系统的任务可靠性分析方法及系统 | |
CN107454105B (zh) | 一种基于ahp与灰色关联的多维网络安全评估方法 | |
CN107682195B (zh) | 基于复杂网络与大数据结合的通信网络鲁棒性评估方法 | |
CN112580217A (zh) | 基于复杂网络的通信体系结构参数化建模方法 | |
CN112633649A (zh) | 电网多属性重要节点评估与规划方法 | |
CN107632590B (zh) | 一种基于优先级的底事件排序方法 | |
CN108900513B (zh) | 一种基于bp神经网络的ddos效果评估方法 | |
CN111193629A (zh) | 一种多层信息网络的动态负载级联失效的故障传播方法 | |
CN108090677B (zh) | 一种关键基础设施的可靠性测评方法 | |
CN111475899B (zh) | 基于超网络理论的数据链网络可靠性指标体系构建方法 | |
CN106960251A (zh) | 一种基于节点相似性的无向网络连边权值预测方法 | |
CN112487658B (zh) | 一种电网关键节点的识别方法、装置及系统 | |
CN113411821B (zh) | 一种复杂网络的体系重构能力测评方法及系统 | |
CN108985566B (zh) | 电力信息物理融合系统弹性提升策略求解方法 | |
WO2024119555A1 (zh) | 一种区域交通网韧性评估方法及系统 | |
CN111598393B (zh) | 一种基于超网络理论的数据链网络运行可靠性评估方法 | |
CN110661667B (zh) | 一种无人机蜂群的任务可靠性分析方法及系统 | |
CN111244937B (zh) | 一种电力系统暂态电压稳定性严重故障筛选方法 | |
Bian et al. | Network security situational assessment model based on improved AHP_FCE | |
CN109858822B (zh) | 一种基于流关联分析的信息电力融合系统可靠性评估方法 | |
CN111464327A (zh) | 一种基于图卷积网络的空间信息网络抗毁性评估方法 | |
CN116707859A (zh) | 特征规则提取方法和装置、网络入侵检测方法和装置 | |
CN113568782B (zh) | 作战装备体系动态恢复方法、电子设备及存储介质 | |
CN116307830A (zh) | 一种无人集群监测信息共享能力量化评估及迭代优化方法 | |
CN106851689B (zh) | 无线传感器及执行器网络中多因素任务分配方法 |
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 |