CN113485431B - 一种紫外光通信协作的无人机集群分簇控制方法 - Google Patents

Abstract

本发明属于光电信息技术领域，具体涉及一种紫外光通信协作的无人机集群分簇控制方法，步骤1：根据紫外光信号强度进行测距，将测距结果保存在无人机储存中；步骤2：首先得到每架无人机的簇首选举值，然后将通信范围内选举值最高的无人机设置为簇首；步骤3：簇首选举完成后，其他无人机设置为成员节点，此时簇首向簇内进行广播；步骤4：最终完成队形变换；步骤5：将这个球形当作整体与其他簇进行簇间的协同控制；步骤6：每经过一段时间，或者无人机集群内有无人机损坏掉线，则重复步骤1到步骤5。在分簇的基础上，加入了队形重构以及编队简化，进一步提高了簇间无人机协同能力，提升了集群实时性。

Description

一种紫外光通信协作的无人机集群分簇控制方法

技术领域

本发明属于光电信息技术领域，具体涉及一种紫外光通信协作的无人机集群分簇控制方法。

背景技术

近年，无人机在各行各业的应用越来越广泛，例如安防，植保，巡检等行业。如此广泛的应用使得无人机技术发展迅猛，当前无人机技术发展主要有两个趋势，一种是提高单个无人机的性能，另外一种是发展无人机集群技术。相比于提高单个无人机性能，集群协同技术可以更好的提高无人机集群执行任务的能力。

无线电通信在是无人机集群通信的主要通信手段，但无线电通信在遭受电磁干扰或者信道干扰时，容易出现通信中断和传输错误的现象，而无人机集群执行任务通常是几十架甚至几百架无人机同时进行数据传输，而且执行任务的地点通常是很难建设基站的地方，此时需要有一种新的通信方式来对无线电通信进行补充。无线紫外光通信可以利用日盲波段的紫外光进行通信，该通信方式可以利用大气中存在的粒子，气溶胶以及灰尘等微粒对其散射，进行非直视通信。具有背景辐射低、抗干扰能力强以及全方位的优点。

无人机集群是一个高动态拓扑网络，其携带能量有限，因此为了提高无人机实时性，加强无人机协同能力，对其进行分簇控制是十分必要的。

发明内容

本发明的目的在于提供一种紫外光通信协作的无人机集群分簇控制方法，通过紫外光信标来进行测距，并且根据距离信息，无人机数量以及无人机能量对无人机集群进行分簇，之后对每一个簇进行集中式控制以及编队简化，使得簇间可以有效进行分布式控制，提高无人机集群网络抗毁能力以及编队协同控制能力。

本发明所采用的技术方案是，一种紫外光通信协作的无人机集群分簇控制方法，其步骤如下：

步骤1：调制半球形全向紫外LED阵列信号，向周围可通信范围内的无人机发送自身信息，并根据紫外光信号强度进行测距，将测距结果保存在无人机储存中，用于后续的计算；

步骤2：根据测得的距离以及通信范围内无人机的数量，开始进行簇首选举，首先得到每架无人机的簇首选举值，然后将通信范围内选举值最高的无人机设置为簇首；

步骤3：簇首选举完成后，其他无人机设置为成员节点，此时簇首向簇内进行广播，成员节点得到簇首广播后，答复信号并加入簇，同时将自身位置信息发送给簇首；

步骤4：成簇后，由簇首分配成员节点队形，根据簇内成员节点数量和队形设计，将每个无人机需要到达位置计算好并发送给成员节点，成员节点向指定位置进行移动，最终完成队形变换；

步骤5：队形变换完成后，开始进行簇编队简化，簇首与最远的成员节点的距离设置为簇编队的簇半径r，之后再设置一个安全距离d，此时形成了一个以簇首为圆心，半径为r+d的虚拟外接球；此时将这个球形当作整体与其他簇进行簇间的协同控制；

步骤6：每经过一段时间，或者无人机集群内有无人机损坏掉线，则重复步骤1到步骤5。

与现有技术相比，本发明的有益效果如下：

本发明的无人机集群分簇控制方法基于紫外光通信，可以补充无线电通信的不足之处，使用本发明的分簇算法可以提高无人机网络的抗毁性，减少能量消耗，提高无人机集群的生存周期，提高集群任务执行能力。并且在分簇的基础上，加入了队形重构以及编队简化，进一步提高了簇间无人机协同能力，提升了集群实时性。

附图说明

图1是本发明半球形紫外LED阵列的结构示意图；

图2是本发明半球形紫外LED阵列的结构框图；

图3是本发明半球形紫外LED阵列的发射端电路图

图4是本发明半球形紫外LED阵列的接收端电路图

图5是本发明无人机队形变换示意图；

图6是本发明集群简化的示意图；

图7是本发明安全外接球范围横切面示意图。

具体实施方式

以下将以图式揭露本发明的多个实施方式，为明确说明起见，许多实物上的细节将在以下叙述中一并说明。然而，应了解到，这些实物上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实物上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

请参阅图1-7，本发明一种紫外光通信协作的无人机集群分簇控制方法，其步骤如下：

步骤1：调制半球形全向紫外LED阵列信号，向周围可通信范围内的无人机发送自身信息，并根据紫外光信号强度进行测距，将测距结果保存在无人机储存中，用于后续的计算；

1)：半球形全向紫外LED阵列的电路包括电源、信息处理模块、发射端和接收端；信息处理模块为单片机，电源连接到信息处理上VCC引脚为整个半球形紫外LED阵列供电；发射端包括驱动电路和发射模块以及调制编码模块，信息处理模块通过I\O口依次连接驱动电路和发射模块；接收端包括光电转换模块以及解调储存模块，信息处理模块通过I\O口与光电转换模块连接；

2)：紫外光接收信号强度测距公式(1)

其中公式(1)中：d是距离，A为距离发射端1m处的信号强度值,R(d)为接收信号强度值，η为信道衰减指数,X_δ为均值为0，标准差为δ的高斯随机噪声；

在测得的接收信号强度数据中，大部分数据还是会在一个合理的区域内波动，高斯滤波是一种可筛选高概率发生区的数据的滤波方式，通过高斯滤波得到的信号强度值输出如式(2)

其公式(2)中：z为区间[μ-σ，μ+σ]内接收信号强度值的个数，R_i是接收到的第i个信号强度值，n为节点接收到的信号强度值的个数，/>结合式(1)可得到高斯滤波后接收信号强度测距模型为式(3)：

此时就将高斯噪声X_δ消除，之后将对A和η进行修正，假设G为参考节点，它有k个邻居节点，则可根据G到各邻居节点滤波优化后的接收信号强度值建立测距模型参数方程组式(4)

利用最小二乘法对参数进行拟合估计得到修正参数A′和η′，则修正之后的测距d′公式(5)：

3)：测距完成后将通信范围内无人机个数、距离信息以及无人机剩余能量信息保存在内存中，用于后续簇首选举计算；

步骤2：根据测得的距离以及通信范围内无人机的数量，开始进行簇首选举，首先得到每架无人机的簇首选举值，然后将通信范围内选举值最高的无人机设置为簇首；

步骤3：簇首选举完成后，其他无人机设置为成员节点，此时簇首向簇内进行广播，成员节点得到簇首广播后，答复信号并加入簇，同时将自身位置信息发送给簇首；

步骤4：成簇后，由簇首分配成员节点队形，根据簇内成员节点数量和队形设计，将每个无人机需要到达位置计算好并发送给成员节点，成员节点向指定位置进行移动，最终完成队形变换；

步骤5：队形变换完成后，开始进行簇编队简化，簇首与最远的成员节点的距离设置为簇编队的簇半径r，之后再设置一个安全距离d，此时形成了一个以簇首为圆心，半径为r+d的虚拟外接球；此时将这个球形当作整体与其他簇进行簇间的协同控制；

编队简化可以有效减少集群计算量，将一个长机控制的小集群看作一个整体，用一个外界圆来包围这个集群，该虚拟球体的球心为簇首坐标，半径为簇首到距离最远的成员节点位置，如图5，分别为横一队、竖一队和三角编队的集群简化；

如果有紧急避障或者气流影响，一个外接球可能会对无人机安全造成影响，所以在原本的外接球上在设置一个安全范围；如图6所示；

步骤6：每经过一段时间，或者无人机集群内有无人机损坏掉线，则重复步骤1到步骤5。

进一步地，所述步骤2的具体步骤为：

2.1基于距离稳定度M_i、无人机能效η_i以及自适应节点度D_i的加权分簇；无人机节点的簇首选举W_i为式(6)：

W_i＝w₁D_i+w₂η_i+w₃M_i (6)

其中，自适应节点度是通信范围内无人机数量与平均节点度的差的绝对值，平均节点度是所有子无人机节点度之和与所有子无人机数量的比值；无人机能效是每轮簇受选举时无人机的剩余能量；距离稳定度则是通过前后时刻无人机与周围无人机距离变化幅度来评价拓扑是否稳定的参数，距离稳定度的计算方法如下：

无人机前一时刻与通信范围内的所有无人机的平均距离为公式(7)：

其中公式(7)中：d_i是后一时刻人机与节点度内所有无人机的距离，是节点度；τ一般取值为一个周期，也就是两次选举簇首时无人机之间的距离差；前一时刻无人机与通信范围内的所有无人机的平均距离方差/>为公式(8)：

后一时刻无人机与通信范围内的所有无人机的平均距离方差为公式(9)：

因此，距离稳定度Δd为公式(10)：

因此，距离稳定度参考因子MA为：

M_A＝e^-Δd (11)。

进一步地，所述步骤4的具体步骤为：

4.1使用两个约束条件来计算队形：(1)编队重构的时间最小，(2)编队重构的代价最小；如图4所示，F₁，F₂，F₃为编队重构前的无人机队形，S₁，S₂，S₃为编队重构后的无人机队形，0是簇首；簇首计算队形变换最优解，并将结果发送给成员节点，成员节点飞向指定位置完成队形变换；

4.2最优解计算方法如下：Υ_ij矩阵具体的值，根据不同的约束条件会有不同的计算方式，但是无人机从重构前到重构后的飞行轨迹是趋近于直线的，

在本课题中，Υ_ij由两部分构成：时间最优解和效率最优解，即：

Υ_ij＝t_ij+s_ij (12)

将所有的僚机和队形重构方案遍历完成后，得到最终的代价矩阵

之后将不同行不同列的值n个值相加，得到n！个代价权重：

W_i＝∑Υ_ij，i≠j (14)

最优解就是得到所有的代价权重中，最小的权重所代表的方案。

本发明一种紫外光通信协作的无人机集群分簇控制方法，可以通过紫外光通信来弥补电磁波通信的不足，并且可以通过紫外光测距的到距离信息，进行无人机网络分簇，节省无人机能量消耗，提高网络生存周期；并在分簇模型的基础上提出了编队简化控制方法，经过简化后的编队可以大大减少节点数量，提高集群协同能力，本发明为无人机集群协同控制提供了一种有效技术手段。

以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (3)

1.一种紫外光通信协作的无人机集群分簇控制方法，其特征在于，其步骤如下：

步骤1：调制半球形全向紫外LED阵列信号，向周围可通信范围内的无人机发送自身信息，并根据紫外光信号强度进行测距，将测距结果保存在无人机储存中，用于后续的计算；

1)：半球形全向紫外LED阵列的电路包括电源、信息处理模块、发射端和接收端；信息处理模块为单片机，电源连接到信息处理上VCC引脚为整个半球形紫外LED阵列供电；发射端包括驱动电路和发射模块以及调制编码模块，信息处理模块通过I\O口依次连接驱动电路和发射模块；接收端包括光电转换模块以及解调储存模块，信息处理模块通过I\O口与光电转换模块连接；

2)：紫外光接收信号强度测距公式(1)

其中公式(1)中：d是距离，A为距离发射端1m处的信号强度值,R(d)为接收信号强度值，η为信道衰减指数,X_δ为均值为0，标准差为δ的高斯随机噪声；

在测得的接收信号强度数据中，大部分数据还是会在一个合理的区域内波动，高斯滤波是一种可筛选高概率发生区的数据的滤波方式，通过高斯滤波得到的信号强度值输出如式(2)

其公式(2)中：z为区间[μ-σ,μ+σ]内接收信号强度值的个数，R_i是接收到的第i个信号强度值，n为节点接收到的信号强度值的个数，/>结合式(1)可得到高斯滤波后接收信号强度测距模型为式(3)：

此时就将高斯噪声X_δ消除，之后将对A和η进行修正，假设G为参考节点，它有k个邻居节点，则可根据G到各邻居节点滤波优化后的接收信号强度值建立测距模型参数方程组式(4)

利用最小二乘法对参数进行拟合估计得到修正参数A'和η'，则修正之后的测距d′公式(5)：

3)：测距完成后将通信范围内无人机个数、距离信息以及无人机剩余能量信息保存在内存中，用于后续簇首选举计算；

步骤2：根据测得的距离以及通信范围内无人机的数量，开始进行簇首选举，首先得到每架无人机的簇首选举值，然后将通信范围内选举值最高的无人机设置为簇首；

步骤3：簇首选举完成后，其他无人机设置为成员节点，此时簇首向簇内进行广播，成员节点得到簇首广播后，答复信号并加入簇，同时将自身位置信息发送给簇首；

步骤4：成簇后，由簇首分配成员节点队形，根据簇内成员节点数量和队形设计，将每个无人机需要到达位置计算好并发送给成员节点，成员节点向指定位置进行移动，最终完成队形变换；

步骤5：队形变换完成后，开始进行簇编队简化，簇首与最远的成员节点的距离设置为簇编队的簇半径r，之后再设置一个安全距离d，此时形成了一个以簇首为圆心，半径为r+d的虚拟外接球；此时将这个球形当作整体与其他簇进行簇间的协同控制；

步骤6：每经过一段时间，或者无人机集群内有无人机损坏掉线，则重复步骤1到步骤5。

2.根据权利要求1所述的一种紫外光通信协作的无人机集群分簇控制方法，其特征在于，所述步骤2的具体步骤为：

2.1基于距离稳定度M_i、无人机能效η_i以及自适应节点度D_i的加权分簇；无人机节点的簇首选举W_i为式(6)：

W_i＝w₁D_i+w₂η_i+w₃M_i (6)

其中，自适应节点度是通信范围内无人机数量与平均节点度的差的绝对值，平均节点度是所有子无人机节点度之和与所有子无人机数量的比值；无人机能效是每轮簇受选举时无人机的剩余能量；距离稳定度则是通过前后时刻无人机与周围无人机距离变化幅度来评价拓扑是否稳定的参数，距离稳定度的计算方法如下：

无人机前一时刻与通信范围内的所有无人机的平均距离为公式(7)：

其中公式(7)中：d_i是后一时刻人机与节点度内所有无人机的距离，是节点度；τ一般取值为一个周期，也就是两次选举簇首时无人机之间的距离差；前一时刻无人机与通信范围内的所有无人机的平均距离方差/>为公式(8)：

后一时刻无人机与通信范围内的所有无人机的平均距离方差为公式(9)：

因此，距离稳定度Δd为公式(10)：

因此，距离稳定度参考因子M_A为：

M_A＝e^-Δd (11)。

3.根据权利要求1所述的一种紫外光通信协作的无人机集群分簇控制方法，其特征在于，所述步骤4的具体步骤为：

4.1使用两个约束条件来计算队形：(1)编队重构的时间最小，(2)编队重构的代价最小；F₁,F₂,F₃为编队重构前的无人机队形，S₁,S₂,S₃为编队重构后的无人机队形，O是簇首；簇首计算队形变换最优解，并将结果发送给成员节点，成员节点飞向指定位置完成队形变换；

4.2最优解计算方法如下：Υ_ij矩阵具体的值，根据不同的约束条件会有不同的计算方式，但是无人机从重构前到重构后的飞行轨迹是趋近于直线的，

在本课题中，Υ_ij由两部分构成：时间最优解和效率最优解，即：

Υ_ij＝t_ij+s_ij (12)

将所有的僚机和队形重构方案遍历完成后，得到最终的代价矩阵

之后将不同行不同列的值n个值相加，得到n！个代价权重：

W_i＝∑Υ_ij,i≠j (14)

最优解就是得到所有的代价权重中，最小的权重所代表的方案。