CN112947545B - 基于条件触发机制的无人机集群任务适变架构设计方法 - Google Patents

基于条件触发机制的无人机集群任务适变架构设计方法 Download PDF

Info

Publication number
CN112947545B
CN112947545B CN202110109513.6A CN202110109513A CN112947545B CN 112947545 B CN112947545 B CN 112947545B CN 202110109513 A CN202110109513 A CN 202110109513A CN 112947545 B CN112947545 B CN 112947545B
Authority
CN
China
Prior art keywords
task
adaptation
platform
unmanned aerial
aerial vehicle
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
CN202110109513.6A
Other languages
English (en)
Other versions
CN112947545A (zh
Inventor
李小波
杨松
王维平
朱一凡
周鑫
何华
井田
李童心
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.)
National University of Defense Technology
Original Assignee
National University of Defense 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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110109513.6A priority Critical patent/CN112947545B/zh
Publication of CN112947545A publication Critical patent/CN112947545A/zh
Application granted granted Critical
Publication of CN112947545B publication Critical patent/CN112947545B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请涉及一种基于条件触发机制的无人机集群任务适变架构设计方法。所述方法包括,根据无人机集群的任务适变范围得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。根据任务适变范围参数得到对应的任务架构适变约束条件。当无人机集群的任务数据符合任务架构适变触发条件时,根据触发条件对应的任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。上述方法根据无人机集群的任务变化情况,从无人机集群的系统组织结构、任务规划和平台能力层面得到适变任务方案,根据无人机集群在上述三个层面的特点提供一种综合性适变机制。

Description

基于条件触发机制的无人机集群任务适变架构设计方法
技术领域
本申请涉及无人机集群指挥控制技术领域,特别是涉及一种基于条件触发机制的无人机集群任务适变架构设计方法。
背景技术
随着无人机平台类型的日益丰富,以及无人机平台的计算能力和任务执行能力的快速提升,无人机集群已经越来越多地应用于现代军事行动中。无人机集群的核心能力是集群的智能,即适应任务环境、任务目标以及无人机集群自身的变化,确保无人机集群有效实施复杂任务,针对任务目标形成多个杀伤链路,并在此基础上构成智能化自适应杀伤网,从而基于集群智能形成“观察-判断-决策-行动”(OODA)指挥决策和“侦察-指控-打击-评估”任务行动两方面的优势。
为实现上述目的,需要针对军事行动中无人机集群的任务结构形式与执行模式设计一种合理的适变方法。目前在无人机集群的任务分配和任务方案生成等方面,对于静态效用性架构的设计研究较多,对于无人机集群实现动态适变性的架构研究较少,缺少适用于无人机集群的任务方案的动态适变机制和具体实施方法。
发明内容
基于此,有必要针对上述技术问题,提供一种能够将体系,集群,平台三者集成融合的一种基于条件触发机制的无人机集群任务适变架构设计方法。
一种基于条件触发机制的无人机集群任务适变架构设计方法,包括:
获取无人机集群的任务适变范围参数。任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数。
根据任务适变范围参数得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则。
根据任务适变范围参数得到对应的任务架构适变约束条件。任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件。
当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。
其中一个实施例中,任务网络适变范围参数的获取方式包括:
获取无人机集群中的各无人机的平台通信质量参数值,根据预设的通信质量阈值和平台通信质量参数值得到无人机集群的备选指控平台集合,根据备选指控平台集合得到对应的任务网络适变范围参数。
其中一个实施例中,决策模式约束条件的获取方式包括:
根据预设的平台类型参数,从备选指控平台集合中获取对应类型的指控平台,根据获取到的指控平台的集合得到对应的决策模式约束条件。
其中一个实施例中,任务规划约束条件的获取方式包括:
获取无人机集群的集群资源参数,集群资源参数包括集群资源类型参数和集群资源时段参数。
根据集群资源参数得到对应的任务规划约束条件。
其中一个实施例中,平台任务能力适变约束条件的获取方式包括:
获取无人机集群中每架无人机的平台资源参数。平台资源参数包括平台资源类型参数和平台资源时段参数。
根据平台资源参数得到对应的平台任务能力适变约束条件。
其中一个实施例中,当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包的步骤包括:
获取预设的无人机集群的任务数据。任务数据包括任务网络数据、任务目标数据和平台任务需求数据。
当任务数据符合任务架构适变触发条件时:
根据任务网络数据和任务架构适变触发条件获取对应的决策模式适变规则,在决策模式约束条件下得到无人机集群的适变指控平台,基于适变指控平台建立无人机集群的适变任务网络。
根据任务目标数据和任务架构适变触发条件获取对应的任务规划适变规则,在任务规划约束条件下得到适变任务网络的适变任务规划数据。
根据平台需求能力和任务架构适变触发条件获取对应的平台任务能力切换规则,在平台任务能力适变约束条件下得到适变任务网络的适变平台任务数据。
根据适变任务网络、适变任务规划数据和适变平台任务数据,得到对应的适变任务方案包。
一种基于条件触发机制的无人机集群任务适变架构设计系统,包括:
任务变化数据获取模块,用于获取无人机集群的任务适变范围参数。任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数。
任务架构适变规则获取模块,用于根据任务适变范围参数得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则。
任务架构适变约束条件获取模块,用于根据任务适变范围参数得到对应的任务架构适变约束条件。任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件。
任务方案动态适变模块,用于当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。
其中一个实施例中,任务方案动态适变模块用于:
获取预设的无人机集群的任务数据。任务数据包括任务网络数据、任务目标数据和平台任务需求数据。
当任务数据符合所述任务架构适变触发条件时:
根据任务网络数据和任务架构适变触发条件获取对应的决策模式适变规则,在决策模式约束条件下得到无人机集群的适变指控平台,基于适变指控平台建立无人机集群的适变任务网络。
根据任务目标数据和任务架构适变触发条件获取对应的任务规划适变规则,在任务规划约束条件下得到适变任务网络的适变任务规划数据。
根据平台需求能力和任务架构适变触发条件获取对应的平台任务能力切换规则,在平台任务能力适变约束条件下得到适变任务网络的适变平台任务数据。
根据适变任务网络、适变任务规划数据和适变平台任务数据,得到对应的适变任务方案包。
与现有技术相比,上述一种基于条件触发机制的无人机集群任务适变架构设计方法和系统,根据获取无人机集群的任务适变范围参数得到对应的任务架构适变触发条件,并将任务架构适变触发条件映射到预设的任务架构适变规则;同时根据任务适变范围参数得到对应的任务架构适变约束条件。当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。本申请根据无人机集群在任务网络、任务目标和平台任务能力方面的适变能力,定义任务方案的适变触发条件和适变规则,在无人机集群的任务数据触发定义的条件时,根据定义的规则和约束条件得到对应的任务适变架构,针对无人机集群在执行任务时的体系结构、集群任务和平台能力三个层面的变化提供了一种综合性的适变机制。
附图说明
图1为本申请中基于条件触发机制的无人机集群任务适变架构设计方法的设计机理图;
图2为本申请中基于条件触发机制的无人机集群任务适变架构设计方法的元模型图;
图3为一个实施例中基于条件触发机制的无人机集群任务适变架构设计方法的步骤图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于条件触发机制的无人机集群任务适变架构设计方法是基于图1所示的机理设计的。无人机集群在智能化无人体系行动的背景下,其体系动态适变机制设计的主要目标是在使命任务、组织结构和/或装备配系等动态变化的情况下,由体系通过针对性的智能化结构和运行模式切换,实现任务、组织和功能之间的适应性动态匹配,从而有效支撑体系顶层使命任务顺利完成。基于这一机理,在设计无人机集群的任务适变架构时,首先要根据无人机集群本身、集群任务和任务环境的具体情况和变化范围,定义无人机集群在面临上述三方面变化时对应的任务适变架构的设计约束条件。
机制设计与基于DoDAF活动视图和系统视图的体系效用性架构设计类似,动态适变机制设计方法也需要构建相应的设计视图元模型,为机制设计提供图形化建模环境。如图2所示的元模型用于构建动态适变机制设计图形化建模视图,为动态适变机制设计提供可视化建模语言及其环境支持。机制设计元模型中的实体主要包括以下三个部分六种类型:
一是模式切换的触发条件集合和初始构形模式。其中触发条件主要包括事件和状态两类,事件条件是指能够触发规则执行的外部瞬间行为,状态条件是指能够触发规则执行的内部状态变量变化。初始构形模式是指模式切换前规则执行主体所处的结构形式和运行模式。以上两个要素借鉴UML的状态图进行建模。二是模式切换遵循的规则集和切换行动集合。规则集采用规则表格进行描述,核心是采用“IF...THEN...”方式建立模式切换行动集每个行动的执行规则。行动集采用UML活动图描述规则执行的具体步骤。三是模式切换需满足的切换约束和目标构形模式。约束包括前置和后置两种,分别指模式切换规则执行前和执行后所需要满足的定性或定量条件。以上六类模型要素在一个机制模型中均为有且仅有一个。六类模型要素之间的关系如图2所示:模式切换规则集以模式触发条件为触发点,同时需要满足模式切换的前置和后置约束;模式切换行动集受到规则集的支配,以初始构形模式为输入,输出为目标构形模式。
本申请正是基于上述思想提出了一种基于条件触发机制的无人机集群任务适变架构的设计方法。
其中一个实施例中,如图3所示,提供了一种基于条件触发机制的无人机集群任务适变架构设计方法,包括以下步骤:
步骤302,获取无人机集群的任务适变范围参数。任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数。
具体地,无人机集群在面临任务环境、任务目标和平台能力变化时,可能会改变其任务网络的结构(包括改变指控节点的位置、数量,重新指定指控节点,重新定义网络的层级等)、任务目标的类型/数量、分配给单架无人机的任务等,以确保完成其需要执行的任务,这三类调整分别对应与组织域、任务域和装备域。因此,步骤302获取需要激进型任务适变架构设计的无人机集群在上述三个方面的适变范围,作为设计步骤的数据基础和限制条件。
对于一个无人机集群,任务网络适变范围可以包括允许的任务网络层级数量、指控节点数量、一个指控节点下属的无人机数量和类型等,还可以包括各架无人机是否能够作为指控节点或指控节点对于平台类型、通信容量、通信范围等的要求。任务网络适变范围参数决定无人机集群可以实现的任务网络结构,以及任务网络中指控链路的分布情况。任务目标适变范围参数是指该无人机集群可以对其采取行动的目标的类型、位置、数量等。平台任务能力适变范围参数可以是无人机集群中所有平台的整体任务能力的变化范围,也可以是单架无人机的任务能力变化范围,如通信带宽、通信延迟,可以获取的数据类型、质量、总量,可以覆盖的范围等。平台任务能力适变范围参数主要取决于无人机集群中各无人机平台的飞行能力,以及载荷类型和数量,载荷的数据采集、处理和传输能力,以及无人机的通信能力等,其中涵盖了对集群中每一架无人机的平台能力的描述。
步骤304,根据任务适变范围参数得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则。
具体地,根据获取到的无人机集群的任务适变范围参数,可以定义一组任务架构适变触发条件和对应的决策模式适变规则。例如,根据无人机集群的网络适变范围参数得知,该无人机集群可以组成集中式和分布式两种结构的任务网络。其中,集中式是指一架无人机作为指控节点控制多架从属的无人机,负责从属无人机的任务分配,从属无人机之间没有直接的通信链路。分布式是指不存在中心指控无人机,各无人机之间相互通信进行任务系统。此时,可以将任务架构适变触发条件定义为无人机集群中满足作为指控节点要求的无人机的数量。对应的决策模式适变规则可以定义为:当可以作为指控节点的无人机平台的数量大于分布式指控对应的阈值时,无人机集群采用分布式任务网络;小于分布式指控网络对应的阈值,而大于集中式网络对应的阈值时,采用混合式的任务网络,如多个指控节点间相互协同,而多个指控节点和其从属节点间为集中式网络;小于集中式网络对应的阈值时,采用集中式任务网络。
针对任务目标适变范围参数,可将任务架构适变触发条件定义为特定的任务目标类型、特定类型的任务目标的数量、任务目标的分布离散度等。而对应的任务规划适变规则包括:根据任务目标类型确定是否更新任务目标列表,是否调整任务目标优先级,是否同时针对多个目标进行任务规划等。
针对平台任务能力适变范围参数,可以将任务架构适变触发条件定义为无人机集群的整体任务为能力的变化值,或一组/单个无人机平台的任务能力变化值。对应的平台任务能力切换规则可以定义为,给定距离内的同类型平台替换、新增平台替换、邻近平台利用空闲时间替待故障平台执行任务等。
步骤306,根据任务适变范围参数得到对应的任务架构适变约束条件。任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件。
具体地,任务适变范围同时也决定了无人机集群的任务方案进行调整时的调整范围,即可以从任务资源和任务能力的角度出发,得到对应的任务架构适变约束条件。如对于任务网络,其指挥节点的数量及其可以控制的从属节点的数量就受到任务适变范围的约束,任务规划过程则受到平台和目标的位置、数量、类型等之间的相互关系的约束,平台功能替待则受到平台本身任务能力的约束。
步骤308,当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。
基于上述框架,可以监测无人机集群的任务数据,当其中的变化触发了定义的一个或多个任务架构适变触发条件时,则根据触发条件对应的约束条件和适变规则对任务数据进行处理,得到该无人机集群在任务数据变化高于预期(即触发条件)时,任务方案进行适变后的任务网络、任务规划和平台任务。
本实施例获取无人机集群在任务网络、任务目标和平台任务能力方面的适变能力,定义任务方案的适变触发条件和适变规则,在无人机集群的任务数据触发定义的条件时,根据定义的规则和约束条件得到对应的任务适变架构,针对无人机集群在执行任务时的体系结构、集群任务和平台能力三个层面的变化提供了一种综合性的适变机制。
其中一个实施例中,任务网络适变范围参数的获取方式包括:
获取无人机集群中的各无人机的平台通信质量参数值,根据预设的通信质量阈值和平台通信质量参数值得到无人机集群的备选指控平台集合,根据备选指控平台集合得到对应的任务网络适变范围参数。
决策模式约束条件的获取方式包括:根据预设的平台类型参数,从备选指控平台集合中获取对应类型的指控平台,根据获取到的指控平台的集合得到对应的决策模式约束条件。
具体地,任务网络适变的主要目的是实现组织指控柔性。组织指控柔性是指在体系使命任务不变,战场态势变化的情况下,体系通过实时动态的组织指控构形调整,更为高效地完成使命任务。指控柔性构形设计包括组织指控架构柔性,指控授权等级柔性,任务角色重配柔性,兵力编组柔性等内容。
本实施例根据当前无人机集群中各架无人机的平台通信质量衡量其是否可以作为备选的指控平台。例如,当无人机的各条通信链路的通信质量均高于给定的阈值,或各条链路的综合通信质量(如平均值,或根据通信链路在当前无人机集群中的重要程度的加权平均值)高于给定阈值时,该无人机可以作为指控平台。以获得的备选指控平台作为无人机集群的任务网络适变范围参数。随后,可以根据不同的任务需要定义从备选指控平台中选定指控平台的约束条件。
进一步地,还可以定义任务网络结构和备选指控平台类型(以及其可以被授权的指挥层级)之间的柔性切换规则库,预先存储定义好的适变范围、触发条件和约束条件。
其中一个实施例中,任务规划约束条件的获取方式包括:获取无人机集群的集群资源参数,集群资源参数包括集群资源类型参数和集群资源时段参数。根据集群资源参数得到对应的任务规划约束条件。
任务规划适变主要是针对新增任务或目标,通过实时动态的任务规划和任务链路重构(可能包含相关的指控组织构形和装备功能行为模式调整),支持敏捷适变式任务流程规划或行动序列生成。任务适变构形机制设计包括:体系层次的在线任务规划,集群层次的任务链路重构,平台层次的任务行动序列(Course Of Action,COA)生成。
本实施例根据无人机集群的整体的可用资源类型和可用时段来定义任务规划的约束条件。集群资源类型参数时指集群中可用资源的类型,由无人机搭载的载荷类型决定,不仅取决于无人机初始搭载的载荷类型,还取决于因正常衰减或战损导致的载荷能力降低或失效。集群资源时段参数是指集群中可用资源的时段,这与无人机的飞行能力、载荷的工作方式等因素相关。当无人机集群中的无人机按照固定的航线在指定区域中飞行时,还与地形遮挡、平台飞行高度及覆盖范围等相关。
其中一个实施例中,平台任务能力适变约束条件的获取方式包括:获取无人机集群中每架无人机的平台资源参数。平台资源参数包括平台资源类型参数和平台资源时段参数。根据平台资源参数得到对应的平台任务能力适变约束条件。
具体地,平台任务能力适变主要是实现无人机集群的体系功能抗毁。体现功能抗毁是指在使命任务和外部态势不变,装备损毁或者失效的情况下,体系通过功能构形调整,将受损的体系功能恢复到正常或者设定水平。功能抗毁构形机制设计包括装备冗余,功能冗余,装备重连等三个方面。在多种变化同时作用时,体系需要综合运用任务,指控和装备三个方面的机制,来实现各个层次的兵力内部弹性和外部适应性相融合的综合适变机制。
本实施例根据无人机集群中各架无人机的可用资源类型和可用时段来定义各架无人机之间相互进行任务能力替换的平台任务能力适变约束条件。可以新增一架或多架无人机替代失效的无人机,也可以由无人机集群中有效的平台进行重新分工,协同分担失效无人机的任务。对于给定的无人机集群,可以预先建立集群平台功能交叉替代规则库,以减少指控节点的计算量,更快地得到无人机集群任务适变架构。
其中一个实施例中,当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包的步骤包括:
获取预设的无人机集群的任务数据。任务数据包括任务网络数据、任务目标数据和平台任务需求数据。
当任务数据符合任务架构适变触发条件时:
根据任务网络数据和任务架构适变触发条件获取对应的决策模式适变规则,在决策模式约束条件下得到无人机集群的适变指控平台,基于适变指控平台建立无人机集群的适变任务网络。
根据任务目标数据和任务架构适变触发条件获取对应的任务规划适变规则,在任务规划约束条件下得到适变任务网络的适变任务规划数据。
根据平台需求能力和任务架构适变触发条件获取对应的平台任务能力切换规则,在平台任务能力适变约束条件下得到适变任务网络的适变平台任务数据。
根据适变任务网络、适变任务规划数据和适变平台任务数据,得到对应的适变任务方案包。
具体地,本实施例中定义了决策模式适变规则、任务规划适变规则和平台任务能力切换规则的应用过程。对于触发了任务架构适变的无人机集群的任务数据,首先判断其是否适用决策模式适变规则。因为任务网络的变化涉及无人机集群的体系结构变化,因此首先根据决策模式适变规则确定其适变后的任务网络结构。基于适变后的网络结构,对变化后的任务数据使用任务规划适变规则,将任务分解为多个具体的行动序列。根据得到的行动序列,以及当前无人机集群中各平台的能力,适用平台任务能力适变约束条件和平台任务能力切换规则,将行动序列中的各项行动分配给各架无人机,得到适变后的适变任务方案包。
需要指出的是,上述实施例中提供的方法还可以适用于其他无人平台及其混合集群的任务适变架构设计。
应该理解的是,虽然图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
其中一个实施例中,提供了一种基于条件触发机制的无人机集群任务适变架构设计系统,包括:
任务变化数据获取模块,用于获取无人机集群的任务适变范围参数。任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数。
任务架构适变规则获取模块,用于根据任务适变范围参数得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则。
任务架构适变约束条件获取模块,用于根据任务适变范围参数得到对应的任务架构适变约束条件。任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件。
任务方案动态适变模块,用于当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。
其中一个实施例中,还包括任务网络适变范围参数获取模块,用于获取无人机集群中的各无人机的平台通信质量参数值,根据预设的通信质量阈值和平台通信质量参数值得到无人机集群的备选指控平台集合,根据备选指控平台集合得到对应的任务网络适变范围参数。
其中一个实施例中,还包括决策模式约束条件获取模块,用于根据预设的平台类型参数,从备选指控平台集合中获取对应类型的指控平台,根据获取到的指控平台的集合得到对应的决策模式约束条件。
其中一个实施例中,还包括任务规划约束条件获取模块,用于获取无人机集群的集群资源参数,集群资源参数包括集群资源类型参数和集群资源时段参数。根据集群资源参数得到对应的任务规划约束条件。
其中一个实施例中,还包括平台任务能力适变约束条件获取模块,用于获取无人机集群中每架无人机的平台资源参数。平台资源参数包括平台资源类型参数和平台资源时段参数。根据平台资源参数得到对应的平台任务能力适变约束条件。
其中一个实施例中,任务方案动态适变模块用于:获取预设的无人机集群的任务数据。任务数据包括任务网络数据、任务目标数据和平台任务需求数据。当任务数据符合所述任务架构适变触发条件时:根据任务网络数据和任务架构适变触发条件获取对应的决策模式适变规则,在决策模式约束条件下得到无人机集群的适变指控平台,基于适变指控平台建立无人机集群的适变任务网络。根据任务目标数据和任务架构适变触发条件获取对应的任务规划适变规则,在任务规划约束条件下得到适变任务网络的适变任务规划数据。根据平台需求能力和任务架构适变触发条件获取对应的平台任务能力切换规则,在平台任务能力适变约束条件下得到适变任务网络的适变平台任务数据。根据适变任务网络、适变任务规划数据和适变平台任务数据,得到对应的适变任务方案包。
关于基于条件触发机制的无人机集群任务适变架构设计系统的具体限定可以参见上文中对于一种基于条件触发机制的无人机集群任务适变架构设计方法的限定,在此不再赘述。上述一种基于条件触发机制的无人机集群任务适变架构设计系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取无人机集群的任务适变范围参数。任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数。
根据任务适变范围参数得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则。
根据任务适变范围参数得到对应的任务架构适变约束条件。任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件。
当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取无人机集群中的各无人机的平台通信质量参数值,根据预设的通信质量阈值和平台通信质量参数值得到无人机集群的备选指控平台集合,根据备选指控平台集合得到对应的任务网络适变范围参数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设的平台类型参数,从备选指控平台集合中获取对应类型的指控平台,根据获取到的指控平台的集合得到对应的决策模式约束条件。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取无人机集群的集群资源参数,集群资源参数包括集群资源类型参数和集群资源时段参数。根据集群资源参数得到对应的任务规划约束条件。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取无人机集群中每架无人机的平台资源参数。平台资源参数包括平台资源类型参数和平台资源时段参数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设的无人机集群的任务数据。任务数据包括任务网络数据、任务目标数据和平台任务需求数据。当任务数据符合任务架构适变触发条件时:根据任务网络数据和任务架构适变触发条件获取对应的决策模式适变规则,在决策模式约束条件下得到无人机集群的适变指控平台,基于适变指控平台建立无人机集群的适变任务网络。根据任务目标数据和任务架构适变触发条件获取对应的任务规划适变规则,在任务规划约束条件下得到适变任务网络的适变任务规划数据。根据平台需求能力和任务架构适变触发条件获取对应的平台任务能力切换规则,在平台任务能力适变约束条件下得到适变任务网络的适变平台任务数据。根据适变任务网络、适变任务规划数据和适变平台任务数据,得到对应的适变任务方案包。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取无人机集群的任务适变范围参数。任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数。
根据任务适变范围参数得到对应的任务架构适变触发条件,将任务架构适变触发条件映射到预设的任务架构适变规则。任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则。
根据任务适变范围参数得到对应的任务架构适变约束条件。任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件。
当无人机集群的任务数据符合任务架构适变触发条件时,根据任务架构适变约束条件、任务架构适变规则和无人机集群的任务数据,得到对应的适变任务方案包。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取无人机集群中的各无人机的平台通信质量参数值,根据预设的通信质量阈值和平台通信质量参数值得到无人机集群的备选指控平台集合,根据备选指控平台集合得到对应的任务网络适变范围参数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据预设的平台类型参数,从备选指控平台集合中获取对应类型的指控平台,根据获取到的指控平台的集合得到对应的决策模式约束条件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取无人机集群的集群资源参数,集群资源参数包括集群资源类型参数和集群资源时段参数。根据集群资源参数得到对应的任务规划约束条件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取无人机集群中每架无人机的平台资源参数。平台资源参数包括平台资源类型参数和平台资源时段参数。
根据平台资源参数得到对应的平台任务能力适变约束条件。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设的无人机集群的任务数据。任务数据包括任务网络数据、任务目标数据和平台任务需求数据。当任务数据符合任务架构适变触发条件时:根据任务网络数据和任务架构适变触发条件获取对应的决策模式适变规则,在决策模式约束条件下得到无人机集群的适变指控平台,基于适变指控平台建立无人机集群的适变任务网络。根据任务目标数据和任务架构适变触发条件获取对应的任务规划适变规则,在任务规划约束条件下得到适变任务网络的适变任务规划数据。根据平台需求能力和任务架构适变触发条件获取对应的平台任务能力切换规则,在平台任务能力适变约束条件下得到适变任务网络的适变平台任务数据。根据适变任务网络、适变任务规划数据和适变平台任务数据,得到对应的适变任务方案包。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于条件触发机制的无人机集群任务适变架构设计方法,其特征在于,所述方法包括:
获取无人机集群的任务适变范围参数;任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数;
根据所述任务适变范围参数得到对应的任务架构适变触发条件,将所述任务架构适变触发条件映射到预设的任务架构适变规则;所述任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则;
根据所述任务适变范围参数得到对应的任务架构适变约束条件;所述任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件;
当所述无人机集群的任务数据符合所述任务架构适变触发条件时,根据所述任务架构适变约束条件、所述任务架构适变规则和所述无人机集群的任务数据,得到对应的适变任务方案包。
2.根据权利要求1所述的方法,其特征在于,所述任务网络适变范围参数的获取方式包括:
获取所述无人机集群中的各无人机的平台通信质量参数值,根据预设的通信质量阈值和所述平台通信质量参数值得到所述无人机集群的备选指控平台集合,根据所述备选指控平台集合得到对应的任务网络适变范围参数。
3.根据权利要求2所述的方法,其特征在于,所述决策模式约束条件的获取方式包括:
根据预设的平台类型参数,从所述备选指控平台集合中获取对应类型的指控平台,根据获取到的指控平台的集合得到对应的决策模式约束条件。
4.根据权利要求1所述的方法,其特征在于,所述任务规划约束条件的获取方式包括:
获取所述无人机集群的集群资源参数;所述集群资源参数包括集群资源类型参数和集群资源时段参数;
根据所述集群资源参数得到对应的任务规划约束条件。
5.根据权利要求1所述的方法,其特征在于,所述平台任务能力适变约束条件的获取方式包括:
获取所述无人机集群中每架无人机的平台资源参数;所述平台资源参数包括平台资源类型参数和平台资源时段参数;
根据所述平台资源参数得到对应的平台任务能力适变约束条件。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,当所述无人机集群的任务数据符合所述任务架构适变触发条件时,根据所述任务架构适变约束条件、所述任务架构适变规则和所述无人机集群的任务数据,得到对应的适变任务方案包的步骤包括:
获取预设的所述无人机集群的任务数据;所述任务数据包括任务网络数据、任务目标数据和平台任务需求数据;
当所述任务数据符合所述任务架构适变触发条件时:
根据所述任务网络数据和所述任务架构适变触发条件获取对应的决策模式适变规则,在所述决策模式约束条件下得到所述无人机集群的适变指控平台,基于所述适变指控平台建立无人机集群的适变任务网络;
根据所述任务目标数据和所述任务架构适变触发条件获取对应的任务规划适变规则,在所述任务规划约束条件下得到所述适变任务网络的适变任务规划数据;
根据所述平台需求能力和所述任务架构适变触发条件获取对应的平台任务能力切换规则,在所述平台任务能力适变约束条件下得到所述适变任务网络的适变平台任务数据;
根据所述适变任务网络、所述适变任务规划数据和所述适变平台任务数据,得到对应的适变任务方案包。
7.一种基于条件触发机制的无人机集群任务适变架构设计系统,其特征在于,所述系统包括:
任务变化数据获取模块,用于获取无人机集群的任务适变范围参数;任务变化数据包括任务网络适变范围参数、任务目标适变范围参数和平台任务能力适变范围参数;
任务架构适变规则获取模块,用于根据所述任务适变范围参数得到对应的任务架构适变触发条件,将所述任务架构适变触发条件映射到预设的任务架构适变规则;所述任务架构适变规则包括决策模式适变规则、任务规划适变规则和平台任务能力切换规则;
任务架构适变约束条件获取模块,用于根据所述任务适变范围参数得到对应的任务架构适变约束条件;所述任务架构适变约束条件包括决策模式约束条件、任务规划约束条件和平台任务能力适变约束条件;
任务方案动态适变模块,用于当所述无人机集群的任务数据符合所述任务架构适变触发条件时,根据所述任务架构适变约束条件、所述任务架构适变规则和所述无人机集群的任务数据,得到对应的适变任务方案包。
8.根据权利要求7所述的系统,其特征在于,所述任务方案动态适变模块用于:
获取预设的所述无人机集群的任务数据;所述任务数据包括任务网络数据、任务目标数据和平台任务需求数据;
当所述任务数据符合所述任务架构适变触发条件时:
根据所述任务网络数据和所述任务架构适变触发条件获取对应的决策模式适变规则,在所述决策模式约束条件下得到所述无人机集群的适变指控平台,基于所述适变指控平台建立无人机集群的适变任务网络;
根据所述任务目标数据和所述任务架构适变触发条件获取对应的任务规划适变规则,在所述任务规划约束条件下得到所述适变任务网络的适变任务规划数据;
根据所述平台需求能力和所述任务架构适变触发条件获取对应的平台任务能力切换规则,在所述平台任务能力适变约束条件下得到所述适变任务网络的适变平台任务数据;
根据所述适变任务网络、所述适变任务规划数据和所述适变平台任务数据,得到对应的适变任务方案包。
CN202110109513.6A 2021-01-25 2021-01-25 基于条件触发机制的无人机集群任务适变架构设计方法 Active CN112947545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110109513.6A CN112947545B (zh) 2021-01-25 2021-01-25 基于条件触发机制的无人机集群任务适变架构设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110109513.6A CN112947545B (zh) 2021-01-25 2021-01-25 基于条件触发机制的无人机集群任务适变架构设计方法

Publications (2)

Publication Number Publication Date
CN112947545A CN112947545A (zh) 2021-06-11
CN112947545B true CN112947545B (zh) 2022-10-21

Family

ID=76237655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110109513.6A Active CN112947545B (zh) 2021-01-25 2021-01-25 基于条件触发机制的无人机集群任务适变架构设计方法

Country Status (1)

Country Link
CN (1) CN112947545B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600147A (zh) * 2016-12-15 2017-04-26 合肥工业大学 面向可分解任务的多无人机任务分配方法和装置
CN109542115A (zh) * 2018-10-29 2019-03-29 中国航空无线电电子研究所 一种多无人机编队飞行避障控制策略制定方法
CN110852486A (zh) * 2019-10-16 2020-02-28 中国人民解放军国防科技大学 一种无人机集群自主协同的任务规划方法
CN111221352A (zh) * 2020-03-03 2020-06-02 中国科学院自动化研究所 基于多无人机协同博弈对抗的控制系统
CN111506115A (zh) * 2020-05-27 2020-08-07 广州机械科学研究院有限公司 一种无人机集群调控方法及装置
CN111638726A (zh) * 2020-05-27 2020-09-08 北京理工大学 基于事件触发通信的多无人机编队一致性控制方法
CN111844026A (zh) * 2020-07-02 2020-10-30 兰州大学 一种事件触发的多机器人分布式协同控制方法
CN111967741A (zh) * 2020-08-04 2020-11-20 中国人民解放军国防科技大学 一种基于ec2的无人化作战体系云流化指控架构设计方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600147A (zh) * 2016-12-15 2017-04-26 合肥工业大学 面向可分解任务的多无人机任务分配方法和装置
CN109542115A (zh) * 2018-10-29 2019-03-29 中国航空无线电电子研究所 一种多无人机编队飞行避障控制策略制定方法
CN110852486A (zh) * 2019-10-16 2020-02-28 中国人民解放军国防科技大学 一种无人机集群自主协同的任务规划方法
CN111221352A (zh) * 2020-03-03 2020-06-02 中国科学院自动化研究所 基于多无人机协同博弈对抗的控制系统
CN111506115A (zh) * 2020-05-27 2020-08-07 广州机械科学研究院有限公司 一种无人机集群调控方法及装置
CN111638726A (zh) * 2020-05-27 2020-09-08 北京理工大学 基于事件触发通信的多无人机编队一致性控制方法
CN111844026A (zh) * 2020-07-02 2020-10-30 兰州大学 一种事件触发的多机器人分布式协同控制方法
CN111967741A (zh) * 2020-08-04 2020-11-20 中国人民解放军国防科技大学 一种基于ec2的无人化作战体系云流化指控架构设计方法

Also Published As

Publication number Publication date
CN112947545A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
Seid et al. Collaborative computation offloading and resource allocation in multi-UAV-assisted IoT networks: A deep reinforcement learning approach
CN111080258B (zh) 一种基于角色状态机的群体无人系统协同任务管理子系统
EP2745431A1 (en) Adaptive communications network
CN113312172B (zh) 基于适变网络的多无人机集群动态任务调度模型
CN112422699B (zh) 一种基于动态调整的无人机集群行动方案生成方法
CN112230677B (zh) 无人机族群任务规划方法及终端设备
CN113645143B (zh) 一种空中集群通信网络的优化方法及装置
Plakunov et al. Data center resource mapping algorithm based on the ant colony optimization
CN113595619A (zh) 一种无人机群通联与覆盖组合优化方法
Fu et al. A two-layer task assignment algorithm for UAV swarm based on feature weight clustering
CN112947545B (zh) 基于条件触发机制的无人机集群任务适变架构设计方法
CN114371925A (zh) 一种保障边云负载比的边云协同多任务调度方法和系统
Hinchey et al. Modeling for NASA autonomous nano-technology swarm missions and model-driven autonomic computing
Zhu et al. Deep reinforcement learning for fairness in distributed robotic multi-type resource allocation
CN105204956A (zh) 一种实时动态重构管理方法
Adrian Sensor management
Zhao et al. Reliable dnn partitioning for uav swarm
CN110662272A (zh) 一种基于蜂群无人机的最少数量领航者选取方法
CN115657722A (zh) 一种基于事件触发脉冲控制的智能无人集群系统一致性编队控制方法
CN113050678A (zh) 基于人工智能的自主协同控制方法及系统
CN116909717B (zh) 一种任务调度方法
CN111782389A (zh) 机动边缘信息服务网络下的任务调度系统及方法
Sarma et al. A Dynamic Load Balancing Architecture for Fog Computing using Tree Base Resource Arrangement and Flexible Task Prioritization
Rosa et al. Self-Management of distributed systems using high-level Goal policies
CN114239275A (zh) 基于适变网络的无人机群多目标优化与多属性决策方法

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