CN112654001B - 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价 - Google Patents

面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价 Download PDF

Info

Publication number
CN112654001B
CN112654001B CN202011158498.6A CN202011158498A CN112654001B CN 112654001 B CN112654001 B CN 112654001B CN 202011158498 A CN202011158498 A CN 202011158498A CN 112654001 B CN112654001 B CN 112654001B
Authority
CN
China
Prior art keywords
communication
unmanned
node
network
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.)
Active
Application number
CN202011158498.6A
Other languages
English (en)
Other versions
CN112654001A (zh
Inventor
向先波
张少泽
袁烨
杨少龙
张琴
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202011158498.6A priority Critical patent/CN112654001B/zh
Publication of CN112654001A publication Critical patent/CN112654001A/zh
Application granted granted Critical
Publication of CN112654001B publication Critical patent/CN112654001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
    • H04W4/08—User group management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
    • H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • 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
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价方法，本发明提出了一种远程移动通信与无线自组网相结合的混合式网络架构以满足多无人艇协同控制时的通信需求，并在组网管理方面提出一种结合节点度、剩余能量等修正因子的改进LEACH分簇算法，实现多无人艇之间组网通信，该组网方法可以更灵活、更进一步地延长网络的生存周期。本发明建立的多无人艇组网通信网络信道模型以及QoS评价机制，可以评估无人艇协同控制期间网络的时延、丢包率、连通率等指标，可以在满足协同控制需要的通信质量保障下，为提高多无人艇的协同作业效率提供一定的依据和约束，以达到通信质量保障与多无人艇作业效率之间的平衡。

Description

面向多无人艇协同控制的混合通信网络架构、管理方法及通 信质量评价
技术领域
本发明属于无人艇协同控制通信领域，更具体地，涉及一种面向分布范围广、位置动态变化的多无人艇协同控制场景需求的通信网络架构设计，组网方法及其通信质量评价问题。
背景技术
近年来，人工智能领域的研究热度空前，随着对海洋开发的重视程度提高，各种新型海洋勘探技术应运而生，海洋环境开发、海洋工程领域与人工智能的结合越来越紧密。在此背景下，智能化、无人化的机器人研究取得了越来越多的重视，其中很多智能化机器人产品已经在实际的生产生活中得到了运用。然而相比于单独的智能化机器人，多机器人集群、编队控制可以实现许多单机器人无法完成的任务，提高作业效率。因此，协同控制技术也越来越受到重视。对于机器人的协同控制而言，有多种如虚拟领航、领航跟随、基于行为、基于图等控制策略。然而无论哪种策略，其控制对信息交互的有效性，可靠性与实时性都是具有一定需求的，以领航-跟随策略为例，领航节点与跟随节点的信息交互需要实时、准确。多无人艇协同队形的形成、保持过程中如没有及时准确地更新位置或是得到错误的位置信息可能会导致协同控制的失效，因此发明一种满足多无人艇协同控制场景需求的通信网络架构及其管理方法对多无人艇的实时控制具有重要意义，评价多无人艇组网通信中对协同控制有重要影响的延时、丢包率等QoS指标对于指导多无人艇协同规划具有重要意义。
在研究现状方面，对协同控制来讲，无人机编队的研究最为成熟，近年来国内多地报道过多次无人机编队表演，数量庞大的无人机可以在三维空间中形成稳定的形状并能快速切换队形。在无人艇编队方面国内以珠海云州集团为代表，云洲智能81艘无人艇编队亮相2018年央视春晚，随后56艘无人艇在珠海海域成功进行了集群自主协同演练，场面宏大，引起了广泛关注。国外方面，美国海军研究院重点研究无人艇之间的协作能力，早在14年曾报道其无人艇集群有能力以编队的形式在舰只的周边航行，产生保护母船的作用。另外，在母船遇上海上敌人之时，无人艇编队更懂得驶往敌人船只周边包围，以收封锁之用。可见无人艇编队系统在军事、民事领域都有着广阔的应用场景与研究意义，受到了国内外的广泛关注与研究。组网方面，在无人机、无人车以及无线传感器网络领域，其组网策略以及路由的策略研究较为丰富，对移动自组网的特点、要求以及路由协议等有广泛和深入的研究。然而国内外有关面向大规模无人艇协同控制场景下的组网通信研究较少。在当前5G通信繁荣发展的大背景下，结合远程通信高可靠、抗干扰、距离不受限的特点与无线自组网灵活性强、安全性好、高效率的优势，研究具有节点分布范围广、位置动态变化等特点的大规模无人艇编队或集群网络具有重要价值与意义。
发明内容
本发明的目的在于提供一种面向大规模水面无人艇的组网通信硬件架构，实现不受地域限制的无人艇高效通信，并面向多无人艇编队节点情形设计组网管理策略，提高网络生存周期，并在前述基础上，分析了多无人艇协同控制过程中的时延、丢包率等QoS指标评价机制，可为保障多无人艇协同控制的实时性通信需求与协同队形保持过程中的覆盖效率问题平衡提供了依据。
为了实现上述目的，本发明采用的技术方案包括如下内容。
(1)如图1，在无人艇协同控制网络硬件架构设计上，内河、湖泊、近海等场景下，选用多种协议形式的Ad hoc自组织网络与4/5G移动通信网络相结合的方式，在一定通信范围内的无人艇采用Ad hoc网络进行数据交互，形成一个无人艇分组。在一个区域内可能有若干个无人艇分组，每个组中都有一个基站节点可以通过移动通信网络实现无人艇组与组之间的通信。组内的Ad hoc网络组建可以采用ZigBee/WIFI/LoRa等多种协议，同时组内所有无人艇的状态数据都可以采集到4/5G通信模块并上传至云服务器，利用云服务技术实现无人艇分组之间的数据交互。上述是本文提出的组织、管理大规模无人艇协同控制系统的组网通信硬件架构。这一架构可以实现内河、湖泊、近海等场景下，大规模，分布范围广且具有一定移动性的无人艇组网通信，实现高效可靠的数据交互。如若无人艇分布在远海，没有4/5G移动通信基站支持情况下，可采用卫星通信与WIMAX网络通信相结合的方式。在一定海域内的有/无人船舶可通过WIMAX组建无线自组网形成一个通信分组，通信分组之间可通过海上移动浮标或直接的卫星通信进行数据交互。由此，可实现多无人艇不受地域限制的组网通信，以此形成适用于无人艇各种场景下特别是协同控制场景下(编队或集群)的混合式通信网络架构
(2)基于内容(1)所述通信网络硬件架构，多无人艇通信系统可以具备实现任意两个节点间交互数据的能力。那么在无人艇协同控制背景下的组网系统，如何组织管理大量的节点形成合理的网络路由、如何组织调度通信系统来决定哪些节点与哪些节点之间要通信、如何管理节点间的通信以满足无人艇协同控制的需要是值得研究的问题。最简单的策略是让每个节点与其他所有节点都通信，即“全通信”，这种方式可以保障无人艇协同控制所需要的数据交互，然而这样的做法会使得整个网络的数据吞吐量巨大，冗余通信量大，节点频繁交互数据带来大量能耗，以及可能带来整个网络通信的拥塞，时延增大，导致网络的通信服务质量(QoS)下降，影响无人艇协同控制效果。因此要设计组网通信管理方法，解决哪些节点间需要通信也即网络中的路由算法问题。
多无人艇通信网络可以类比无线传感器网络(WSN)，无线传感器网络其路由算法主要分为两大类：平面路由算法比如泛洪协议、SAR路由协议等以及分层(分簇)路由算法如LEACH协议、MEGA协议等。相比于平面路由协议，分簇路由协议的可扩展性好，采用分簇路由协议便于扩展多无人艇网络。分层(分簇)路由算法常见的有融合驱动、路由驱动、编码驱动三种，综合考虑算法的复杂度、可扩展性等因素，其中LEACH算法基于路由驱动，网络时延低、负载均衡，算法复杂度低，易于实现，更加适合用于多无人艇协同控制系统的组网。
传统的LEACH算法分三个阶段，簇首选举、节点加入簇即成簇、数据传输，这一过程是按轮来周期运行的，选举簇首阶段参与竞争的节点会以一定概率随机的选举成为簇首，具体是每轮开始前可成为簇首的节点共同参与竞争，由待选节点本身产生一个范围在[0-1]之间的随机数，比较随机数与节点门限值的大小。节点的门限值越大，该节点被选举成为簇头的概率就越高，该方式以循环的方式随机选择簇头节点，将整个网络的能量负载平均到每个节点中，从而降低网络中总体的能量消耗，延长网络的生存周期，符合LEACH算法的特点。LEACH算法中，门限值可表示为式(1)。
Figure GDA0004046342330000041
其中n代表节点编号，p为期望簇头比率，r为轮次，G表示可选为簇头的节点集合。选举产生簇头节点后，普通节点加入距离其最近的簇头节点以形成分簇。在数据传输阶段，簇首与各个簇成员节点进行数据交互，各簇首节点通过基站节点交互，可保障多无人艇中每个节点获取充分的信息用于协同控制。因此，无人艇组网可以采用LEACH算法去建立和维护数据传输路径即确定谁与谁通信的问题、也即组网策略问题。
经典LEACH算法应用到多无人艇上可以解决无人艇协同系统中大规模节点的组网问题，相比于全通信的情况，LEACH算法能够减小系统的通信量，降低并均衡网络负载，提高网络生存周期。同时，本发明针对组网管理方法上基于LEACH算法做了一定改进。在簇头选举过程中考虑备选簇头邻居节点数、备选节点剩余能量以及备选节点与基站间距离三个因素，对门限值T(n)进行修正如式(2)所示。
Figure GDA0004046342330000051
修正因子W的定义如式(3)。
Figure GDA0004046342330000052
其中A,B,C分别为节点剩余能量、节点度、距离基站距离控制因子项，Ei(r)为第r轮节点剩余能量，Emax(r)为第r轮系统中节点剩余能量最大值。D(i)为节点的邻居节点数，Dmax是邻居节点数最大值。d(i)是节点到基站的距离，davg是节点距离基站的平均距离。
(3)基于(1)(2)两点，分析无人艇协同控制中的通信需求以及无人艇与无人车、无人机相比所具有的特点。多无人艇协同控制对通信网络的时延和丢包比较敏感，以领航-跟随控制策略为例，跟随者在一定时间周期内没有更新领航者的位置等信息可能会导致队形无法保持，而无人车重点在于车道保持，提前预警碰撞，车的位置受车道约束，重点在于通信的实时性；无人机组网主要应用在大规模集群、协同，位置在三维空间上有较高约束，位置变化的受限，重点在于网络的吞吐量，网络规模。无人艇的协同控制应用场景广泛，可以覆盖搜寻，检测，编队作战、巡航值守。对无人艇协同控制而言保持队形很重要，同时无人艇在湖泊、海域辽阔地带工作，位置约束相对较小。因此在协同控制上，满足实时性的前提下，评价QoS指标可为多无人艇协同效率与通信服务质量之间优化提供依据。那么在无人艇协同控制过程中，对QoS指标进行评价就是本章所要解决的问题。所要评估的指标主要是丢包率、端到端网络时延以及节点的连通率。
对于端到端网络时延，假设不存在网络拥塞(不计排队时延)、忽略处理时延的情况下可表示为式(4)。
τend-to-end＝N(delaytrans+delayprop)(4)
N为端到端通信经过的跳数，delaytrans为网络传输时延，表达式如式(5)。delayprop为网络的传播时延，表达式如式(6)。
Figure GDA0004046342330000061
Figure GDA0004046342330000062
其中L为数据包长度，R为网络传输速率。M为传播媒介长度，c为电磁波在介质中的传输速率。
上述端到端时延是不考虑干扰因素的，然而需要考虑簇内其他无人艇节点间的通信干扰以及环境噪声干扰所引起的丢包现象。结合实际物理网络信道模型，对无人艇端到端的网络时延进行评价，具体方法如下：由于无人艇位于水面上，可视为同一高度面，为简化通信模型，假设将无人艇之间的通信链路为视线链路(Line of Sight,LOS)，其信道质量仅取决于无人艇之间的距离。此外，假设由无人艇移动性引起的多普勒效应在信号接收端得到了很好的补偿。则在一个通信时隙，从无人艇i到j的信道功率增益遵循自由空间路径损耗模型，可表示为式(7)。
Figure GDA0004046342330000063
ρ0为单位距离信道增益，dij为无人艇i与j之间的距离。
无人艇节点i传输数据到节点j时，信干噪比SINR可表示为式(8)。
Figure GDA0004046342330000071
其中P代表无人艇通信节点发送数据的功率，σ2为环境噪声。
Figure GDA0004046342330000072
代表干扰项，集合I代表对无人艇节点i发送数据给节点j过程中产生干扰的节点集合。然而在组网通信过程中，实际产生干扰的节点集不易获取。可运用概率知识进行估计，假设无人艇节点中通信设备的MAC层遵循TDMA(时分多址)协议允许多个节点在不同时间片(时隙)同时使用频率资源。假设各节点互不相关地以概率r随机发送数据，则节点i发送数据给节点j过程中干扰的期望可表示式(9)。r即为干扰率。
Figure GDA0004046342330000073
则信干噪比可表达为式(10)。
Figure GDA0004046342330000074
统一单位为dB,则有式(11)。
Figure GDA0004046342330000075
则丢包率PER(packet error rate)可表示为式(12)。其中an,gn参数是与传输模式有关的参数，传输模式和物理层、数据链路层的协议选择有关，例如在IEEE 802.11a标准，采用矩形正交幅频调制(16-QAM)的条件下，an＝50.1222,gn＝0.6644，γpn是丢包率小于1的最小信干噪比。
Figure GDA0004046342330000076
由此可得到考虑簇内节点间信号干扰与环境噪声条件下的端到端时延公式(13)。
Figure GDA0004046342330000081
至此，得到了多无人艇节点的组网管理方法以及关于丢包率、端到端时延的QoS指标评价方法。在大规模无人艇节点中按轮的概念，由带有修正因子的LEACH算法周期性地选举出簇头节点，其余成员节点按距离最短原则加入簇头形成簇，数据传输过程中，按照网络模型计算QoS指标。
本发明的一种面向多无人艇协同控制场景下的网络架构及其组网管理方法，解决了多无人艇之间不受地域限制的组网通信，该发明结合了自组网的灵活、安全、低成本与远程通信高可靠、抗干扰特点，保障了多无人艇通信的基础。其组网管理方式，在传统LEACH基础上提出了改进，增加了修正因子项来适应不同的通信场景需求以延长网络的生存周期。
本发明的有益效果在于：
(1)这种面向多无人艇协同控制场景下的混合式无线通信网络架构，结合了远距离移动通信技术和无线自组网技术的优势，可实现远程、安全、高效，低成本的无人艇间组网通信。
(2)增加修正因子，通过改变控制因子项，可以在传统LEACH算法基础上选举出更利于提高网络生存周期，降低时延的簇头节点，提高多无人艇节点组网管理方法的科学性，适用性。
(3)建立了面向多无人艇协同控制过程的网络信道模型及其QoS评价机制，可以实现多无人艇间的网络通信时延、丢包率、连通率的在线评估。无人车、无人机的协同控制过程中位置约束条件苛刻，为紧约束，而多无人艇工作在水面上，位置自由度较大，无人艇节点的位置可以因外界环境条件进行规划与调整，例如躲避障碍，通过狭窄水域等场景，变化队形时的位置规划可以将QoS指标考虑进去，对多无人艇协同控制过程进行QoS评价可以为在满足控制需要的通信质量保障下，提高多无人艇覆盖作业效率或其他优化目标，以达到通信质量保障与协同作业效率之间的平衡。
附图说明
图1为本发明方法的通信架构示意图(即混合式多无人艇组网通信网络架构图)；
图2为组网管理方法与QoS评价流程图(即分簇算法与QoS评价流程图)；
图3为不同节点数量的无人艇菱形队形下组网拓扑情况(分布为随机队形、三角形队形、纵队队形与菱形队形)；
图4为网络生存周期以及QoS指标图(多无人艇通信网络服务质量评估结果，其中(a)为存活节点变化图、(b)为平均时延变化图、(c)为平均丢包率变化图、(d)为平均连通率变化图)；
具体实施方式
为了更好的理解本发明，下面结合附图和实施例对本发明的技术方案作详细的描述。
如图1所示为本发明方法的通信框架示意图。
如图2所示为分簇算法与QoS评价流程图。
仿真环境具体参数如下表所示。
表1仿真环境参数
Figure GDA0004046342330000091
仿真平台采用MATLAB，针对大规模节点的分簇机制仿真，产生100个分布在100*100m区域内位置随机的节点，均设置为普通节点类型，初始化每个节点的能量为0.2J。初始化基站位置(50，50)，并假定基站的能量不受限制。计算每个节点的节点度、距离基站距离，完成通信组网初始化工作
进入循环，判断节点能量是否耗尽，并更新节点状态。能量未耗尽的普通节点产生随机数，计算节点的门限值，生成簇头集合，并保存簇头成员的位置、能量信息。
对普通节点，计算其与所有簇头节点的距离，选择最近的簇头加入分簇，作为成员节点。将成簇后的每个分簇成员位置、能量信息保存。将成簇后的网络拓扑结果绘制出图。
计算簇内的距离矩阵L，干扰矩阵I以及信噪比矩阵。评估通信过程的丢包率，时延，连通率，记录在数组中。
计算一轮中通信过程的能量消耗。簇头节点的能量消耗由广播成簇信息，接收簇内节点数据信息的能耗以及融合簇内数据发送到基站的能耗组成。簇成员节点的能耗由接收簇头控制信息，发送加入簇头的ACK信息以及接收簇头成员信息三部分组成。
计算一轮中所有节点的剩余能量均值，更新存活节点数目，在经过若干控制周期的数据交互后，开始下一轮分簇。
从仿真的效果看，带有修正因子的LEACH分簇算法在大规模节点组网通信的过程中相比于传统的LEACH算法可以节省节点能量，提高网络生存周期。数据图中分析可得到在仿真第1000轮次后，改进算法的节点存活率为59％，普通LEACH算法为38％。不同的无人艇位置构型对组网通信的QoS指标有影响，随机队形节点的丢包、时延低于三角形，纵队和三角形队形节点相对分散，距离增加影响信道增益，不利于QoS保障。另外随机节点偶尔会出现断连现象，稳定的几何拓扑例如菱形队形有利于多无人艇协同过程中的通信质量保障。对于单一菱形队形拓扑下随着节点数上升，整个多无人艇网络丢包率有所上升，时延增加。当节点数上升到一定程度时会发生断连现象。对于无人艇，在保障网络时延、丢包等QoS指标前提下，节点数目增多，完成的作业形式越复杂，效率会相对越高。在实际多无人艇协同控制中应综合考虑多无人艇网络通信的QoS指标与协同作业效率因素，提高多无人艇协同控制系统的可靠性和作业效率。
本发明提出的一种远程移动通信与无线自组网相结合的混合式网络架构以满足多无人艇协同控制时的通信需求，并在组网管理方面提出一种结合节点度、剩余能量等修正因子的改进LEACH分簇算法，实现多无人艇之间组网通信，该组网方法可以更灵活、更进一步地延长网络的生存周期。此外，本发明建立了多无人艇通信的无线网络信道模型、信噪干扰模型(SINR模型)，并提出了无人艇协同(编队或集群)的网络通信服务质量(QoS)指标评估方法。基于混合式通信网络架构设计并实现了多无人艇组网的硬件架构，融合了大规模无人艇节点自组网通信的灵活、低成本、安全性与远程通信的可靠、不受地域限制的特点，可实现无人/有人船舶不受地域限制的高效组网通信；带修正因子项的改进LEACH分簇算法不仅具备传统LEACH算法的优化组网结构，降低网络通信量，均衡网络负载，提高网络的可扩展性等特点，还可以灵活地调整若干修正因子项来适配实际场景的需要，可以进一步地延长网络的生存周期。相较于传统LEACH算法，仿真结果表明1000轮次后，改进算法的节点存活率为59％，普通LEACH算法的节点存活率为38％；无人艇工作空间在水面上，相比多无人车、多无人机的协同控制对位置约束条件苛刻的紧约束条件，多无人艇之间协同的位置自由度相对较大，节点位置和数量的改变会带来协同作业效率的改变，同时会影响多无人艇通信网络的丢包率、时延、连通率等通信服务质量指标。本发明建立的多无人艇组网通信网络信道模型以及QoS评价机制，可以评估无人艇协同控制期间网络的时延、丢包率、连通率等指标，可以在满足协同控制需要的通信质量保障下，为提高多无人艇的协同作业效率提供一定的依据和约束，以达到通信质量保障与多无人艇作业效率之间的平衡。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种面向多无人艇协同控制场景下的混合式通信网络组网管理方法，在近海、内河、湖泊具备移动基站信号地域，采用4/5G移动通信技术与ZigBee、WIFI无线自组网技术相结合的通信网络架构，无人艇之间组成Ad hoc网络，并在无人艇上配备4G-DTU模块组成混合通信网络硬件，该混合网络架构既可以充分利用无线自组网的灵活性，借助远程通信技术实现无人艇不受地域限制的通信需求；
作为补充，在远海以及没有移动通信基站信号覆盖的区域，可采用卫星通信技术，海上浮标与WIMAX组网通信技术相结合的通信网络架构，其特征在于包含以下五个步骤：
(1)将大规模无人艇编队节点分为簇头节点和普通节点，记录每个节点的当前剩余能量和距离当前节点通信范围以内的邻居节点数量即节点度；
(2)有些通信场景无人艇之间的通信能量消耗占比大，而有些场景无人艇与基站通信的能量消耗大，为了适应不同的能量消耗场景，提出修正因子项如下式：
Figure FDA0004046342320000011
其中A，B，C是控制因子项，Ei(r)代表第r轮组网过程中第i个节点的剩余能量值，Emax(r)代表第r轮组网过程中节点能量的最大值，D(i)代表节点i的节点度数，Dmax代表第r轮组网过程中所有无人艇节点中节点度数最大值，davg代表节点距离移动通信基站或远程卫星网络通信基站的平均距离，通过调整修正因子中的控制因子项，可以提高无人艇组网的网络生存周期；
(3)在步骤(2)的基础上，修正传统LEACH算法中普通节点的门限值，提出改进的LEACH算法用于计算门限值，选举簇头，其门限值计算公式如下：
Figure FDA0004046342320000021
W为步骤(2)所定义的修正因子项，p代表簇头节点占全部节点的比例，r为组网的轮次，其中修正因子项W可以通过改变控制因子项A，B，C来调整在选举簇头的过程中节点剩余能量、节点度数以及节点距离和移动通信基站或远程卫星网络通信基站的距离三个因素的占比，使组网管理方法更加灵活；
(4)基于步骤(3)的改进LEACH算法选举出簇首节点，具体方式为待选节点产生一个数值范围在0-1的随机数，比较产生随机数与门限值T(n)之间的大小，若随机数小于门限值，则该节点被选为该轮通信网络中的簇首节点；
(5)为了满足大规模无人艇系统的协同控制通信需求，在步骤(4)选举出若干簇头节点的基础上，对于非簇首节点，计算其与所有簇首节点之间的距离，选择距离最近的簇首节点加入以成簇，在通信过程中，簇成员只与该分簇的簇首进行数据交互，每个簇的簇首可以收集该簇全部成员的位置、航向控制信息，并将该信息在簇内共享，簇与簇之间可通过基站交互数据。
2.一种多无人艇协同控制场景下的通信质量评价方法，在近海、内河、湖泊具备移动基站信号地域，采用4/5G移动通信技术与ZigBee、WIFI无线自组网技术相结合的通信网络架构，无人艇之间组成Ad hoc网络，并在无人艇上配备4G-DTU模块组成混合通信网络硬件，该混合网络架构既可以充分利用无线自组网的灵活性，借助远程通信技术实现无人艇不受地域限制的通信需求；
作为补充，在远海以及没有移动通信基站信号覆盖的区域，可采用卫星通信技术，海上浮标与WIMAX组网通信技术相结合的通信网络架构，无人艇在协同过程中相互之间的位置关系与时延、丢包率通信质量指标存在关联，对于指导无人艇协同过程中不同队形位置的规划具有参考价值，评价无人艇组网的通信质量，其特征在于包含以下步骤：
(1)在不计外部环境与节点间通信干扰的前提下，并假设网络中不存在拥塞情况，计算节点间数据传输过程中的端到端网络时延：
τend-to-end＝N(delaytrans+delayprop)
N为端到端通信经过的跳数，delaytrans为网络传输时延，表达式如式为：
Figure FDA0004046342320000031
delayprop为网络的传播时延，表达式为：
Figure FDA0004046342320000032
其中L为数据包长度，R为网络传输速率，M为传播媒介长度，c为电磁波在介质中的传输速率；
(2)考虑多无人艇组网通信过程中来自环境白噪声以及无人艇节点之间的通信干扰问题，结合实际的网络信道模型理论，鉴于无人艇位于水面上，可视为同一高度面，可将无人艇之间的通信链路为视线链路，其信道质量取决于无人艇之间的距离，此外，假设由无人艇移动性引起的多普勒效应在接收机处得到了很好的补偿，则在一个时隙期间从无人艇i到j的信道功率增益遵循自由空间路径损耗模型，计算簇内无人艇节点间的距离矩阵L，从而计算得节点间的信道增益，
Figure FDA0004046342320000033
(3)基于步骤(2)，计算无人艇组网通信中的网络信号与干扰噪声比
Figure FDA0004046342320000034
Pi为节点信号传输功率，σ2为环境噪声，
集合I代表对无人艇节点i发送数据给节点j过程中产生干扰的节点集合，然而在组网通信过程中，实际产生干扰的节点集不易获取，可运用概率知识进行估计，假设无人艇节点中通信设备的MAC层遵循TDMA协议允许多个节点在不同时间片同时使用频率资源，假设各节点互不相关地以概率r随机发送数据，则节点i发送数据给节点j过程中信干噪比可表示为：
Figure FDA0004046342320000041
根据上述公式计算无人艇编队网络节点间通信的信干噪比；
(4)基于步骤(3)得到的网络通信的信干噪比，可以估算节点间组网通信的丢包率、以及端到端时延，丢包率可表示为：
Figure FDA0004046342320000042
其中an，gn是与传输模式相关的参数，γpn是节点间连通的最小信干噪比值；
(5)基于步骤(4)，估算考虑环境干扰以及节点间通信干扰的端到端时延评估方法，其中τ为不计干扰的端到端时延，γij为节点间通信的信干噪比
Figure FDA0004046342320000043
CN202011158498.6A 2020-10-27 2020-10-27 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价 Active CN112654001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011158498.6A CN112654001B (zh) 2020-10-27 2020-10-27 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011158498.6A CN112654001B (zh) 2020-10-27 2020-10-27 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价

Publications (2)

Publication Number Publication Date
CN112654001A CN112654001A (zh) 2021-04-13
CN112654001B true CN112654001B (zh) 2023-02-24

Family

ID=75346792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011158498.6A Active CN112654001B (zh) 2020-10-27 2020-10-27 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价

Country Status (1)

Country Link
CN (1) CN112654001B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780364A (zh) * 2021-08-18 2021-12-10 西安电子科技大学 一种模型与数据联合驱动的sar图像目标识别方法
CN117320112B (zh) * 2023-10-26 2024-05-03 陕西思极科技有限公司 一种双模通信网络能耗均衡方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530655A (zh) * 2016-11-08 2017-03-22 山东大学 一种地震勘探数据无线采集的异构网络传输方法
CN106774331A (zh) * 2016-12-30 2017-05-31 广东华中科技大学工业技术研究院 一种分布式控制无人艇集群分簇编队方法
CN107707292A (zh) * 2017-11-07 2018-02-16 海南大学 基于无人船基站组网的lte海上应急通信系统
CN108834228A (zh) * 2018-08-01 2018-11-16 中国水产科学研究院渔业机械仪器研究所 一种渔业船联网系统架构
CN208739431U (zh) * 2018-08-01 2019-04-12 中国水产科学研究院渔业机械仪器研究所 一种渔业船联网系统架构及其网络层级
CN111194024A (zh) * 2020-01-08 2020-05-22 中国电子科技集团公司电子科学研究院 一种海上应急通信系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11496948B2 (en) * 2012-10-19 2022-11-08 Samsung Electronics Co., Ltd. System and method for ad-hoc/network assisted device discovery protocol for device to device communications
CN110933641A (zh) * 2019-12-04 2020-03-27 山东省科学院海洋仪器仪表研究所 一种用于海上自组织网络的异构节点协同感知系统及方法
CN111741448B (zh) * 2020-06-21 2022-04-29 天津理工大学 一种基于边缘计算策略的分簇aodv路由方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530655A (zh) * 2016-11-08 2017-03-22 山东大学 一种地震勘探数据无线采集的异构网络传输方法
CN106774331A (zh) * 2016-12-30 2017-05-31 广东华中科技大学工业技术研究院 一种分布式控制无人艇集群分簇编队方法
CN107707292A (zh) * 2017-11-07 2018-02-16 海南大学 基于无人船基站组网的lte海上应急通信系统
CN108834228A (zh) * 2018-08-01 2018-11-16 中国水产科学研究院渔业机械仪器研究所 一种渔业船联网系统架构
CN208739431U (zh) * 2018-08-01 2019-04-12 中国水产科学研究院渔业机械仪器研究所 一种渔业船联网系统架构及其网络层级
CN111194024A (zh) * 2020-01-08 2020-05-22 中国电子科技集团公司电子科学研究院 一种海上应急通信系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Research_on_Joint_Steering_Technology_of_Underwater_Vehicle_Based_on_PID;Yanbin Chen;《2018 IEEE 8th International Conference on Underwater System Technology》;20181231;全文 *
多自主式水下机器人的路径规划和控制技术研究综述;赵蕊;《中国舰船研究》;20181231;全文 *

Also Published As

Publication number Publication date
CN112654001A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
Khelifi et al. Localization and energy-efficient data routing for unmanned aerial vehicles: Fuzzy-logic-based approach
Yang et al. Maritime search and rescue based on group mobile computing for unmanned aerial vehicles and unmanned surface vehicles
Lv et al. Artificial intelligence in underwater digital twins sensor networks
Nazib et al. Energy-efficient and fast data collection in UAV-aided wireless sensor networks for hilly terrains
CN106054875B (zh) 一种分布式多机器人动态网络连通性控制方法
Celik et al. A software-defined opto-acoustic network architecture for internet of underwater things
CN112822752B (zh) 一种无人机自组织网络的路由建立方法及系统
CN112654001B (zh) 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价
CN109470235B (zh) 一种基于动态簇的水下多传感器协作被动跟踪方法
CN108777877B (zh) 一种狭长拓扑下的WSNs分簇路由方法
CN111970658A (zh) 一种基于最优刚性图的无人机蜂群编队网络路由方法
CN111542020B (zh) 水声传感器网络中基于区域划分的多auv协作数据收集方法
Park et al. Analysis of dynamic cluster head selection for mission-oriented flying ad hoc network
CN104883676A (zh) 一种多无人机环境下协同安全通信方法
CN103297339A (zh) 水下传感器网络中基于空间区域划分的路由方法
CN110740487A (zh) 一种能量有效且避障的水下路由方法
CN107222900A (zh) 一种基于动态链的无线传感器网络节点协作方法
Aissa et al. EMASS: a novel energy, safety and mobility aware-based clustering algorithm for FANETs
Hussain et al. Co-DLSA: Cooperative delay and link stability aware with relay strategy routing protocol for flying Ad-hoc network
Zhang et al. Communication network and qos evaluation for formation control of unmanned surface vehicles
Hyder et al. Self-organized ad hoc mobile (SOAM) underwater sensor networks
Wen et al. Intelligent multi-AUG ocean data collection scheme in maritime wireless communication network
Khedr et al. MWCRSF: Mobility-based weighted cluster routing scheme for FANETs
Shu et al. Mobility prediciton clustering routing in UAVs
CN115599123B (zh) 一种用于无人机集群多着陆区协同着陆的分布式方法

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
GR01 Patent grant
GR01 Patent grant