CN112469054A - 一种面向无人机集群编队的拓扑感知路由方法 - Google Patents

一种面向无人机集群编队的拓扑感知路由方法 Download PDF

Info

Publication number
CN112469054A
CN112469054A CN202011289950.2A CN202011289950A CN112469054A CN 112469054 A CN112469054 A CN 112469054A CN 202011289950 A CN202011289950 A CN 202011289950A CN 112469054 A CN112469054 A CN 112469054A
Authority
CN
China
Prior art keywords
node
unmanned aerial
aerial vehicle
formation
time
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
Application number
CN202011289950.2A
Other languages
English (en)
Inventor
洪亮
索宏泽
陈旿
罗鹏涛
王如月
吴蔚葛
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.)
Northwestern Polytechnical University
CETC 54 Research Institute
Original Assignee
Northwestern Polytechnical University
CETC 54 Research Institute
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 Northwestern Polytechnical University, CETC 54 Research Institute filed Critical Northwestern Polytechnical University
Priority to CN202011289950.2A priority Critical patent/CN112469054A/zh
Publication of CN112469054A publication Critical patent/CN112469054A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/242—Connectivity information management, e.g. connectivity discovery or connectivity update aging of topology database entries
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/248—Connectivity information update
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H04W84/08—Trunked mobile radio systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种面向无人机集群编队的拓扑感知路由方法，该方法基于无人机集群编队特点，将编队飞行过程分为两个阶段：队形保持阶段和队形重构阶段。在队形保持阶段，网络拓扑构型相对稳定；在队形重构阶段，网络拓扑相对变化频繁。将无人机编队控制策略和无人机编队拓扑变化结合，当无人机节点执行队形重构任务时，节点主动的改变HELLO探测帧的发送周期，从而让其邻居节点可以很快感知拓扑变化。本发明能够有效地适应无人机集群编队的网络拓扑高动态的特点，动态改变感知频率，减少无人机编队飞行过程中的网络开销，可以应用于无人机编队的通信网络中。

Description

一种面向无人机集群编队的拓扑感知路由方法
技术领域
本发明属于无人机技术领域，具体涉及一种无人机集群路由方法。
背景技术
无人机集群编队是多个无人机作为一个系统，系统内的无人机互相协调，根据预先设定任务，协作完成。在执行协作搜索、边境监视和态势感知等任务方面具有巨大的优势。为了实现更好的群体编队，无人机集群节点之间需要通过组网通信来执行协作任务。文献“Dynamic Routing for Flying Ad Hoc Networks，IEEE Transactions on VehicularTechnology,vol.65,no.3,pp.1690–1700,2015”公开了一种基于GPS的P-OLSR路由协议，此协议在原始的Optimized Link-State Routing(OLSR)协议的基础上，将地理位置信息作为路由的链路质量的评估标准之一，同时将速度作为加权信息参与路由评估。文献所发表的P-OLSR路由协议与OLSR协议相比，较好的适应了无人机间的通信场景，但是P-OLSR协议没有考虑到无人机集群编队飞行场景的特殊性，编队通常要在很短的时间内变换队形，并且无人机的飞行速度通常在30-460km/h，所以编队的网络拓扑在队形重构期间剧烈变化，P-OLSR协议不能很好的适应网络拓扑变化，具有局限性。
综上所述，现有的路由协议没有考虑集群编队飞行的特点，存在拓扑感知延迟、丢包率高等情况。
发明内容
为了克服现有技术的不足，本发明提供了一种面向无人机集群编队的拓扑感知路由方法，该方法基于无人机集群编队特点，将编队飞行过程分为两个阶段：队形保持阶段和队形重构阶段。在队形保持阶段，网络拓扑构型相对稳定；在队形重构阶段，网络拓扑相对变化频繁。将无人机编队控制策略和无人机编队拓扑变化结合，当无人机节点执行队形重构任务时，节点主动的改变HELLO探测帧的发送周期，从而让其邻居节点可以很快感知拓扑变化。本发明能够有效地适应无人机集群编队的网络拓扑高动态的特点，动态改变感知频率，减少无人机编队飞行过程中的网络开销，可以应用于无人机编队的通信网络中。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1：预测无人机节点链路存活时间；
设定无人机运动空间为三维，无人机节点i和节点j在t时刻的相对距离dij(t)的计算如式(1)：
Figure BDA0002783446350000021
其中，xi(t)为节点i在t时刻的x方向的值，xj(t)为节点j在t时刻的x方向的值，yi(t)为节点i在t时刻的y方向的值，yj(t)为节点j在t时刻的y方向的值，zi(t)为节点i在t时刻的z方向的值，zj(t)为节点j在t时刻的z方向的值；
ta时刻到tb时刻无人机节点i和节点j相对距离的变化计算如式(2)：
Δd＝dij(tb)-dij(ta) (2)
无人机节点i和节点j之间链路存活时间tLD(i,j)预测为：
Figure BDA0002783446350000022
其中，R为无人机节点的一跳通信覆盖半径，
Figure BDA0002783446350000023
Vmin为无人机编队飞行过程中的最小速度；
步骤2：计算无人机节点HELLO探测帧的发送周期；
节点i的HELLO探测帧的发送周期tHI由式(4)计算得出：
Figure BDA0002783446350000024
tHI＝α*tLH,0<α<1 (4)
其中，neighbour(i)表示节点i的邻居节点集合，tLH表示节点i从与所有邻居节点的链路存活时间tLD(i,j)中找到的最小链路存活时间；
步骤3：假定无人机节点从当前到目的节点有多条路径，选择路径存活时间最长的路径作为无人机节点的路由。
优选地，所述步骤3中对无人机节点进行路由选择的方法如下：
假定无人机节点从当前到达目的节点有g个路径，每个路径所需的跳数分别为h1,h2,…,hg；对于第k个路径，k＝1,2,…,g，根据步骤1计算每一跳的链路存活时间，分别记为
Figure BDA0002783446350000025
则第k个路径的存活时间计算如式(5)：
Figure BDA0002783446350000026
计算所有路径的存活时间tpath-1,tpath-2,…,tpath-g，找到tpath-1,tpath-2,…,tpath-g中的最大值作为无人机节点的路由选择。
优选地，所述α＝1/2；
本发明的有益效果是：本发明一种面向无人机集群编队的拓扑感知路由方法能够有效地适应无人机集群编队的网络拓扑高动态的特点，动态改变感知频率，能够减少无人机编队飞行过程中的网络开销，可以应用于无人机编队的通信网络中。
附图说明
图1是本发明实施例中四架无人机以一字型编队的飞行避障场景图，图(a)是四架无人机节点以一字型队形进行飞行处于队形保持阶段示意图，图(b)是无人机M4检测到前方有障碍，执行避障，进入队形重构阶段示意图；图(c)是M4进行避障，脱离编队示意图，图(d)是M4避障结束，返回编队，继续以一字型飞行，重新进入队形保持阶段示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明提供一种面向无人机集群编队的拓扑感知路由方法，基于无人机集群编队特点，将编队飞行过程分为两个阶段，队形保持阶段和队形重构阶段。在无人机的队形保持阶段，网络拓扑构型相对稳定；在队形重构阶段，网络拓扑相对变化频繁。因此根据集群编队所处阶段，动态调整路由协议参数，以适应拓扑变化。
本发明利用无人机的飞控模块输出的路径规划信息(编队状态)和机载传感器(诸如GPS、惯性测量单元IMU等)输出的运动状态信息，在邻居节点之间进行交互，无人机节点通过收集邻居信息，并结合自身运动状态，动态改变路由协议参数。当处于队形重构阶段时，路由协议对于拓扑的感知相比于队形保持阶段更加敏感。因而通过计算邻居节点之间的相对距离，估算链路存活时间长短，来判断邻居关系变化的趋势，从而实现拓扑感知。
通常网络拓扑的变化是由邻居关系的改变引起，确定邻居关系则依赖于节点之间周期性广播HELLO探测帧来实现，因而HELLO探测帧的发送周期就决定了拓扑感知的灵敏度。本发明将飞控模块及机载传感器输出的编队状态信息和运动状态信息添加到HELLO探测帧中，进行广播，当节点处于队形重构阶段时，主动增加HELLO探测帧的发送频率，其邻居节点收到HELLO探测帧时，也相应提升它的HELLO探测帧的发送频率，以此来提高拓扑感知的准确性。
本发明提供了一种面向无人机集群编队的拓扑感知路由方法，包括以下步骤：
步骤1：通过计算无人机节点之间相对距离的变化预测无人机节点链路存活时间；
设定无人机运动空间为三维，无人机节点i和节点j在t时刻的相对距离dij(t)的计算如式(1)：
Figure BDA0002783446350000041
其中，xi(t)为节点i在t时刻的x方向的值，xj(t)为节点j在t时刻的x方向的值，yi(t)为节点i在t时刻的y方向的值，yj(t)为节点j在t时刻的y方向的值，zi(t)为节点i在t时刻的z方向的值，zj(t)为节点j在t时刻的z方向的值；
t1时刻到t2时刻无人机节点i和节点j相对距离的变化计算如式(2)：
Δd＝dij(tb)-dij(ta) (2)
无人机节点i和节点j之间链路存活时间tLD(i,j)预测为：
Figure BDA0002783446350000042
其中，R为节点的一跳通信覆盖半径，
Figure BDA0002783446350000043
Vmin为无人机编队飞行过程中的最小速度；
步骤2：发送周期与节点的邻居节点的链路存活时间相关，因此，当无人机节点执行队形重构任务时，此时节点应减小HELLO探测帧的发送周期，即增加HELLO发送频率，从而更好地让邻居节点感知自身位置的变化，当无人机节点处于队形保持阶段时，此时HELLO探测帧的发送周期应该为一个较大的值，因此本方法将根据链路存活时间来设置HELLO探测帧的发送周期tHI；
节点i的HELLO探测帧的发送周期tHI由式(4)计算得出：
Figure BDA0002783446350000044
tHI＝α*tLH,0<α<1 (4)
其中，neighbour(i)表示节点i的邻居节点集合，tLH表示节点i从与所有邻居节点的链路存活时间tLD(i,j)中找到的最小链路存活时间；以α取值1/2为例，节点i从所有邻居的链路存活时间tLD(i,j)中找到最小的邻居的链路存活时间，将HELLO探测帧的发送周期设置为链路存活时间的一半，更好地让邻居节点感知节点的位置变化；
步骤3：无人机可基于路径存活时间进行路由选择。在网络拓扑中，一条路径是由当前节点到达目的节点所经历的若干首尾相连的链路构成。假定一条到目的节点的路径所经历的跳数为h(即由h个链路构成)，那么路径存活时间tpath可由公式5计算得出：
tpath＝min(tLD_1,tLD_2,tLD_3,…tLD_h) (5)
其中，tLD_i是第i跳链路所对应的链路存活时间。
当存在多条路径可供选择时，则选择其中路径存活时间最长的路径作为路由。
具体实施例：
如图1所示的具体场景，四架无人机成一字形执行编队任务，当无人机节点M4检测到前方遇到障碍时，需要执行避障任务，此时队形发生了改变，以下就无人机节点M4的避障过程对本发明的具体实施作简单说明，为了便于说明，简化无人机的飞行模型为2维。
参照附图1，假设无人机节点间的初始距离为300m，无人机的一跳通信覆盖半径为400m，当无人机位于图(a)所示阶段时，此时的无人机节点位于队形保持阶段，节点之间保持相对静止，节点M4和M3在a时刻的相对距离
Figure BDA0002783446350000051
由下式计算：
Figure BDA0002783446350000052
此时相对距离的变化量由下式计算可得：
Δd＝dij(a)-dij(a-Δt)＝0
其中Δt为飞控输出信息的间隔，因此节点M4和节点M3之间的链路存活时间tLD(M4,M3)由下式计算：
Figure BDA0002783446350000053
其中
Figure BDA0002783446350000054
Vmin为50m/s，R为400m，计算可得链路存活时间为6s。
此时节点M4和节点M3的HELLO探测帧的发送周期计算方式如下：
Figure BDA0002783446350000055
tHI＝α*tLH,0<α<1
以α＝0.5为例，计算可得tHI＝3s。
当无人机位于图(b)所示阶段时，节点M4发现前方路径上存在障碍，飞控模块决定执行避障任务，此时集群将进入队形重构阶段。此时，节点M4的相对距离的变化计算得：
Δd＝dij(b)-dij(a)＝50m
节点M4和节点M3此时的链路存活时间计算得：
Figure BDA0002783446350000061
此时M4主动地改变HELLO探测帧的发送周期，设置为0.25s。M3及时收到M4的HELLO探测帧，发现邻居关系即将发生改变，M3将HELLO探测帧的发送周期也设置为0.25s，M3和M4通过这一方式频繁地交换位置信息，及时地将两者之间的邻居关系变化反应到拓扑中。
当无人机节点位于图(c)所示阶段时，此时M4已经离开了M3的通信范围，由于与M3的链路存活时间很短，所以M4很快的将M3从自己的邻居表里删除，同理，M3也会在很短的时间里将M4从自己的邻居表里删除。但对于传统的自组网路由协议而言，链路存活时间一般都是设置为常值(多为6s或4s)，M4或M3需要达到超时时间才可以将邻居关系删除，在这个时间内，如果编队存在从M3到M4的信息流，那么就会造成不正确的路由。相比于传统协议会造成拓扑感知的延迟，本发明将大大提高拓扑感知的及时性。
当无人机节点位于图(d)所示阶段时，节点M4经历了从链路断开到重新建立链接的过程，队形重新进入队形保持阶段。当M4进入M3的通信范围时，按周期广播自己的HELLO探测帧，M3收到HELLO探测帧以后，计算Δd，显然易见，Δd的值小于0，通过计算，链路的存活时间设置为6s，同理，当M4收到M3的HELLO探测帧时，Δd同样小于0，链路存活时间同样设置为6s，四架无人机以一字型继续执行编队任务。
总之，本发明将无人机集群编队控制策略和路由结合起来，通过交换编队状态和无人机节点自身运动状态，动态调整路由协议参数，及时感知拓扑变化，与现有协议采用的方法相比，更好的适应了无人机集群编队飞行的特点，提升了路由的准确性。

Claims (3)

1.一种面向无人机集群编队的拓扑感知路由方法，其特征在于，包括以下步骤：
步骤1：预测无人机节点链路存活时间；
设定无人机运动空间为三维，无人机节点i和节点j在t时刻的相对距离dij(t)的计算如式(1)：
Figure FDA0002783446340000011
其中，xi(t)为节点i在t时刻的x方向的值，xj(t)为节点j在t时刻的x方向的值，yi(t)为节点i在t时刻的y方向的值，yj(t)为节点j在t时刻的y方向的值，zi(t)为节点i在t时刻的z方向的值，zj(t)为节点j在t时刻的z方向的值；
ta时刻到tb时刻无人机节点i和节点j相对距离的变化计算如式(2)：
Δd＝dij(tb)-dij(ta) (2)
无人机节点i和节点j之间链路存活时间tLD(i,j)预测为：
Figure FDA0002783446340000012
其中，R为无人机节点的一跳通信覆盖半径，
Figure FDA0002783446340000013
Vmin为无人机编队飞行过程中的最小速度；
步骤2：计算无人机节点HELLO探测帧的发送周期；
节点i的HELLO探测帧的发送周期tHI由式(4)计算得出：
Figure FDA0002783446340000014
tHI＝α*tLH,0<α<1 (4)
其中，neighbour(i)表示节点i的邻居节点集合，tLH表示节点i从与所有邻居节点的链路存活时间tLD(i,j)中找到的最小链路存活时间；
步骤3：假定无人机节点从当前到目的节点有多条路径，选择路径存活时间最长的路径作为无人机节点的路由。
2.根据权利要求1所述的一种面向无人机集群编队的拓扑感知路由方法，其特征在于，所述步骤3中对无人机节点进行路由选择的方法如下：
假定无人机节点从当前到达目的节点有g个路径，每个路径所需的跳数分别为h1,h2,…,hg；对于第k个路径，k＝1,2,…,g，根据步骤1计算每一跳的链路存活时间，分别记为
Figure FDA0002783446340000021
则第k个路径的存活时间计算如式(5)：
Figure FDA0002783446340000022
计算所有路径的存活时间tpath-1,tpath-2,…,tpath-g，找到tpath-1,tpath-2,…,tpath-g中的最大值作为无人机节点的路由选择。
3.根据权利要求1所述的一种面向无人机集群编队的拓扑感知路由方法，其特征在于，所述α＝1/2。
CN202011289950.2A 2020-11-18 2020-11-18 一种面向无人机集群编队的拓扑感知路由方法 Pending CN112469054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011289950.2A CN112469054A (zh) 2020-11-18 2020-11-18 一种面向无人机集群编队的拓扑感知路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011289950.2A CN112469054A (zh) 2020-11-18 2020-11-18 一种面向无人机集群编队的拓扑感知路由方法

Publications (1)

Publication Number Publication Date
CN112469054A true CN112469054A (zh) 2021-03-09

Family

ID=74837962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011289950.2A Pending CN112469054A (zh) 2020-11-18 2020-11-18 一种面向无人机集群编队的拓扑感知路由方法

Country Status (1)

Country Link
CN (1) CN112469054A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109743790A (zh) * 2019-02-28 2019-05-10 中国科学院国家空间科学中心 一种高动态移动自组织网络拓扑变化感知方法
CN113316118A (zh) * 2021-05-31 2021-08-27 中国人民解放军国防科技大学 基于任务认知的无人机集群网络自组织系统及方法
CN113867382A (zh) * 2021-09-01 2021-12-31 西安电子科技大学广州研究院 一种无人机集群网络的拓扑控制方法
CN114374935A (zh) * 2022-03-21 2022-04-19 北京远度互联科技有限公司 一种集群终端通信方法、装置及系统
CN114371625A (zh) * 2022-01-11 2022-04-19 哈尔滨工业大学 节点数变化的多智能体编队控制方法
CN114489127A (zh) * 2022-01-19 2022-05-13 中国航空工业集团公司西安航空计算技术研究所 一种面向无人机集群的自组织队形编队方法
CN114828139A (zh) * 2022-04-18 2022-07-29 西安羚控电子科技有限公司 一种集群装置的通信组网行为模拟方法及系统
CN114489127B (zh) * 2022-01-19 2024-06-07 中国航空工业集团公司西安航空计算技术研究所 一种面向无人机集群的自组织队形编队方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491086A (zh) * 2017-08-03 2017-12-19 哈尔滨工业大学深圳研究生院 时变网络拓扑下的无人机编队避障方法及系统
CN111050301A (zh) * 2019-12-16 2020-04-21 中国人民解放军陆军工程大学 一种基于动态拓扑的无人机网络olsr路由自适应策略
CN111669798A (zh) * 2020-05-28 2020-09-15 华南理工大学 一种olsr路由协议控制信息动态生成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491086A (zh) * 2017-08-03 2017-12-19 哈尔滨工业大学深圳研究生院 时变网络拓扑下的无人机编队避障方法及系统
CN111050301A (zh) * 2019-12-16 2020-04-21 中国人民解放军陆军工程大学 一种基于动态拓扑的无人机网络olsr路由自适应策略
CN111669798A (zh) * 2020-05-28 2020-09-15 华南理工大学 一种olsr路由协议控制信息动态生成方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIANG HONG，HONGZHI GUO，ETC.: "Toward Swarm Coordination: Topology-Aware Inter-UAV Routing Optimization", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY ( VOLUME: 69, ISSUE: 9, SEPT. 》, 18 June 2020 (2020-06-18), pages 10177 - 10187, XP011814700, DOI: 10.1109/TVT.2020.3003356 *
黄绍城，马林华，等: "基于编队控制的自适应HELLO更新算法", 《CNKI 北京航空航天大学学报》, 15 March 2016 (2016-03-15), pages 2156 - 2161 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109743790A (zh) * 2019-02-28 2019-05-10 中国科学院国家空间科学中心 一种高动态移动自组织网络拓扑变化感知方法
CN109743790B (zh) * 2019-02-28 2021-12-07 中国科学院国家空间科学中心 一种高动态移动自组织网络拓扑变化感知方法
CN113316118A (zh) * 2021-05-31 2021-08-27 中国人民解放军国防科技大学 基于任务认知的无人机集群网络自组织系统及方法
CN113867382A (zh) * 2021-09-01 2021-12-31 西安电子科技大学广州研究院 一种无人机集群网络的拓扑控制方法
CN113867382B (zh) * 2021-09-01 2023-11-24 西安电子科技大学广州研究院 一种无人机集群网络的拓扑控制方法
CN114371625A (zh) * 2022-01-11 2022-04-19 哈尔滨工业大学 节点数变化的多智能体编队控制方法
CN114371625B (zh) * 2022-01-11 2022-10-25 哈尔滨工业大学 节点数变化的多智能体编队控制方法
CN114489127A (zh) * 2022-01-19 2022-05-13 中国航空工业集团公司西安航空计算技术研究所 一种面向无人机集群的自组织队形编队方法
CN114489127B (zh) * 2022-01-19 2024-06-07 中国航空工业集团公司西安航空计算技术研究所 一种面向无人机集群的自组织队形编队方法
CN114374935A (zh) * 2022-03-21 2022-04-19 北京远度互联科技有限公司 一种集群终端通信方法、装置及系统
CN114828139A (zh) * 2022-04-18 2022-07-29 西安羚控电子科技有限公司 一种集群装置的通信组网行为模拟方法及系统

Similar Documents

Publication Publication Date Title
CN112469054A (zh) 一种面向无人机集群编队的拓扑感知路由方法
CN108600942B (zh) 一种无人机自组网的路由方法
Hong et al. Toward swarm coordination: Topology-aware inter-UAV routing optimization
CN110149671B (zh) 无人机蜂群网络的路由选择方法
Arafat et al. Routing protocols for unmanned aerial vehicle networks: A survey
US7924735B2 (en) Virtual grid
Zheng et al. A mobility and load aware OLSR routing protocol for UAV mobile ad-hoc networks
Briesemeister et al. Role-based multicast in highly mobile but sparsely connected ad hoc networks
CN107426694B (zh) 一种车载自组织网络的模糊分簇方法
KR101427770B1 (ko) 편대비행 ｕａｖ 센서 네트워크의 동적 트리 토폴로지 형성 방법
CN106572512B (zh) 一种车载网络gpsr路由协议中贪婪转发方法
Fan et al. A survey of routing protocols for highly dynamic mobile ad hoc networks
CN112969210B (zh) 一种飞行器协同组网网络层路由协议处理装置及实现方法
CN113163466B (zh) 基于模糊决策树的自适应鱼群寻路包路由方法
CN110958661B (zh) 一种无人机网络路由选取方法、装置及无人机节点
CN113115399B (zh) 一种异构无人机自组织网络的路由优化方法
CN108271139A (zh) 一种基于软件定义车联网的路由方法
Pu et al. To route or to ferry: A hybrid packet forwarding algorithm in flying ad hoc networks
CN104023371A (zh) 一种车载自组织网络的多径路由方法和系统
CN112929940A (zh) 一种基于链路生存时间预测的无人机自组网组播路由协议
CN112822745A (zh) 一种面向无人机自组网的自适应路由方法
Gao et al. Improvement of GPSR routing protocol for TDMA-based UAV ad-hoc networks
CN107147582B (zh) 一种车辆自组织网络混合型路由生成算法
Cheng et al. Research on the prediction-based clustering method in the community of medical vehicles for connected health
CN111356199B (zh) 一种三维场景中车载自组织网络路由选择方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210309

WD01 Invention patent application deemed withdrawn after publication