CN113111440B - 基于逻辑关系的集群无人机任务模型构建方法 - Google Patents

基于逻辑关系的集群无人机任务模型构建方法 Download PDF

Info

Publication number
CN113111440B
CN113111440B CN202110452426.0A CN202110452426A CN113111440B CN 113111440 B CN113111440 B CN 113111440B CN 202110452426 A CN202110452426 A CN 202110452426A CN 113111440 B CN113111440 B CN 113111440B
Authority
CN
China
Prior art keywords
task
tasks
unmanned aerial
aerial vehicle
cluster
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
CN202110452426.0A
Other languages
English (en)
Other versions
CN113111440A (zh
Inventor
聂成龙
徐英
于永利
董海瑞
张华鑫
张玉泉
董岳
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.)
Hebei Huajiasheng Technology Co ltd
Hebei Jiaotong Vocational and Technical College
Original Assignee
Hebei Huajiasheng Technology Co ltd
Hebei Jiaotong Vocational and Technical College
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 Hebei Huajiasheng Technology Co ltd, Hebei Jiaotong Vocational and Technical College filed Critical Hebei Huajiasheng Technology Co ltd
Priority to CN202110452426.0A priority Critical patent/CN113111440B/zh
Publication of CN113111440A publication Critical patent/CN113111440A/zh
Application granted granted Critical
Publication of CN113111440B publication Critical patent/CN113111440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/08Probabilistic or stochastic CAD

Abstract

本发明公开了一种基于逻辑关系的集群无人机任务模型构建方法,包括以下步骤:S1、建模分析:逻辑关系分析,确定上下层阶段任务之间的逻辑关系;S2、确定建模语言;S3、任务分解;S4、绘制每个下层的阶段任务节点;S5、绘制逻辑关系符号;S6、检验模型,构建任务逻辑关系模型;S7、基于步骤S6中各层阶段任务之间的逻辑关系,建立任务参数模型。本发明通过构建任务逻辑关系模型对上层阶段任务与下层阶段任务之间逻辑关系的规范化描述,能够反映下层阶段任务是如何影响上层阶段任务的;并且基于逻辑关系构建的任务参数模型能够准确反映阶段任务下体系某一层与其下属层次时间、任务量、任务完成概率之间的定量关系。

Description

基于逻辑关系的集群无人机任务模型构建方法
技术领域
本发明涉及无人机技术领域,更具体涉及一种基于逻辑关系的集群无人机任务模型构建方法。
背景技术
无人机也称无人航空器,是将无人机飞行器、机载传感器、机载任务设备、指挥控制系统、通信系统、测控系统、综合保障系统等整合为一体的无人机系统。无人机集群由具备有限自主能力的多个无人机组成,它们通过自组织机制,在没有集中指挥控制的情况下,通过相互间通信产生整体效应,实现较高程度的自主协作,从而能在尽量少的人员干预下完成预期的任务目标。无人机集群不仅在军事方面用途广泛,而且在物流、农业、应急救援、遥感与对地观测、管道巡检等民用领域崭露头角。
比如,在国土资源监测中,无人机集群以协同模式同时对区域进行监控,可以很大程度上实现区域的同步监控,增加有效覆盖面积,节约执行任务时间。
军事领域可广泛应用于广域搜索侦查监视、边境巡逻搜救、城市反恐维稳等领域,并可衍生新的作战模式,提升体系作战效能。无人机集群因其典型优势,有望在未来战场的协同探测、协同攻击、干扰压制等各方面发挥巨大作用,成为一支不可忽视的新质力量。
无人机侦察任务集群,目的是在战斗前期实时将战场数据传回地面控制站。无人机集群系统包含多个飞行器分系统(无人机)及与其配套的控制站、数据通讯链路、GPS装置、起飞(发射)回收装置和检测装置等组成。任务可分为五个阶段:起飞阶段、巡航阶段、任务阶段、返航阶段、着陆阶段。但是,目前并没有专门的模型上层阶段任务与下层阶段任务之间的关系和上下层阶段任务各种参数进行描述分析,无法反映阶段任务下体系某一层与其下属层次任务量之间的定量关系,无法为无人机体系可靠性研究提供规范的任务信息。
发明内容
本发明需要解决的技术问题是提供一种基于逻辑关系的集群无人机任务模型构建方法,以解决无法反映阶段任务下体系某一层与其下属层次任务量之间的定量关系及无法为无人机体系可靠性研究提供规范的任务信息的问题。
为解决上述技术问题,本发明所采取的技术方案如下。
基于逻辑关系的集群无人机任务模型构建方法,包括以下步骤:
S1、建模分析:逻辑关系分析,确定上下层阶段任务之间的逻辑关系;
S2、确定建模语言:确定所需的描述元素和使用规则;
S3、任务分解:确保所有下层阶段任务或阶段任务序列的开始时间、结束时间与上层阶段任务的开始、结束时间一致;
S4、绘制每个下层的阶段任务节点,形成下层的阶段任务序列;
S5、绘制逻辑关系符号:分析上层的阶段任务与各所属下层阶段任务序列之间的逻辑关系,将各下属层次的阶段任务序列用逻辑关系连接线和逻辑关系节点组织连接起来;
S6、检验模型,对模型的合法性和有效性进行检查和验证,构建任务逻辑关系模型;
S7、基于步骤S6中各层阶段任务之间的逻辑关系,建立任务参数模型。
进一步优化技术方案,所述步骤S1中,逻辑关系包括:
与:若上层任务可分成n个下层任务,当且仅当所有下层任务都成功时上层任务才成功,或只要一个下层任务失败则上层任务失败,这时上层任务与n个下层任务构成与关系:
或:若上层任务可分成n个下层任务,只要有一个下层任务成功上层任务就成功,当且仅当所有下层任务都失败时上层任务才失败,这时上层任务与n个下层任务构成或关系;
表决:若上层任务可分成n个下层任务,只要有k个或k个以上下层任务成功,则上层任务成功,这时上层任务与n个下层任务构成表决关系;以及
冷储备:若上层任务可分成n个下层任务,n个下层任务按照序号依次执行,第1个下层任务执行时,其他下层任务不执行作为冷贮备,当第1个下层任务失败时,贮备的任务逐个去顶替它,直到n个下层任务全部失败,则上层任务失败;这时上层任务与n个下层任务构成冷贮备关系。
进一步优化技术方案,所述步骤S7中,任务参数模型包括任务时间参数模型、任务量参数模型、任务完成概率模型。
进一步优化技术方案,基于逻辑关系的任务时间模型为:
ts=tis,te=tie(i=1,…,n)
式中,n表示体系下属集群或无人机系统的数量,ts和te(ts<te)分别为体系阶段任务的开始和结束时间,tis和tie(tis<tie)分别为第i个下属集群或无人机系统阶段任务或阶段任务序列的开始和结束时间。
进一步优化技术方案,设体系某集群下辖n个无人机系统,该集群阶段任务任务量为tW,第i个下属无人机系统阶段任务的任务量为ti,i=1,…,n,分别针对各种基本逻辑关系建立任务量模型;
当n个下属无人机系统与该集群任务之间的逻辑关系为与,下属无人机系统与集群任务任务量之间的关系为:
t1+t2+…+tn=tW
当n个无人机系统与该集群任务之间的逻辑关系为或,总任务量为tW时,至少有一个无人机系统的任务量为tW,即:
ti=tW(i∈I,I是{1~n}的非空子集);
当n个无人机系统与该集群任务之间的逻辑关系为表决关系,如果下属的n个无人机系统任务的成功数量为s(k≤s≤n),则使集群任务成功的下属无人机系统任务组合为xsj={xsj1,xsj2,…,xsjn},j=1,2,…,ms
Figure GDA0003799258750000031
个,xsji表示xsj组合下第i个无人机系统的任务完成情况,xsji=1表示任务成功,xsji=0表示任务失败;此时,集群任务量与下属无人机系统任务量之间的关系为:
Figure GDA0003799258750000041
(当s=k时,等号成立);
当n个无人机系统与集群任务之间的逻辑关系为冷储备,下属无人机系统的任务量与集群任务量tW的关系为:
tj<tW,ti=tW,tk=0(1≤j<i<k≤n)。
进一步优化技术方案,设集群隶属n个无人机系统,由于集群的阶段任务通常与下属无人机系统的阶段任务相对应,因此集群阶段任务的任务完成概率为:
PMC=fr(PMC(1),PMC(2),…,PMC(n))
式中,PMC(i)表示第i个无人机系统任务或阶段任务的任务完成概率,fr表示集群任务与n个无人机系统任务之间的逻辑关系函数;
与关系下所有无人机系统任务成功,集群的任务才成功,此时集群的任务完成概率为:
Figure GDA0003799258750000042
或关系下只要有一个无人机系统任务成功,集群的任务就成功,此时集群的任务完成概率为:
Figure GDA0003799258750000043
表决关系下只要有k个或k个以上无人机系统任务成功,集群的任务就成功,如果n个无人机系统任务的成功数量为s(k≤s≤n),则此时可以使集群的任务成功的无人机系统任务组合为xsj={xsj1,xsj2,…,xsjn},上述j=1,2,…,ms
Figure GDA0003799258750000044
xsji表示xsj组合下第i个无人机系统的任务完成情况,xsji=1表示任务成功,xsji=0表示任务失败;此时,集群阶段任务的任务完成概率为:
Figure GDA0003799258750000045
冷储备关系下,只要有一个无人机系统任务成功,集群任务就成功,此时集群任务的任务完成概率为:
Figure GDA0003799258750000051
进一步优化技术方案,表决关系下,如果每个无人机系统的任务完成概率都一样,即PMC(i)=P,则
Figure GDA0003799258750000052
进一步优化技术方案,所述步骤S2中,描述元素包括:
节点,节点包括逻辑关系节点和阶段任务节点;以及
连接线,连接线包括时序连接线和逻辑连接线。
进一步优化技术方案,所述使用规则包括语法规则和结构规则;
所述需要遵循的语法规则为:
逻辑关系节点要成对出现;
逻辑关系节点能够嵌套使用,用来表示多个逻辑关系组合之间的逻辑关系;
在建立任务逻辑关系模型时,逻辑关系节点不能将任务过程割断;
所述结构规则为:
任务逻辑关系模型中不能存在孤立的描述元素;
任务逻辑关系模型中,如果上层阶段任务包括多个下层阶段任务,则描述这些阶段任务时需要遵循时序建模的规则。
由于采用了以上技术方案,本发明所取得技术进步如下。
本发明通过构建任务逻辑关系模型对上层阶段任务与下层阶段任务(或序列)之间逻辑关系的规范化描述,能够反映下层阶段任务是如何影响上层阶段任务的;并且基于逻辑关系构建的任务时间模型、任务量参数模型、任务完成概率模型能够准确反映阶段任务下体系某一层与其下属层次时间、任务量、任务完成概率之间的定量关系,实现维修任务量模型构建,为无人机体系可靠性研究提供规范的任务信息。
附图说明
图1为本发明任务系统概念模型图;
图2为本发明任务参数模型图;
图3为本发明逻辑关系组合示例图;
图4为本发明逻辑关系描述的错误示例图;
图5为本发明逻辑关系化简的示例图;
图6为本发明下层的任务分解图。
具体实施方式
下面将结合附图和具体实施例对本发明进行进一步详细说明。
无人机任务系统概念建模是运用图形、文字、表格等标准化、规范化的语言对使用任务进行概念抽象与直观描述,包括对阶段任务、阶段任务之间的关系和阶段任务各种参数的描述。
从建模需求可以看出,任务系统概念模型的描述对象是任务系统层次结构、各层阶段任务、阶段任务之间的邻接关系以及相邻层次阶段之间的逻辑关系。单靠一种模型不能满足上述需求,需要一组模型从不同侧面对任务描述,每种模型从单个侧面来描述任务系统的特性,不同的模型之间相互补充,按照一定的约束和连接关系集成在一起,共同完成对任务系统的描述。针对建模需求,主要建立层次结构模型、时序模型和逻辑关系模型3类模型,结合图1所示。
任务层次结构模型是对各层任务及其隶属关系的规范化描述,用于反映任务系统的层次结构。
任务时序模型是对阶段任务、阶段任务要求、阶段任务邻接关系的规范化描述,用于描述阶段任务之间的邻接关系和阶段的参数。
任务逻辑关系模型是对上层阶段任务与下层阶段任务(或序列)之间逻辑关系的规范化描述,用于反映下层阶段任务是如何影响上层阶段任务的。
本发明为针对逻辑关系模型构建的方法,一种基于逻辑关系的集群无人机任务模型构建方法,包括以下步骤:
S1、建模分析:逻辑关系分析,确定上下层阶段任务之间的逻辑关系。
任务逻辑关系模型是对上下层阶段任务之间逻辑关系的规范化描述,需要满足以下需求。
1)任务逻辑关系模型要能够表述各种逻辑关系
逻辑关系是体系的较上层次阶段任务成败与其对应的各下层次装备阶段任务成败之间的关系,主要有与、或、表决、冷储备4种。
与:若上层任务可分成n个下层任务,当且仅当所有下层任务都成功时上层任务才成功,或只要一个下层任务失败则上层任务失败,这时上层任务与n个下层任务构成与关系。
或:若上层任务可分成n个下层任务,只要有一个下层任务成功上层任务就成功,当且仅当所有下层任务都失败时上层任务才失败,这时上层任务与n个下层任务构成或关系。
表决:若上层任务可分成n个下层任务,只要有k个或k个以上下层任务成功,则上层任务成功,这时上层任务与n个下层任务构成表决关系,也称k/n关系。
冷储备:若上层任务可分成n个下层任务,n个下层任务按照序号依次执行,第1个下层任务执行时,其他下层任务不执行作为冷贮备,当第1个下层任务失败时,贮备的任务逐个去顶替它,直到n个下层任务全部失败,则上层任务失败;这时上层任务与n个下层任务构成冷贮备关系。
由于关系具有传递性,上述4种基本的逻辑关系,可以组合形成各种各样的新关系。
2)在任务执行过程中,体系相邻层次之间逻辑关系随着阶段任务的变化而变化,因此任务时序模型中的每个阶段任务都要有与其对应的逻辑关系模型。平台层的无人机系统从装备保障分析的角度来看是不可再分割的整体,直接反映了装备综合运用情况,因此其任务时序模型中的阶段任务就没有相对应的逻辑关系模型。
3)任务逻辑关系模型反映的是在体系的阶段任务期间,下层的阶段任务如何影响上层阶段任务的,因此逻辑关系模型要把阶段任务期间内每个下层任务过程给描述出来。
S2、确定建模语言:确定所需的描述元素和使用规则。
步骤S2中,描述元素包括:节点和连接线。
节点包括逻辑关系节点和阶段任务节点。
逻辑关系节点分为与、或、表决、冷储备四种,各种类型的逻辑关系节点又分为源节点和汇节点,其表示方法见下表。
Figure GDA0003799258750000081
阶段任务节点:阶段任务节点表示的一个阶段任务,与时序模型中阶段任务节点的表示方法一样。
连接线,连接线包括时序连接线和逻辑连接线。
时序连接线反映了阶段任务的转移和推进,用带单箭头的线段或折线段。
逻辑连接线是连接阶段任务节点与逻辑节点之间的直线段或折线段。
使用规则包括语法规则和结构规则。
上述描述元素的功能各异,需要配合使用才能组成任务逻辑关系模型,在使用时需要遵循语法规则。需要遵循的语法规则为:
1)逻辑关系节点要成对出现。由一对逻辑关系节点、阶段任务序列按照图2所示的方式排列而成组合称为任务逻辑关系组合。在任务逻辑关系组合内阶段任务节点之间用时序连接线连接,阶段任务节点与交汇点之间用逻辑连接线连接。
2)逻辑关系节点可以嵌套使用,用来表示多个逻辑关系组合之间的逻辑关系,如图3所示,逻辑关系节点之间用逻辑连接线连接。
3)在建立任务逻辑关系模型时,逻辑关系节点不能将任务过程割断,如图4所示。这是因为逻辑关系模型反映的是上层阶段任务结束时刻与各下层阶段任务(或阶段任务序列)之间的逻辑关系。
结构规则为:
任务逻辑关系模型中不能存在孤立的节点、连接线等描述元素。
任务逻辑关系模型中,如果上层阶段任务包括多个下层阶段任务,则描述这些阶段任务时需要遵循时序建模的规则。
模型的化简规则:
逻辑关系节点的组合使用会使逻辑关系模型本身变得复杂,导致模型可读性变差,必要时需要对其进行化简。逻辑关系化简主要针对同种逻辑关系节点的组合进行化简,见图5:
若当前节点是源节点,且其前驱节点也是同种类型的源节点,则用时序连接线将当前节点的前驱节点与后继节点相连,并删除当前节点和多余时序连接线。
若当前节点是汇节点,且其后继节点也是同种类型的汇节点,则用时序连接线将当前节点的前驱节点与与后继节点相连,并删除当前节点和多余时序连接线。
针对不同类型的逻辑关系节点化简时,需要视情而定,如果化简后使模型的易读性变差,则不必进行化简。
S3、任务分解:
体系层阶段任务对集群层来说是一个复杂的任务,集群层阶段任务对所属平台层来说是一个复杂的任务,分解下层的阶段任务时除了要遵循阶段任务的界定标准,还要满足无人机系统可靠性和维修性建模的需要,即逻辑关系模型中下层的阶段任务在时间上不能跨越上层阶段任务,要确保所有下层阶段任务(或阶段任务序列)的开始时间、结束时间要与上层阶段任务的开始、结束时间一致。如图6所示。
S4、绘制每个下层的阶段任务节点,构图是绘制逻辑关系模型的具体过程,包括绘制下层的阶段任务节点、邻接节点,形成下层的阶段任务序列。
S5、绘制逻辑关系符号:分析上层的阶段任务与各所属下层阶段任务序列之间的逻辑关系,将各下属层次的阶段任务序列用逻辑关系连接线和逻辑关系节点组织连接起来。
S6、检验模型,检验模型是对模型的合法性和有效性进行检查和验证。合法性是模型自身没有错误,即模型中描述元素的使用符合语法规则;有效性是模型能够如实地反映作战方案中各装备作战单元在任务期间的协同配合关系,既不能扩大也不能缩小。如果模型没有通过检验,需要重新进行任务分解步骤。
通过上述步骤就可以针对装备作战单元的一个阶段任务建立逻辑关系模型。针对装备作战单元任务时序模型中所有阶段任务分别建立完逻辑关系模型后,就可以从时序模型建模过程开始,分别建立各下属装备作战单元的任务时序模型。
S7、基于步骤S6中各层阶段任务之间的逻辑关系,建立任务参数模型。
步骤S7中,任务参数模型包括任务时间参数模型、任务量参数模型、任务完成概率模型。
基于逻辑关系的任务时间模型反映无人机体系某一层次与其下属层次阶段任务开始结束时间之间的定量关系。在任务逻辑关系模型中,上层阶段任务与其下属下层的阶段任务(或复杂任务)在时间上是对齐的,因此基于逻辑关系的任务时间模型为:
ts=tis,te=tie(i=1,…,n)
式中,n表示体系下属集群或无人机系统的数量,ts和te(ts<te)分别为体系阶段任务的开始和结束时间,tis和tie(tis<tie)分别为第i个下属集群或无人机系统阶段任务或阶段任务序列的开始和结束时间。
上式表示每个下属集群或无人机系统的开始时间与结束时间分别与体系阶段任务的开始和结束时间一致,或者表示各下属集群或无人机系统的任务的持续时间与体系任务持续时间相等。
基于逻辑关系的任务量模型反映阶段任务下体系某一层与其下属层次任务量之间的定量关系。
体系在向各下属集群或无人机系统分派任务时,上层的任务可以分解为下层多个任务,因此不是所有上层任务的任务量与其下属下层任务的任务量都有定量关系。如果上层的任务效果与其下属下层的任务效果之间具有非线性关系时,如投送任务,体系和其下属集群任务的任务量之间将不能建立定量关系。如果具有线性关系,如火力进攻任务,将可以建立定量关系。由于逻辑关系模型反映的是阶段任务结束时刻体系上下层级任务完成情况的关系,因此基于逻辑关系的任务量模型只存在于阶段任务的结束时刻。
设体系某集群下辖n个无人机系统,该集群阶段任务任务量为tW,第i个下属无人机系统阶段任务的任务量为ti,i=1,…,n,分别针对各种基本逻辑关系建立任务量模型。
当n个下属无人机系统与该集群任务之间的逻辑关系为与,即每个无人机系统的任务成功,集群任务才会成功。下属无人机系统与集群任务任务量之间的关系为:
t1+t2+…+tn=tW
这个模型同样适用于体系与所属集群之间的任务量计算。
由于n个无人机系统与该集群任务之间的逻辑关系为或,即只要有一个无人机系统的任务成功,集群任务就会成功。因此,当总任务量为tW时,至少有一个无人机系统的任务量也必须为tW才能表现出或的关系,即:
ti=tW(i∈I,I是{1~n}的非空子集)
这个模型同样适用于体系与所属集群之间的任务量计算。
当n个无人机系统与该集群任务之间的逻辑关系为表决关系,如果下属的n个无人机系统任务的成功数量为s(k≤s≤n),则使集群任务成功的下属无人机系统任务组合为xsj={xsj1,xsj2,…,xsjn},j=1,2,…,ms
Figure GDA0003799258750000121
个,xsji表示xsj组合下第i个无人机系统的任务完成情况,xsji=1表示任务成功,xsji=0表示任务失败。此时,集群任务量与下属无人机系统任务量之间的关系为:
Figure GDA0003799258750000122
(当s=k时,等号成立)
这个模型同样适用于体系与所属集群之间的任务量计算。
由于n个无人机系统与集群任务之间的逻辑关系为冷储备,下属无人机系统的任务量与集群任务量tW的关系为:
tj<tW,ti=tW,tk=0(1≤j<i<k≤n)
这个模型同样适用于体系与所属集群之间的任务量计算。
基于逻辑关系的任务完成概率模型反映阶段任务下体系/集群与其隶属的集群/无人机系统任务完成概率之间的定量关系。由于逻辑关系模型反映的是阶段任务结束时刻体系与各下属层次任务完成情况的关系,因此基于逻辑关系的任务完成概率模型只存在于阶段任务的结束时刻。下面分别给出不同基本逻辑关系下,任务完成概率的建模方法。
设集群隶属n个无人机系统,由于集群的阶段任务通常与下属无人机系统的阶段任务相对应,因此集群阶段任务的任务完成概率为:
PMC=fr(PMC(1),PMC(2),…,PMC(n))
式中,PMC(i)表示第i个无人机系统任务或阶段任务的任务完成概率,fr表示集群任务与n个无人机系统任务之间的逻辑关系函数。
与关系下所有无人机系统任务成功,集群的任务才成功,此时集群的任务完成概率为:
Figure GDA0003799258750000123
这个模型同样适用于体系与所属集群之间的任务量计算。
或关系下只要有一个无人机系统任务成功,集群的任务就成功,此时集群的任务完成概率为:
Figure GDA0003799258750000131
这个模型同样适用于体系与所属集群之间的任务量计算。
表决关系下只要有k个或k个以上无人机系统任务成功集群的任务就成功,集群的任务就成功,如果n个无人机系统任务的成功数量为s(k≤s≤n),则此时可以使集群的任务成功的无人机系统任务组合为xsj={xsj1,xsj2,…,xsjn},上述j=1,2,…,ms
Figure GDA0003799258750000132
xsji表示xsj组合下第i个无人机系统的任务完成情况,xsji=1表示任务成功,xsji=0表示任务失败。此时,集群阶段任务的任务完成概率为:
Figure GDA0003799258750000133
表决关系下,如果每个无人机系统的任务完成概率都一样,即PMC(i)=P,则
Figure GDA0003799258750000134
这个模型同样适用于体系与所属集群之间的任务量计算。
冷储备关系下,只要有一个无人机系统任务成功,集群任务就成功,此时集群任务的任务完成概率为:
Figure GDA0003799258750000135
这个模型同样适用于体系与所属集群之间的任务量计算。

Claims (3)

1.基于逻辑关系的集群无人机任务模型构建方法,其特征在于,包括以下步骤:
S1、建模分析:逻辑关系分析,确定上下层阶段任务之间的逻辑关系;
步骤S1中,逻辑关系包括:
与:若上层任务可分成n个下层任务,当且仅当所有下层任务都成功时上层任务才成功,或只要一个下层任务失败则上层任务失败,这时上层任务与n个下层任务构成与关系:
或:若上层任务可分成n个下层任务,只要有一个下层任务成功上层任务就成功,当且仅当所有下层任务都失败时上层任务才失败,这时上层任务与n个下层任务构成或关系;
表决:若上层任务可分成n个下层任务,只要有k个或k个以上下层任务成功,则上层任务成功,这时上层任务与n个下层任务构成表决关系;以及
冷储备:若上层任务可分成n个下层任务,n个下层任务按照序号依次执行,第1个下层任务执行时,其他下层任务不执行作为冷贮备,当第1个下层任务失败时,贮备的任务逐个去顶替它,直到n个下层任务全部失败,则上层任务失败;这时上层任务与n个下层任务构成冷贮备关系;
S2、确定建模语言:确定所需的描述元素和使用规则;
S3、任务分解:确保所有下层阶段任务或阶段任务序列的开始时间、结束时间与上层阶段任务的开始、结束时间一致;
S4、绘制每个下层的阶段任务节点,形成下层的阶段任务序列;
S5、绘制逻辑关系符号:分析上层的阶段任务与各所属下层阶段任务序列之间的逻辑关系,将各下属层次的阶段任务序列用逻辑关系连接线和逻辑关系节点组织连接起来;
S6、检验模型,对模型的合法性和有效性进行检查和验证,构建任务逻辑关系模型;
S7、基于步骤S6中各层阶段任务之间的逻辑关系,建立任务参数模型;所述步骤S7中,任务参数模型包括任务时间参数模型、任务量参数模型、任务完成概率模型;
S71、基于逻辑关系的任务时间参数模型为:
ts=tis,te=tie(i=1,…,n)
式中,n表示体系下属集群或无人机系统的数量,ts和te(ts<te)分别为体系阶段任务的开始和结束时间,tis和tie(tis<tie)分别为第i个下属集群或无人机系统阶段任务或阶段任务序列的开始和结束时间;
S72、基于逻辑关系的建立任务量参数模型为:
设体系某集群下辖n个无人机系统,该集群阶段任务任务量为tW,第i个下属无人机系统阶段任务的任务量为ti,i=1,…,n,分别针对各种基本逻辑关系建立任务量模型;
当n个下属无人机系统与该集群任务之间的逻辑关系为与,下属无人机系统与集群任务任务量之间的关系为:
t1+t2+…+tn=tW
当n个无人机系统与该集群任务之间的逻辑关系为或,总任务量为tW时,至少有一个无人机系统的任务量为tW,即:
ti=tW(i∈I,I是{1~n}的非空子集);
当n个无人机系统与该集群任务之间的逻辑关系为表决关系,如果下属的n个无人机系统任务的成功数量为s(k≤s≤n),则使集群任务成功的下属无人机系统任务组合为xsj={xsj1,xsj2,…,xsjn},j=1,2,…,ms
Figure FDA0003883786430000021
个,xsji表示xsj组合下第i个无人机系统的任务完成情况,xsji=1表示任务成功,xsji=0表示任务失败;此时,集群任务量与下属无人机系统任务量之间的关系为:
Figure FDA0003883786430000031
(当s=k时,等号成立);
当n个无人机系统与集群任务之间的逻辑关系为冷储备,下属无人机系统的任务量与集群任务量tW的关系为:
tj<tW,ti=tW,tk=0(1≤j<i<k≤n);
S73、基于逻辑关系的任务完成概率模型为:
设集群隶属n个无人机系统,由于集群的阶段任务通常与下属无人机系统的阶段任务相对应,因此集群阶段任务的任务完成概率为:
PMC=fr(PMC(1),PMC(2),…,PMC(n))
式中,PMC(i)表示第i个无人机系统任务或阶段任务的任务完成概率,fr表示集群任务与n个无人机系统任务之间的逻辑关系函数;
与关系下所有无人机系统任务成功,集群的任务才成功,此时集群的任务完成概率为:
Figure FDA0003883786430000032
或关系下只要有一个无人机系统任务成功,集群的任务就成功,此时集群的任务完成概率为:
Figure FDA0003883786430000033
表决关系下只要有k个或k个以上无人机系统任务成功,集群的任务就成功,如果n个无人机系统任务的成功数量为s(k≤s≤n),则此时可以使集群的任务成功的无人机系统任务组合为xsj={xsj1,xsj2,…,xsjn},上述j=1,2,…,ms
Figure FDA0003883786430000034
xsji表示xsj组合下第i个无人机系统的任务完成情况,xsji=1表示任务成功,xsji=0表示任务失败;此时,集群阶段任务的任务完成概率为:
Figure FDA0003883786430000035
冷储备关系下,只要有一个无人机系统任务成功,集群任务就成功,此时集群任务的任务完成概率为:
Figure FDA0003883786430000041
表决关系下,如果每个无人机系统的任务完成概率都一样,即PMC(i)=P,则
Figure FDA0003883786430000042
2.根据权利要求1所述的基于逻辑关系的集群无人机任务模型构建方法,其特征在于,所述步骤S2中,描述元素包括:
节点,节点包括逻辑关系节点和阶段任务节点;以及
连接线,连接线包括时序连接线和逻辑连接线。
3.根据权利要求2所述的基于逻辑关系的集群无人机任务模型构建方法,其特征在于,所述使用规则包括语法规则和结构规则;
所述需要遵循的语法规则为:
逻辑关系节点要成对出现;
逻辑关系节点能够嵌套使用,用来表示多个逻辑关系组合之间的逻辑关系;
在建立任务逻辑关系模型时,逻辑关系节点不能将任务过程割断;
所述结构规则为:
任务逻辑关系模型中不能存在孤立的描述元素;
任务逻辑关系模型中,如果上层阶段任务包括多个下层阶段任务,则描述这些阶段任务时需要遵循时序建模的规则。
CN202110452426.0A 2021-04-26 2021-04-26 基于逻辑关系的集群无人机任务模型构建方法 Active CN113111440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110452426.0A CN113111440B (zh) 2021-04-26 2021-04-26 基于逻辑关系的集群无人机任务模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110452426.0A CN113111440B (zh) 2021-04-26 2021-04-26 基于逻辑关系的集群无人机任务模型构建方法

Publications (2)

Publication Number Publication Date
CN113111440A CN113111440A (zh) 2021-07-13
CN113111440B true CN113111440B (zh) 2023-02-03

Family

ID=76721118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110452426.0A Active CN113111440B (zh) 2021-04-26 2021-04-26 基于逻辑关系的集群无人机任务模型构建方法

Country Status (1)

Country Link
CN (1) CN113111440B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114326806B (zh) * 2021-12-29 2022-07-22 北京航空航天大学 一种考虑任务体系下的无人机集群维修方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106570081A (zh) * 2016-10-18 2017-04-19 同济大学 基于语义网的大规模离线数据分析框架
CN109214140A (zh) * 2018-11-19 2019-01-15 中国航空综合技术研究所 基于AltaRica的航电系统动态重构建模方法
CN112487592A (zh) * 2020-12-16 2021-03-12 北京航空航天大学 基于贝叶斯网络的任务可靠性建模分析方法
CN112632744A (zh) * 2020-11-13 2021-04-09 中国人民解放军国防科技大学 基于超网络模型的作战体系架构建模方法及空间探索算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103649B (zh) * 2011-03-16 2013-02-20 北京航空航天大学 一种装备rms分析仿真任务的逻辑流程建立方法
US11429118B2 (en) * 2018-07-18 2022-08-30 The Trustees Of The University Of Pennsylvania Control of multi-drone fleets with temporal logic objectives

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106570081A (zh) * 2016-10-18 2017-04-19 同济大学 基于语义网的大规模离线数据分析框架
CN109214140A (zh) * 2018-11-19 2019-01-15 中国航空综合技术研究所 基于AltaRica的航电系统动态重构建模方法
CN112632744A (zh) * 2020-11-13 2021-04-09 中国人民解放军国防科技大学 基于超网络模型的作战体系架构建模方法及空间探索算法
CN112487592A (zh) * 2020-12-16 2021-03-12 北京航空航天大学 基于贝叶斯网络的任务可靠性建模分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于情景分析的航空集群决策规则库构建方法;胡利平等;《航空学报》;20200625;第41卷(第S1期);第723737-1至723737-16页 *
无人作战平台智能指挥控制系统结构;石章松等;《指挥信息系统与技术》;20120828(第04期);第12-15页 *
装备体系任务可靠性建模方法;王宏宇等;《装甲兵工程学院学报》;20161231(第06期);第89-94页 *

Also Published As

Publication number Publication date
CN113111440A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
Alves et al. Considerations in assuring safety of increasingly autonomous systems
US8831864B1 (en) Interactive conflict detection and resolution for air and air-ground traffic control
CN102830691A (zh) 一种基于云计算的无人机自动检测及故障诊断方法
Xing et al. Reliability theory and practice for unmanned aerial vehicles
CN108108329B (zh) Ima系统动态重构策略多特性分析方法
CN113110603B (zh) 基于集群故障的无人机集群任务可靠度分析方法
CN112734258B (zh) 航空电子系统效能评估表征系统
Deng et al. A two-phase coordinated planning approach for heterogeneous earth-observation resources to monitor area targets
CN113111440B (zh) 基于逻辑关系的集群无人机任务模型构建方法
CN107871050A (zh) 面向数据和面向对象的混合建模方法及存储介质
CN113111441B (zh) 基于邻接关系的集群无人机任务模型构建方法
Durrant-Whyte A beginner’s guide to decentralised data fusion
CN107832225A (zh) 一种飞行管理软件测试用例设计方法
Liu et al. Edge-enhanced attentions for drone delivery in presence of winds and recharging stations
CN106650945B (zh) 一种基于证据合成理论的软件体系结构安全性评估方法
Aminev et al. Comparative analysis of reliability prediction models for a distributed radio direction finding telecommunication system
CN114881526A (zh) 一种面向多平台航电系统的综合工作任务效能评估方法
CN114970086A (zh) 一种基于数据空间的复杂系统级数字孪生构建方法
CN113962015A (zh) 一种采用规则控制的空域使用过程仿真模拟系统及方法
Ordoukhanian et al. System Trade-offs in Multi-UAV Networks
Kashi et al. Vermillion: A verifiable multiagent framework for dependable and adaptable avionics
Cook et al. Enterprise approach to modelling of risks in the project lifecycle of naval aviation asset ship integration
De Santis et al. Safety criticality analysis of air traffic management systems: a compositional bisimulation approach
Li et al. Modeling and Analysis of Integrated Air Transportation Cooperative Information SoS Based on Complex Network Theory
Lyon An Introduction to Framework Adaptations for Additional Assurance of a Deep Neural Network Within Naval Test and Evaluation

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