CN113055851B - 基于位置与双关键节点的抗毁无人机群拓扑优化方法 - Google Patents
基于位置与双关键节点的抗毁无人机群拓扑优化方法 Download PDFInfo
- Publication number
- CN113055851B CN113055851B CN202110599909.3A CN202110599909A CN113055851B CN 113055851 B CN113055851 B CN 113055851B CN 202110599909 A CN202110599909 A CN 202110599909A CN 113055851 B CN113055851 B CN 113055851B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- key node
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
- H04L41/0663—Performing the actions predefined by failover planning, e.g. switching to standby network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/24—Reselection being triggered by specific parameters
- H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
- H04W36/305—Handover due to radio link failure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无人机集群通信技术领域,具体涉及基于位置与双关键节点的抗毁无人机群拓扑优化方法,本发明从集群组网通信性能方面进行优化,以低功耗、高健壮性、强抗毁性作为目标,采用区域优化、全网综合优化的方式对群拓扑进行优化处理,同时在常规一个关键节点基础上,通过配置副关键节点,采用主副备份机制,提升整个网络的综合性能;无人机节点通过感知、预测周围其他节点的位置轨迹,实时获取当前与下一时刻的群拓扑,通过双关键节点配置及自动切换算法,能显著提升网络抗毁性,使全网拓扑更稳定。
Description
技术领域
本发明涉及无人机集群通信技术领域,具体涉及基于位置与双关键节点的抗毁无人机群拓扑优化方法。
背景技术
在无人机集群网络中,多个无人机节点采用与集群任务相匹配的群拓扑结构,协同执行预定任务。群拓扑对任务执行成败起着重要作用。
无人机群拓扑直接影响整个集群网络的连通性、传输时延、健壮性等性能,从而影响任务执行结果,特别是在强拒止环境下,协同任务对集群网络抗毁性有更高的要求。传统的无人机群拓扑优化仅从飞机控制方面着手,控制无人机之间的间距、构型等,对集群网络抗毁性等整体性能提升尚没有达到理想的效果,还需进一步优化提升。
公告号为CN103268102B的专利文件,公开了一种任务、通信和拓扑交织的无人机集群协同控制方法,包括以下步骤:建立无人机的任务、通信和拓扑的关联函数;建立无人机的交互通信数目策略集、任务信息矩阵策略集和交互通信无人机之间的相对距离策略集,并确定赢得矩阵及相关约束;获取交互通信数目策略集、任务信息矩阵策略集和交互通信无人机之间的相对距离策略集中满足预设需求的无人机交互通信数目、任务信息传输量和无人机之间的相对距离;以及根据满足预设需求的无人机交互通信数目、任务信息传输量和无人机之间的相对距离对无人机集群进行控制。但该专利文件所公开的技术方案仍然无法对无人机之间的间距、构型等进行控制,对集群网络抗毁性的整体性能提升上没有起到更大的促进作用。
因此,现有的无人机集群通信方式还存在需要优化改进的空间,不仅整体集群的结构控制难以精确化和灵活化,在应对特殊情况的抗毁性能也难以满足需求,同时目前的无人机集群控制功耗高,降低了无人机集群的控制持续性和可靠性。这些都是亟待改进之处,应当对无人机集群通信方式进行优化,满足当下的无人机集群发展的抗毁需求,故需要提出更为合理的技术方案,解决现有技术中的不足。
发明内容
为了解决上述内容中提到的现有技术缺陷,本发明提供了基于位置与双关键节点的抗毁无人机群拓扑优化方法,通过设置主关键节点和副关键节点作为网络通信点,可在遇到干扰的情况下,可放弃主关键节点迅速切换到安全的副关键节点,该副关键节点也调整为新的主关键节点;同时为新的主关键节点配置新的副关键节点,在此逻辑下无人机集群的通信网络能够保持极高的健壮性和抗毁性,从而提高了无人机集群控制的灵活性和安全性。
为了实现上述目的,本发明在结构改进上具体采用的技术方案是:
基于位置与双关键节点的抗毁无人机群拓扑优化方法,包括:
获取无人机集群网络中每个节点的当前位置,以及每个节点下一时刻的位置轨迹,确定当前节点与周围节点之间的距离;
将无人机集群通信网络划分成若干连通区域,每个连通区域内包括若干节点,在每个连通区域内确定最小生成树并优化调节每个节点的发射功率;
从当前节点的周围节点中选取若干节点组成若干个主副双关键节点对,其中每个连通区域内至少包括一个主关键节点和一个副关键节点,主关键节点与副关键节点保持实时通信;
当主关键节点发生通信异常时,取消该主关键节点,将副关键节点切换为新的主关键节点,同时在连通区域内设定新的副关键节点。
上述公开的拓扑优化方法,以无人机作为拓扑网络的通信节点,将无人机群的通信网络划分为若干个相互通信的连通区域,每个连通区域内设置主关键节点以用于通信的主导节点,承担主要的通信收发任务,协调连通区域内的各个节点,在此过程中连通区域内的各个节点所需的发射功耗可降低从而达到节省能耗的目的,可提高无人机群的整体续航性能;同时每个连通区域内还配备有一个副关键节点,副关键节点作为通信的主关键节点的备用节点,当无人机通信网络出现异常,即主关键节点出现通信异常时,该副关键节点可切换成为主关键节点承担通信协调的任务,原异常主关键节点移交通信任务后切换至普通节点,如此可大大提高无人机群通信网络应对通信异常的情况,可大大提高无人机群通信网络的稳定可靠性,在遇到异常情况下也能保持良好的通信可靠性,提高了无人机群的安全性。
进一步的,所述的将无人机集群通信网络划分成若干连通区域,连通区域作为整体向临近的连通区域发送通信信息,可减少发射功耗,具体包括:
主关键节点采用基于跳数与距离判决的主动划区被动应答的连通区域划分算法,将主关键节点三跳以内的节点划在本连通区域内,针对同时划在两个相邻连通区域内的节点及三跳外节点,根据距离最近判决规则将其划分到距离最近的主关键节点所在连通区域。采用如此方案时,能够将主关键节点周围符合要求的节点划定至对应的连通区域内,保持每个节点仅与一个主关键节点进行连通通信,提高通信的效率,减少通信过程中的功耗。
进一步的,在进行连通区域的划分时,可按照多种规则进行,具体不唯一限定,此处进行优化并举出其中一种可行的选择,节点划分连通区域的步骤如下:
主关键节点先将本节点三跳以内的节点划在本连通区域内,发送连通区域节点维护表消息给各个三跳以内节点;
三跳以内节点如果收到多个主关键节点的消息,采用跳数与距离综合判决规则选择加入跳数少且距离近的主关键节点所在连通区域,并回复连通区域节点应答消息给每个主关键节点;
三跳外节点收到消息后,选择加入距离最近的主关键节点所在区域,并回复连通区域节点应答消息给每个主关键节点。
采用如此方案对节点进行划分时,可实现将节点划分至唯一指定的连通区域内。
再进一步,所述的从当前节点的周围节点中选取若干节点组成若干个主副双关键节点对,其中每个连通区域内至少包括一个主关键节点和一个副关键节点,在选择副关键节点时可采用多种可行的方案,并不唯一限定,此处进行优化并举出如下一种可行的选择,选择副关键节点时包括如下过程:
遍历连通区域内的每个节点,计算下一时刻本节点与两跳节点的距离平均值,以该节点为中心统计指定范围内的节点数量,同时统计本节点最远能到达的其他节点距离,将节点数量和最远距离综合取值且最大的节点设定为副关键节点。
再进一步,指定范围是指以本节点为圆心,以两跳节点的距离平均值为半径画圆所划定的范围。
进一步的,当主关键节点发生通信异常时,取消该主关键节点,将副关键节点切换为新的主关键节点,同时在连通区域内设定新的副关键节点;包括如下步骤:
副关键节点保持与主关键节点的实时信息交互,副关键节点如果在指定周期内未收到主关键节点的信息,同时也未收到其他节点转发的主关键节点的信息,则启动自动切换流程;
副关键节点切换为主关键节点后,在本网络分区内重新选取下一个副关键节点。
再进一步,重新选取下一个副关键节点的步骤包括:
以连通区域内的节点为中心统计指定范围内的节点数量和该节点最远能到达的其他节点距离,根据综合取值从大到小低节点进行排序,从综合取值最大的节点开始选取副关键点;
如果下原主关键节点综合取值最大且排序为一,则越过原主关键点并往后顺次选取副关键节点。
采用如此方案进行副关键节点的切换,可准确的重新选择合适的副关键节点,避免原异常的主关键节点再次成为副关键节点,进而减少了出现后续异常的可能。
进一步的,所述的在每个连通区域内确定最小生成树并优化调节每个节点的发射功率,包括:
以发射功耗、节点剩余能量为变量,对两个变量赋予相应权重后生成目标函数,通过优化遗传算法确定最小生成树。采用如此方法确定的最小生成树,既考虑了降低节点的发射功耗,也考虑了采用剩余能量多的节点,因此最小生成树种的主关键节点能够保持更持久稳定的通信。
进一步的,上述内容中提到了通过遗传算法进行最小生成树的建立,具体根据如下处理步骤生成最小生成树:
S01:初始化染色体,形成初始化种群;
S02:计算各染色体适应值;
S03:根据杂交、变异操作,选择生成新的种群;
S04:确定是否满足遗传代数,如果不满足,则转到S02,否则转到S05;
S05:解码染色体,输出结果。
再进一步,根据最小生成树构建整个无人机集群通信网络时,尽量减少不必要的通信链路,包括重复链路、低效链路以及错误链路等,具体可进行优化并举出如下一种可行的选择:连通区域对每个节点的最小生成树的对应连接关系取并集,并删除每个单向的连接链路,最小生成树内的所有链路均为双向链路后,将每个最小生成树进行叠加处理以构成优化后的无人机群拓扑结构。采用如此方案进行通信链路的优化时,可实现通信链路的精简优化,减少通信链路的复杂程度。
与现有技术相比,本发明具有的有益效果是:
本发明从集群组网通信性能方面进行优化,以低功耗、高健壮性、强抗毁性作为目标,采用区域优化、全网综合优化的方式对群拓扑进行优化处理,同时在常规一个关键节点基础上,通过配置副关键节点,采用主副备份机制,提升整个网络的综合性能;无人机节点通过感知、预测周围其他节点的位置轨迹,实时获取当前与下一时刻的群拓扑,通过双关键节点配置及自动切换算法,能显著提升网络抗毁性,使全网拓扑更稳定。
附图说明
图1为无人机群拓扑优化的整体示意图。
图2为在连通区域内设定新的副关键节点的流程示意图。
图3为重新选取下一个副关键节点的步骤示意图。
图4为通过遗传算法进行最小生成树的建立过程示意图。
图5为实施例中展示的一种小生成树对应的网络拓扑结构。
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐释。
在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
实施例
针对现有的无人机集群通信网络节点功耗难以精确控制、各节点功耗不均衡,且整体功耗偏高,以及通信网络抗毁性不高,遇到干扰或攻击后容易崩溃造成极大损失的情况,本实施例提出了一种无人机群拓扑优化方法以解决现有的技术问题。
具体的,如图1所示,本实施例所公开的方案如下:
基于位置与双关键节点的抗毁无人机群拓扑优化方法,包括:
获取无人机集群网络中每个节点的当前位置,以及每个节点下一时刻的位置轨迹,确定当前节点与周围节点之间的距离及拓扑;
将无人机集群通信网络划分成若干连通区域,每个连通区域内包括若干节点,在每个连通区域内确定最小生成树并优化调节每个节点的发射功率,优化调节方式为:每个节点根据最小生成树对应的网络拓扑结构,将当前较大的发射功率进行调整,将其减小到能与一跳内最远节点互通即可,从而减少节点功耗;具体例子如下:
在某个连通区域内,共有6个节点(节点1、2、3、4、5、6),确定最小生成树对应的网络拓扑结构如图5所示。
对于节点2来说,将当前较大的发射功率进行调整,将其减小到能与一跳内最远节点互通即可,即与节点1、节点3能互通即可。
对于节点3来说,将当前较大的发射功率进行调整,将其减小到能与一跳内最远节点互通即可,即与节点2、节点4、节点5能互通即可。
从当前节点的周围节点中选取若干节点组成若干个主副双关键节点对,其中每个连通区域内至少包括一个主关键节点和一个副关键节点,主关键节点与副关键节点保持实时通信;
当主关键节点发生通信异常时,取消该主关键节点,将副关键节点切换为新的主关键节点,同时在连通区域内设定新的副关键节点。
上述公开的拓扑优化方法,以无人机作为拓扑网络的通信节点,将无人机群的通信网络划分为若干个相互通信的连通区域,每个连通区域内设置主关键节点以用于通信的主导节点,承担主要的通信收发任务,协调连通区域内的各个节点,在此过程中连通区域内的各个节点所需的发射功耗可降低从而达到节省能耗的目的,可提高无人机群的整体续航性能;同时每个连通区域内还配备有一个副关键节点,副关键节点作为通信的主关键节点的备用节点,当无人机通信网络出现异常,即主关键节点出现通信异常时,该副关键节点可切换成为主关键节点承担通信协调的任务,原异常主关键节点移交通信任务后切换至普通节点,如此可大大提高无人机群通信网络应对通信异常的情况,可大大提高无人机群通信网络的稳定可靠性,在遇到异常情况下也能保持良好的通信可靠性,提高了无人机群的安全性。
本实施例中,所述的将无人机集群通信网络划分成若干连通区域,连通区域作为整体向临近的连通区域发送通信信息,可减少发射功耗,具体包括:
主关键节点采用基于跳数与距离判决的主动划区被动应答的连通区域划分算法,将主关键节点三跳以内的节点划在本连通区域内,针对同时划在两个相邻连通区域内的节点及三跳外节点,根据距离最近判决规则将其划分到距离最近的主关键节点所在连通区域。采用如此方案时,能够将主关键节点周围符合要求的节点划定至对应的连通区域内,保持每个节点仅与一个主关键节点进行连通通信,提高通信的效率,减少通信过程中的功耗。
在进行连通区域的划分时,可按照多种规则进行,具体不唯一限定,本实施例进行优化并举出其中一种可行的选择,节点划分连通区域的步骤如下:
主关键节点先将本节点三跳以内的节点划在本连通区域内,发送连通区域节点维护表消息给各个三跳以内节点;
三跳以内节点如果收到多个主关键节点的消息,采用跳数与距离综合判决规则选择加入跳数少且距离近的主关键节点所在连通区域,并回复连通区域节点应答消息给每个主关键节点;
三跳外节点收到消息后,选择加入距离最近的主关键节点所在区域,并回复连通区域节点应答消息给每个主关键节点。
采用如此方案对节点进行划分时,可实现将节点划分至唯一指定的连通区域内。
所述的从当前节点的周围节点中选取若干节点组成若干个主副双关键节点对,其中每个连通区域内至少包括一个主关键节点和一个副关键节点,在选择副关键节点时可采用多种可行的方案,并不唯一限定,本实施例进行优化并采用如下一种可行的选择,选择副关键节点时包括如下过程:
遍历连通区域内的每个节点,计算下一时刻本节点与两跳节点的距离平均值,以该节点为中心统计指定范围内的节点数量,同时统计本节点最远能到达的其他节点距离,将节点数量和最远距离综合取值且最大的节点设定为副关键节点。
本实施例中,指定范围是指以本节点为圆心,以两跳节点的距离平均值为半径画圆所划定的范围。
当主关键节点发生通信异常时,取消该主关键节点,将副关键节点切换为新的主关键节点,同时在连通区域内设定新的副关键节点;如图2所示,包括如下步骤:
S01:副关键节点保持与主关键节点的实时信息交互,副关键节点如果在指定周期内(周期范围为3~5秒,可配置,步进为1秒,典型值为3秒)未收到主关键节点的信息(含本节点地址、发送时间、生存周期TTL阈值、本机位置、速度、加速度、姿态、剩余能量等),同时也未收到其他节点转发的主关键节点的信息,则启动自动切换流程,流程为:当副关键节点在指定周期内未收到主关键节点的信息时,主动将自身网络角色升级为主关键节点,并向周围其他节点发送主/副关键节点切换消息(含本节点地址、发送时间、切换状态、生存周期TTL阈值等),其他节点收到消息后更新本地关键节点信息表,将主关键节点进行更新替换;具体例子如下:
假设主关键节点为节点1,副关键节点为节点2,如果节点2在3秒内未收到节点1发送的网络维护消息,同时也未收到周围其他节点转发的节点1的网络维护消息,则主动将本节点升级为主关键节点,并生成主/副关键节点切换消息,消息要素填写如下:
本节点地址:节点2;
发送时间:当前网络时间(比如2021年3月20日16:00);
切换状态:副关键节点切换为主关键节点;
生成周期TTL阈值:10;
节点2将该主/副关键节点切换消息广播发送给周围其他节点,其他节点收到该消息后,将存储在本地的关键节点信息表进行更新,将主关键节点地址由之前的节点1更新替换为节点2,从而完成本连通区域的主/副关键节点自动切换处理。
S02:副关键节点切换为主关键节点后,在本网络分区内重新选取下一个副关键节点。
优选的,如图3所示,重新选取下一个副关键节点的步骤包括:
S01:以连通区域内的节点为中心统计指定范围内的节点数量和该节点最远能到达的其他节点距离,根据综合取值从大到小低节点进行排序,从综合取值最大的节点开始选取副关键点;
S02:如果下原主关键节点综合取值最大且排序为一,则越过原主关键点并往后顺次选取副关键节点。
采用如此方案进行副关键节点的切换,可准确的重新选择合适的副关键节点,避免原异常的主关键节点再次成为副关键节点,进而减少了出现后续异常的可能。
优选的,所述的在每个连通区域内确定最小生成树并优化调节每个节点的发射功率,包括:
以发射功耗、节点剩余能量为变量,对两个变量赋予相应权重(发射功耗权重为0.63~0.77,节点剩余能量权重为0.23~0.37)后生成目标函数,通过优化遗传算法确定最小生成树。采用如此方法确定的最小生成树,既考虑了降低节点的发射功耗,也考虑了采用剩余能量多的节点,因此最小生成树种的主关键节点能够保持更持久稳定的通信。
优选的,上述内容中提到了通过遗传算法进行最小生成树的建立,具体根据如下处理步骤生成最小生成树,如图4所示:
S01:初始化染色体,形成初始化种群;
S02:计算各染色体适应值(适应值即为以发射功耗、节点剩余能量为变量的目标函数的值,根据初始化染色体得到);
S03:根据杂交、变异操作,选择生成新的种群;
S04:确定是否满足遗传代数,如果不满足,则转到S02,否则转到S05;
S05:解码染色体,输出结果。
根据最小生成树构建整个无人机集群通信网络时,尽量减少不必要的通信链路,包括重复链路、低效链路以及错误链路等,具体可进行优化并举出如下一种可行的选择:连通区域对每个节点的最小生成树的对应连接关系取并集,并删除每个单向的连接链路,最小生成树内的所有链路均为双向链路后,即完成了最小生成树的叠加处理,以构成优化后的无人机群拓扑结构。采用如此方案进行通信链路的优化时,可实现通信链路的精简优化,减少通信链路的复杂程度。
以上即为本实施例列举的实施方式,但本实施例不局限于上述可选的实施方式,本领域技术人员可根据上述方式相互任意组合得到其他多种实施方式,任何人在本实施例的启示下都可得出其他各种形式的实施方式。上述具体实施方式不应理解成对本实施例的保护范围的限制,本实施例的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (8)
1.基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于,包括:
获取无人机集群网络中每个节点的当前位置,以及每个节点下一时刻的位置轨迹,确定当前节点与周围节点之间的距离;
将无人机集群通信网络划分成若干连通区域,具体包括:
主关键节点采用基于跳数与距离判决的主动划区被动应答的连通区域划分算法,将主关键节点三跳以内的节点划在本连通区域内,针对同时划在两个相邻连通区域内的节点及三跳外节点,根据距离最近判决规则将其划分到距离最近的主关键节点所在连通区域;
每个连通区域内包括若干节点,在每个连通区域内确定最小生成树并优化调节每个节点的发射功率;
从当前节点的周围节点中选取若干节点组成若干个主副双关键节点对,其中每个连通区域内至少包括一个主关键节点和一个副关键节点,主关键节点与副关键节点保持实时通信;在选择副关键节点时,包括如下过程:
遍历连通区域内的每个节点,计算下一时刻本节点与两跳节点的距离平均值,以该节点为中心统计指定范围内的节点数量,同时统计本节点最远能到达的其他节点距离,将节点数量和最远距离综合取值且最大的节点设定为副关键节点;
当主关键节点发生通信异常时,取消该主关键节点,将副关键节点切换为新的主关键节点,同时在连通区域内设定新的副关键节点。
2.根据权利要求1所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于,将无人机集群通信网络划分成若干连通区域的步骤如下:
主关键节点先将本节点三跳以内的节点划在本连通区域内,发送连通区域节点维护表消息给各个三跳以内节点;
三跳以内节点如果收到多个主关键节点的消息,采用跳数与距离综合判决规则选择加入跳数少且距离近的主关键节点所在连通区域,并回复连通区域节点应答消息给每个主关键节点;
三跳外节点收到消息后,选择加入距离最近的主关键节点所在区域,并回复连通区域节点应答消息给每个主关键节点。
3.根据权利要求1所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于:指定范围是指以本节点为圆心,以两跳节点的距离平均值为半径画圆所划定的范围。
4.根据权利要求1或3所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于,当主关键节点发生通信异常时,取消该主关键节点,将副关键节点切换为新的主关键节点,同时在连通区域内设定新的副关键节点;包括如下步骤:
副关键节点保持与主关键节点的实时信息交互,副关键节点如果在指定周期内未收到主关键节点的信息,同时也未收到其他节点转发的主关键节点的信息,则启动自动切换流程;
副关键节点切换为主关键节点后,在本网络分区内重新选取下一个副关键节点。
5.根据权利要求4所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于,在本网络分区内重新选取下一个副关键节点的步骤包括:
以连通区域内的节点为中心统计指定范围内的节点数量和该节点最远能到达的其他节点距离,根据综合取值从大到小低节点进行排序,从综合取值最大的节点开始选取副关键点;
如果下原主关键节点综合取值最大且排序为一,则越过原主关键点并往后顺次选取副关键节点。
6.根据权利要求1所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于,所述的在每个连通区域内确定最小生成树并优化调节每个节点的发射功率,包括:
以发射功耗、节点剩余能量为变量,对两个变量赋予相应权重后生成目标函数,通过优化遗传算法确定最小生成树。
7.根据权利要求6所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于,具体根据如下处理步骤生成最小生成树:
S01:初始化染色体,形成初始化种群;
S02:计算各染色体适应值;
S03:根据杂交、变异操作,选择生成新的种群;
S04:确定是否满足遗传代数,如果不满足,则转到S02,否则转到S05;
S05:解码染色体,输出结果。
8.根据权利要求1、6或7任一项所述的基于位置与双关键节点的抗毁无人机群拓扑优化方法,其特征在于:对每个节点的最小生成树的对应连接关系取并集,并删除每个单向的连接链路,最小生成树内的所有链路均为双向链路后,将每个最小生成树进行叠加处理以构成优化后的无人机群拓扑结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599909.3A CN113055851B (zh) | 2021-05-31 | 2021-05-31 | 基于位置与双关键节点的抗毁无人机群拓扑优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599909.3A CN113055851B (zh) | 2021-05-31 | 2021-05-31 | 基于位置与双关键节点的抗毁无人机群拓扑优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113055851A CN113055851A (zh) | 2021-06-29 |
CN113055851B true CN113055851B (zh) | 2021-08-17 |
Family
ID=76518551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110599909.3A Active CN113055851B (zh) | 2021-05-31 | 2021-05-31 | 基于位置与双关键节点的抗毁无人机群拓扑优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113055851B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645143B (zh) * | 2021-08-06 | 2023-11-21 | 浙江大学 | 一种空中集群通信网络的优化方法及装置 |
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 |
CN116437371B (zh) * | 2023-06-13 | 2023-08-29 | 四川腾盾科技有限公司 | 基于多模态通信模式冗余抗毁低截获群协同拓扑优化方法 |
CN117555350B (zh) * | 2024-01-12 | 2024-04-05 | 沈阳赫霆科技有限公司 | 一种无人机集群监控方法及相关设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103228023A (zh) * | 2013-04-25 | 2013-07-31 | 青岛农业大学 | 基于粒子群蚁群优化的无线传感器网络分簇路由方法 |
CN103957544A (zh) * | 2014-04-22 | 2014-07-30 | 电子科技大学 | 一种提高无线传感器网络抗毁性的方法 |
CN106054875A (zh) * | 2016-05-25 | 2016-10-26 | 北京航空航天大学 | 一种分布式多机器人动态网络连通性控制方法 |
CN107343283A (zh) * | 2017-06-02 | 2017-11-10 | 电子科技大学 | 一种基于遗传算法的三维静态无线传感网络部署方法 |
CN108366093A (zh) * | 2018-01-16 | 2018-08-03 | 北京邮电大学 | 一种基于“虚拟中心”和“移动代理”的分布式无线自组网 |
CN110944342A (zh) * | 2019-10-24 | 2020-03-31 | 江西理工大学 | 无线传感器网络部署优化方法、装置、系统及存储介质 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN112099530A (zh) * | 2020-09-23 | 2020-12-18 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种抗毁伤的集群无人机中心机动态确定方法 |
CN112532294A (zh) * | 2020-11-06 | 2021-03-19 | 西安电子科技大学 | 溯源补偿健壮拓扑控制方法、系统、介质、设备及终端 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7792137B2 (en) * | 2006-07-05 | 2010-09-07 | Abidanet, Llc | Self-organized and self-managed ad hoc communications network |
EP2903347A1 (en) * | 2012-09-27 | 2015-08-05 | NEC Corporation | Network, network node, distribution method, and network node program |
US20140199963A1 (en) * | 2013-01-16 | 2014-07-17 | Behzad Mohebbi | Methods and apparatus for a network-agnostic wireless router |
-
2021
- 2021-05-31 CN CN202110599909.3A patent/CN113055851B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103228023A (zh) * | 2013-04-25 | 2013-07-31 | 青岛农业大学 | 基于粒子群蚁群优化的无线传感器网络分簇路由方法 |
CN103957544A (zh) * | 2014-04-22 | 2014-07-30 | 电子科技大学 | 一种提高无线传感器网络抗毁性的方法 |
CN106054875A (zh) * | 2016-05-25 | 2016-10-26 | 北京航空航天大学 | 一种分布式多机器人动态网络连通性控制方法 |
CN107343283A (zh) * | 2017-06-02 | 2017-11-10 | 电子科技大学 | 一种基于遗传算法的三维静态无线传感网络部署方法 |
CN108366093A (zh) * | 2018-01-16 | 2018-08-03 | 北京邮电大学 | 一种基于“虚拟中心”和“移动代理”的分布式无线自组网 |
CN110944342A (zh) * | 2019-10-24 | 2020-03-31 | 江西理工大学 | 无线传感器网络部署优化方法、装置、系统及存储介质 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN112099530A (zh) * | 2020-09-23 | 2020-12-18 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种抗毁伤的集群无人机中心机动态确定方法 |
CN112532294A (zh) * | 2020-11-06 | 2021-03-19 | 西安电子科技大学 | 溯源补偿健壮拓扑控制方法、系统、介质、设备及终端 |
Non-Patent Citations (7)
Title |
---|
"一种新的无线传感器网络非均匀分簇双簇头算法——PUDCH算法";戴志强; 严承; 武正江;《传感技术学报》;20161215;全文 * |
"用基于多目标决策的遗传算法解网络拓扑结构设计问题";曾勇; 王宇平;《计算机工程与应用》;20030301;全文 * |
Invulnerability of Clustering Wireless Sensor Networks Against Cascading Failures;Xiuwen Fu; Yongsheng Yang; Octavian Postolache;《 IEEE Systems Journal》;20180705;全文 * |
Robust control design for the airspeed of UAV;R.M. Farhadi; B. I. Kortunov; A. Mohammadi;《 2015 IEEE International Conference Actual Problems of Unmanned Aerial Vehicles Developments (APUAVD)》;20151207;全文 * |
Robust coordinated motion planning for UGV/UAV agents in disturbed environment;Abdelmoumen Ferrag; Abdelatif Oussar; Mohamed Guiatni;《 2016 8th International Conference on Modelling, Identification and Control (ICMIC)》;20170101;全文 * |
基于能量加权的无线传感器网络拓扑抗毁算法;刘玉伟; 陈雯柏; 马航; 兰少峰; 吴昊;《兵器装备工程学报》;20191125;全文 * |
无线传感器网络抗毁性;李文锋; 符修文;《计算机学报》;20141018;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113055851A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113055851B (zh) | 基于位置与双关键节点的抗毁无人机群拓扑优化方法 | |
CN113260012B (zh) | 一种基于位置轨迹预测的无人机群拓扑控制方法 | |
CN102036308B (zh) | 一种能量均衡的无线传感器网络分簇方法 | |
US6493759B1 (en) | Cluster head resignation to improve routing in mobile communication systems | |
CN100499541C (zh) | Manet多播路由协议自组织网络中产生和更新层次树的方法 | |
CN111698705B (zh) | 一种基于能量优化的无线传感器网络非均匀分簇路由方法 | |
CN111818553B (zh) | 基于模糊逻辑的无线传感器网络改进多跳leach协议的数据传输方法 | |
CN113923155B (zh) | 一种基于最短路径算法的联盟链通信方法及系统 | |
CN113867382B (zh) | 一种无人机集群网络的拓扑控制方法 | |
CN114124792B (zh) | 混合双模异构配电场域网多径并发传输动态决策方法及装置 | |
CN112804726A (zh) | 一种基于地理位置的多智能体强化学习路由算法 | |
CN110446184A (zh) | 一种多模式切换的车联网路由方法 | |
CN111836327A (zh) | 一种水下传感器网络路由数据传输方法及水下传感器网络 | |
US20050254473A1 (en) | Routing within a mobile communication network | |
CN114641049A (zh) | 一种基于模糊逻辑的无人机自组网分层路由方法 | |
CN116137609B (zh) | 意图驱动的跨域数据链网络分级路由方法 | |
CN110519820A (zh) | 一种应用在集群无人机通信中的路由方法 | |
CN111371572B (zh) | 一种网络节点的选举方法及节点设备 | |
CN115190559B (zh) | 面向多场景的物联网设备的组网和控制方法 | |
CN113347677B (zh) | 一种基于粒子群算法的多节点通信方法 | |
CN118175082B (zh) | 一种基于状态图模型的网络分簇式路由快速收敛方法 | |
CN113316216B (zh) | 一种用于微纳卫星网络的路由方法 | |
CN115361721B (zh) | 基于iftopsis的分布式无人机多径路由编队方法 | |
CN113938975B (zh) | 一种基于竞争窗口蚁群分簇的移动传感网路由优化方法 | |
CN115499271B (zh) | 一种混合网络拓扑结构及其路由方法 |
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 |