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 PDFInfo
- 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
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000004083 survival effect Effects 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000008447 perception Effects 0.000 abstract description 8
- 238000011217 control strategy Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
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):
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:
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:
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,分别记为则第k个路径的存活时间计算如式(5):
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):
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:
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:
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时刻的相对距离由下式计算:
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:
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:
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:
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):
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:
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:
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。
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。
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)
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 |
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 |
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 |
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 |
CN115576353A (zh) * | 2022-10-20 | 2023-01-06 | 北京理工大学 | 一种基于深度强化学习的飞行器编队控制方法 |
Citations (3)
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 |
-
2020
- 2020-11-18 CN CN202011289950.2A patent/CN112469054A/zh active Pending
Patent Citations (3)
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)
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 (12)
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 |
CN115576353A (zh) * | 2022-10-20 | 2023-01-06 | 北京理工大学 | 一种基于深度强化学习的飞行器编队控制方法 |
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 | |
Arafat et al. | Routing protocols for unmanned aerial vehicle networks: A survey | |
US7924735B2 (en) | Virtual grid | |
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 | |
CN113163466B (zh) | 基于模糊决策树的自适应鱼群寻路包路由方法 | |
Fan et al. | A survey of routing protocols for highly dynamic mobile ad hoc networks | |
CN106572512B (zh) | 一种车载网络gpsr路由协议中贪婪转发方法 | |
CN113115399B (zh) | 一种异构无人机自组织网络的路由优化方法 | |
CN105228215B (zh) | 车载自组织网络中基于决策树机制的多副本路由方法 | |
CN110958661A (zh) | 一种无人机网络路由选取方法、装置及无人机节点 | |
CN108271139A (zh) | 一种基于软件定义车联网的路由方法 | |
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 | |
Ragab | A new classification for ad-hoc network | |
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 | |
CN114641049A (zh) | 一种基于模糊逻辑的无人机自组网分层路由方法 | |
CN107819686B (zh) | 基于位置预测的无人机自组网地理信息路由方法及系统 | |
CN107147582B (zh) | 一种车辆自组织网络混合型路由生成算法 | |
CN110418390B (zh) | 低空遥感和地面传感的数据传输优化方法及系统 | |
CN114430580B (zh) | 一种无人机中继节点优化方法、装置及可存储介质 | |
CN112013839A (zh) | 一种gps拒止环境下无人机集群实时定位方法 | |
Tao et al. | DUPE: Duplicated unicast packet encapsulation in position-based routing VANET |
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 |