CN113625697B - 考虑任务能力变化的无人机集群可靠性评估方法和系统 - Google Patents
考虑任务能力变化的无人机集群可靠性评估方法和系统 Download PDFInfo
- Publication number
- CN113625697B CN113625697B CN202111078829.XA CN202111078829A CN113625697B CN 113625697 B CN113625697 B CN 113625697B CN 202111078829 A CN202111078829 A CN 202111078829A CN 113625697 B CN113625697 B CN 113625697B
- Authority
- CN
- China
- Prior art keywords
- task
- reliability
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了考虑任务能力变化的无人机集群可靠性评估方法和系统,本方法包括:构建集群网络,构建点‑链‑网任务能力匹配;根据任务时间组成待拟合样本,得到拟合优度检验表;得到可靠性变化函数;生成可靠性变化曲线,得到可靠性分析结果。本系统包括顺次连接的集群单元、遍历单元、拟合单元、可靠性函数单元、可靠性分析单元;集群单元用于对无人机群建立集群网络,遍历单元用于对无人机群进行任务遍历搜索;拟合单元用于生成拟合优度检验表;可靠性函数单元用于生成可靠性变化函数;可靠性分析单元用于生成可靠性变化曲线,得到可靠性分析结果。本申请使得集群可靠性评估更加合理与全面,也更加贴近集群应用实际情况。
Description
技术领域
本申请属于人工智能控制技术领域,具体涉及考虑任务能力变化的无人机集群可靠性评估方法和系统。
背景技术
无人机集群作为航空新技术的重要呈现形式,在国防安全、灾害救援、大气污染监测、园区物流等军民领域发挥着重要作用。无人机集群执行任务时采用多架无人机协同方式,以一个体系的形式完成搜索、分析与决策等任务,实现了单机能力扩展以及集群整体任务能力的提升。集群在具备了更高的鲁棒性和任务能力的同时,也将面临着更加复杂的任务环境与不确定性威胁,致使其在任务过程中不断涌现新问题,从而导致全局任务的失败。因此为了最大限度地降低任务风险,对无人机集群进行可靠性评估是至关重要的。
目前无人机集群可靠性评估的研究重点在于单机间的作用关系及集群整体的组织与运用,多参考基础设施领域的可靠性评估方法,如电网、交通网络、通讯网络等关键基础设施可靠性领域研究成果。然而,无人机集群是一个多维空间运行和动态重构系统,在复杂网络中执行任务的方式不同于基础设施系统,现有的基础设施网络可靠性评估方法只能在建模方式与分析手段上提供参考。
此外,传统网络可靠性评估方法大多是通过分析整个网络拓扑结构特征(节点度分布、平均路径长度、聚类系数等),推测网络运行极限,从而通过预测网络寿命来判断系统的可靠性。然而,现有研究大多都站在网络全局的角度,在节点和边的水平上研究网络低阶连通特征来推断网络可靠性,忽略了集群网络中无人机节点所具备的任务能力也会对整个网络系统的可靠性产生影响,同时,在无人机集群中,无人机的能力发挥并不独立,而且在大多数情况下并不是固定不变的,受多种因素影响,随时间变化的。因此,在对无人机集群进行可靠性评估研究工作时,不能忽略节点或网络任务能力的变化情况对网络整体可靠性的影响。
发明内容
本申请提出了考虑任务能力变化的无人机集群可靠性评估方法和系统,基于无人机领航法建立无人机集群网络,参考蚁群算法获取无人机任务能力仿真计算结果,建立无人机集群的可靠性变化函数和可靠性变化曲线,实现无人机群的可靠性评估。
为实现上述目的,本申请提供了如下方案:
考虑任务能力变化的无人机集群可靠性评估方法,包括如下步骤:
S1.为待评估的无人机群建立集群网络,并为每个无人机节点赋予任务能力值;
S2.对所述集群网络进行遍历搜索,根据所述任务能力值在动态模型中的变化结果,构建点-链-网任务能力匹配;
S3.按照预定次数重复所述S2,将每一次构建所述点-链-网任务能力匹配过程中得到的任务时间组成待拟合样本,所述任务时间与所述无人机节点的任务能力阈值相对应,根据所述待拟合样本,得到拟合优度检验表;
S4.基于所述拟合优度检验表,得到所述无人机群的可靠性变化函数;
S5.基于所述可靠性变化函数,生成可靠性变化曲线,根据所述可靠性变化曲线,得到所述无人机群的可靠性分析结果,完成无人机集群可靠性评估。
优选的,所述S1中,构建所述集群网络的方法包括:根据无人机群领航法,将待评估的所述无人机群平均分成N组群落,且每组所述群落设定一个领航者,同时设定所述无人机群要执行的任务载荷的种类数量也为N。
优选的,为每个所述无人机节点赋予所述任务能力值的方法包括:设定任务能力的类别,将所述任务能力类别进行量化处理后,赋予每个所述无人机节点任务能力值,并设定所述任务能力值的能力函数表达式。
优选的,所述S2中,构建所述点-链-网任务能力匹配的方法包括:遍历从第一个所述任务载荷到第N个所述任务载荷的所有链路,得到每条链路的链路任务能力值,并完成点-链任务能力匹配;
更新链路任务能力,当所述无人机节点的所述任务能力值低于预设节点能力限值时,删除该所述无人机节点;
当所有的所述链路任务能力值均低于预设链路能力限值时,完成链-网任务能力匹配;
根据所述点-链任务能力匹配和所述链-网任务能力匹配,得到所述点-链-网任务能力匹配。
优选的,更新所述链路任务能力的方法包括:
根据该所述链路中所有的所述无人机节点的所述任务能力值,得到链路节点任务能力总值;
使用所述链路节点任务能力总值减去所述链路的链路任务能力值,完成所述链路任务能力的更新。
优选的,所述S3中,建立所述拟合优度检验表的方法包括:对所述待拟合样本分别用威布尔分布和正态分布进行Kolmogorov-Smirnov检验,获得威布尔分布和正态分布的拟合效果,并建立所述拟合优度检验表。
优选的,所述S4中,所述可靠性变化函数Rs(t)为:
其中,e为常数,t为时间。
本申请还公开了考虑任务能力变化的无人机集群可靠性评估系统,包括顺次连接的集群单元、遍历单元、拟合单元、可靠性函数单元和可靠性分析单元;
所述集群单元用于对待评估的无人机群建立集群网络,并为每个无人机节点赋予任务能力值;
所述遍历单元用于对所述无人机群进行任务遍历搜索,根据所述任务能力值在动态模型中的变化结果,构建点-链-网任务能力匹配,同时输出任务时间,所述任务时间与所述无人机节点的任务能力阈值相对应;
所述拟合单元用于接收所述任务时间,并根据所述任务时间生成拟合优度检验表;
所述可靠性函数单元用于根据所述拟合优度检验表生成所述无人机群的可靠性变化函数;
所述可靠性分析单元用于根据所述可靠性变化函数生成可靠性变化曲线,根据所述可靠性变化曲线,得到可靠性分析结果。
本申请的有益效果为:
本申请公开了考虑任务能力变化的无人机集群可靠性评估方法和系统,考虑无人机集群任务能力变化对集群的可靠性进行评估,有效的将无人机的任务能力属性与集群网络拓扑结构结合起来,添加了对于“点”-“链”-“网”任务能力的限制,使得集群可靠性评估更加合理与全面,也更加贴近集群应用实际情况,通过Kolmogorov-Smirnov检验得到了集群可靠性随时间的衰减情况,对集群可靠性进行了有效评估,为集群可靠性评估提供了新思路。
附图说明
为了更清楚地说明本申请的技术方案,下面对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一的考虑任务能力变化的无人机集群可靠性评估方法流程示意图;
图2为本申请实施例一中表示通信能力的威布尔分布、表示机动能力的一次函数、表示防护能力的阶梯状衰减的曲线示意图,其中,(a)表示通信能力威布尔分布曲线,(b)表示机动能力一次函数曲线,(c)表示防护能力阶梯状衰减曲线;
图3为本申请实施例一中的无人机集群任务能力的动态变化过程曲线示意图;
图4为本申请实施例一中的无人机集群可靠性变化曲线示意图;
图5为采用本申请实施例一进行多种情形评估的流程示意图;
图6为本申请实施例一中的本申请技术方案与基于渗流理论的可靠性评估方法和基于网络连通性的可靠性评估方法进行对比的可靠性曲线示意图;
图7为本申请实施例二的考虑任务能力变化的无人机集群可靠性评估系统结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
如图1所示,为本申请实施例一的考虑任务能力变化的无人机集群可靠性评估方法流程示意图,包括如下步骤:
S1.对待评估的无人机群建立集群网络,并为每个无人机节点赋予任务能力值。
在本实施例一中,为方便对集群可靠性进行评估,以一个拥有100架单机的无人机集群为例,设定其以无人机领航法执行某种任务,其中领航者数量为5,则共形成5个群落,每个群落各20架无人机,每个群落一个领航者,以使得集群整体较为灵活且适应性强;设定该无人机集群携带任务载荷的种类数也为5,任务载荷标记为A、B、C、D、E,每20架无人机携带同一种任务载荷。
此外,设定无人机的任务能力由通讯能力、机动能力、防护能力构成(在本实施例一中暂不考虑其他能力的影响),将三种能力量化为具体数值后赋予每个无人机节点,并设定每个无人机节点的任务能力值不同,即每个无人机节点具有三个参数。在本实施例一中,设定无人机所需具备的任务能力后,对其进行量化处理,设定的任务能力如果为定量指标则可通过试验进行数据收集,进行归一化处理后赋予无人机节点;设定的任务能力如果为定性指标则通过专家打分法进行定量化处理,随后赋予无人机节点作为任务能力值。
另外,众所周知的,无人机的任务能力不是恒定不变的,它会随着任务的进行而衰减,因此,进一步的,设定通讯能力衰减服从威布尔分布,即机动能力衰减服从一次函数,即cjn2=100-0.66t,防护能力呈阶梯状衰减,即
其中,t表示时间。如图2所示。
通过上述方式对集群进行建模赋值后,结合集群任务能力动态量化建模过程进行分析,设定在执行任务过程中每隔1单位时间输出一次任务层网络来进行任务能力分析,进而实现集群可靠性的科学评估。
在本实施例一中使用的动态量化建模,是通过任务仿真过程中将包含自身消耗信息及环境影响因素信息的每一次静态表达不断进行迭代而实现的,将单个的计算结果与任务执行时间相关联,最终得到执行任务过程中集群任务能力随时间的动态变化的数学表达。随着任务时间的增加,集群任务能力不断降低,即集群维持其功能完成规定任务的能力不断降低,因此可以通过任务链数量及节点能力变化情况表征网络的任务能力变化,实现集群任务能力的动态表达,并将任务能力变化用作衡量集群网络可靠性的变化情况。
S2.对集群网络进行遍历搜索,根据任务能力值在动态模型中的变化结果,构建点-链-网任务能力匹配。
在本实施例一中,为实现集群网络任务能力动态表达,需要对网络进行全局搜索,实现“节点-链路-网络”任务能力匹配。我们参考了应用最广泛的蚁群算法进行网络搜索匹配。但蚁群算法与任务层网络结合进行遍历寻优时还需考虑路径权重及“点”-“链”-“网”任务能力匹配问题,因此提出了适应性改变:
a.设定初始节点为任务载荷A,目标节点为任务载荷E,即遍历从A出发至E停止的所有链路;
b.信息素更新规则与网络中边的权重保持一致,即权重越大节点移动时选择的概率就越大;
c.节点每走完一条链路,都要输出该链路的任务能力值,完成“点”-“链”任务能力的匹配。同时还要对该链路任务能力进行更新,即用链路中所有节点的任务能力减去该链路任务能力值。当链路中节点任务能力值低于预设节点能力限值(在本实施例一中取值为1)时,删除该节点,即该无人机任务能力随着任务的执行已衰减至极低水平,无法继续完成任务。
在任务仿真过程中不断应用该算法,通过动态模型实现了集群任务能力的动态变化过程,如图3所示,可看出,随着任务的执行,集群网络的任务能力不断下降,当到达103单位时间时,网络的通讯能力降为零。在本实施例一中,设定当集群某一种任务能力降为0时,集群丧失功能,不能完成规定的任务。
S3.按照预定次数重复S2,将每一次构建点-链-网任务能力匹配过程中得到的任务时间组成待拟合样本,任务时间与无人机节点的任务能力阈值相对应,根据待拟合样本,得到拟合优度检验表。
在本实施例一中,将集群每次执行任务的过程看作一个完整的寿命周期,对上述集群任务过程仿真100次,每次仿真得到一个对应任务能力阈值的任务时间组成的样本,对所获得的样本分别用威布尔分布和正态分布进行Kolmogorov-Smirnov检验,从而获得这两种分布的拟合效果,并获得拟合准确性的相关参数,如表1所示,为拟合优度检验表。
表1
h | D | p | |
威布尔分布 | 0 | 0.024 | 0.963 |
正态分布 | 0 | 0.046 | 0.925 |
表中,h=0表示接受假设,h=1表示拒绝假设,D表示与假设的差距,p表示服从假设的概率,p值大于0.05,表示不能拒绝其满足分布的假设,数值越大,表明越服从该假设。
S4.基于拟合优度检验表,得到无人机群的可靠性变化函数。
在本实施例一的表1中,可以看出,寿命分布接受威布尔分布的拟合效果更好,因此可以确定该失效寿命的样本服从威布尔分布,同时可以得到拟合的威布尔分布的形状参数m和真尺度参数η分别为6.322、72.545,则得无人机集群的可靠性变化函数Rs(t)为:
其中,e为常数,t为时间。
S5.基于可靠性变化函数,生成可靠性变化曲线,根据可靠性变化曲线,得到无人机群的可靠性分析结果,完成无人机集群可靠性评估。
根据步骤S4得到的可靠性变化函数,可进一步得到可靠性变化曲线,如图4所示,可以看出,在60单位时间以内,无人机集群系统可以保持较高的可靠性,但随着执行任务的执行,在60到80单位时间内集群网络的可靠性骤降,直至降为0。因此该集群执行任务的时间要尽可能控制在60单位时间内,超过此时间我们则认为该集群已经不具备完成任务的能力。
根据上述方法,当面对多无人机协同工作模式、复杂网络时,可通过点-链-网匹配算法进行集群评估,当面对外部环境影响或内部网络失效等动态情形时,可通过任务过程仿真进行评估,整体流程可总结如图5所示。
进一步的,针对同一无人机集群,将本申请实施例一的考虑任务能力变化的可靠性评估方法,与基于渗流理论的可靠性评估方法和基于网络连通性的可靠性评估方法进行对比,对比文件结果如图6所示,可以看出,1)基于渗流理论对集群可靠性进行分析,往往只能显示全局网络拓扑的变化,无法有效观察集群执行不同任务时的可靠程度,导致其可靠性在集群整体网络崩溃时才会出现骤降的现象;2)基于网络连通性对集群可靠性进行研究,虽考虑了集群执行任务的链路形式,但并未考虑无人机本身所具有的能力属性与其衰减形式,因此此方法对应的集群可靠性要偏高一些;3)考虑无人机集群任务能力变化研究集群的可靠性变化趋势,有效的将无人机的任务能力属性与集群网络拓扑结构结合起来,添加了对于“点”-“链”-“网”任务能力的限制,使得集群可靠性评估更加合理与全面,也更加贴近集群应用实际情况,为集群可靠性评估提供了新思路。
实施例二
如图7所示,为本申请实施例二的考虑任务能力变化的无人机集群可靠性评估系统,包括顺次连接的集群单元、遍历单元、拟合单元、可靠性函数单元和可靠性分析单元。
其中,集群单元用于对待评估的无人机群建立集群网络,并为每个无人机节点赋予任务能力值。在本实施例二中,根据无人机群领航法,将待评估的所述无人机群平均分成N组群落,且每组所述群落设定一个领航者,同时设定所述无人机群要执行的任务载荷的种类数量也为N,根据任务能力的类别,将任务能力类别进行量化处理后,赋予每个无人机节点任务能力值,进一步的,设定任务能力值的能力函数表达式。
遍历单元用于对无人机群进行任务遍历搜索,根据任务能力值在动态模型中的变化结果,构建点-链-网任务能力匹配,同时输出任务时间,任务时间与无人机节点的任务能力阈值相对应。在本实施例二中,参考蚁群算法进行网络搜索匹配,并进行适应性改进,先后分别构建点-链认为能力匹配和链-网任务能力匹配,从而构建点-链-网任务能力匹配。
拟合单元用于接收任务时间,并根据任务时间生成拟合优度检验表。在本实施例二中,对所获得的任务时间样本分别用威布尔分布和正态分布进行Kolmogorov-Smirnov检验,从而获得这两种分布的拟合效果,并获得拟合准确性的相关参数,从而建立拟合优度检验表。
可靠性函数单元用于根据拟合优度检验表生成无人机群的可靠性变化函数。
所述可靠性分析单元用于根据所述可靠性变化函数生成可靠性变化曲线,根据所述可靠性变化曲线,得到可靠性分析结果。
以上所述的实施例仅是对本申请优选方式进行的描述,并非对本申请的范围进行限定,在不脱离本申请设计精神的前提下,本领域普通技术人员对本申请的技术方案做出的各种变形和改进,均应落入本申请权利要求书确定的保护范围内。
Claims (8)
1.考虑任务能力变化的无人机集群可靠性评估方法,其特征在于,包括如下步骤:
S1.为待评估的无人机群建立集群网络,并为每个无人机节点赋予任务能力值;
S2.对所述集群网络进行遍历搜索,根据所述任务能力值在动态模型中的变化结果,构建点-链-网任务能力匹配;
S3.按照预定次数重复所述S2,将每一次构建所述点-链-网任务能力匹配过程中得到的任务时间组成待拟合样本,所述任务时间与所述无人机节点的任务能力阈值相对应,根据所述待拟合样本,得到拟合优度检验表;
S4.基于所述拟合优度检验表,得到所述无人机群的可靠性变化函数;
S5.基于所述可靠性变化函数,生成可靠性变化曲线,根据所述可靠性变化曲线,得到所述无人机群的可靠性分析结果,完成无人机集群可靠性评估。
2.根据权利要求1所述的考虑任务能力变化的无人机集群可靠性评估方法,其特征在于,所述S1中,构建所述集群网络的方法包括:根据无人机群领航法,将待评估的所述无人机群平均分成N组群落,且每组所述群落设定一个领航者,同时设定所述无人机群要执行的任务载荷的种类数量也为N。
3.根据权利要求2所述的考虑任务能力变化的无人机集群可靠性评估方法,其特征在于,为每个所述无人机节点赋予所述任务能力值的方法包括:设定任务能力的类别,将所述任务能力类别进行量化处理后,赋予每个所述无人机节点任务能力值,并设定所述任务能力值的能力函数表达式。
4.根据权利要求3所述的考虑任务能力变化的无人机集群可靠性评估方法,其特征在于,所述S2中,构建所述点-链-网任务能力匹配的方法包括:遍历从第一个所述任务载荷到第N个所述任务载荷的所有链路,得到每条链路的链路任务能力值,并完成点-链任务能力匹配;
更新链路任务能力,当所述无人机节点的所述任务能力值低于预设节点能力限值时,删除该所述无人机节点;
当所有的所述链路任务能力值均低于预设链路能力限值时,完成链-网任务能力匹配;
根据所述点-链任务能力匹配和所述链-网任务能力匹配,得到所述点-链-网任务能力匹配。
5.根据权利要求4所述的考虑任务能力变化的无人机集群可靠性评估方法,其特征在于,更新所述链路任务能力的方法包括:
根据该所述链路中所有的所述无人机节点的所述任务能力值,得到链路节点任务能力总值;
使用所述链路节点任务能力总值减去所述链路的链路任务能力值,完成所述链路任务能力的更新。
6.根据权利要求5所述的考虑任务能力变化的无人机集群可靠性评估方法,其特征在于,所述S3中,建立所述拟合优度检验表的方法包括:对所述待拟合样本分别用威布尔分布和正态分布进行Kolmogorov-Smirnov检验,获得威布尔分布和正态分布的拟合效果,并建立所述拟合优度检验表。
8.考虑任务能力变化的无人机集群可靠性评估系统,其特征在于,包括顺次连接的集群单元、遍历单元、拟合单元、可靠性函数单元和可靠性分析单元;
所述集群单元用于对待评估的无人机群建立集群网络,并为每个无人机节点赋予任务能力值;
所述遍历单元用于对所述无人机群进行任务遍历搜索,根据所述任务能力值在动态模型中的变化结果,构建点-链-网任务能力匹配,同时输出任务时间,所述任务时间与所述无人机节点的任务能力阈值相对应;
所述拟合单元用于接收所述任务时间,并根据所述任务时间生成拟合优度检验表;
所述可靠性函数单元用于根据所述拟合优度检验表生成所述无人机群的可靠性变化函数;
所述可靠性分析单元用于根据所述可靠性变化函数生成可靠性变化曲线,根据所述可靠性变化曲线,得到可靠性分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111078829.XA CN113625697B (zh) | 2021-09-15 | 2021-09-15 | 考虑任务能力变化的无人机集群可靠性评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111078829.XA CN113625697B (zh) | 2021-09-15 | 2021-09-15 | 考虑任务能力变化的无人机集群可靠性评估方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113625697A CN113625697A (zh) | 2021-11-09 |
CN113625697B true CN113625697B (zh) | 2022-03-15 |
Family
ID=78389985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111078829.XA Active CN113625697B (zh) | 2021-09-15 | 2021-09-15 | 考虑任务能力变化的无人机集群可靠性评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625697B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114397907B (zh) * | 2021-12-20 | 2024-03-26 | 北京航空航天大学 | 一种基于多智能体的集群自适应重构行为建模方法 |
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 |
CN115695209B (zh) * | 2022-09-23 | 2024-06-07 | 西安电子科技大学 | 基于图模型的反制无人机蜂群评估方法 |
CN117714304B (zh) * | 2024-02-05 | 2024-04-12 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109104328B (zh) * | 2018-06-14 | 2020-09-18 | 北京航空航天大学 | 一种基于复杂网络的集群系统可靠性测评方法 |
CN109582040B (zh) * | 2019-01-25 | 2021-08-06 | 中国人民解放军国防科技大学 | 一种无人机集群队形及性能脆弱性评估方法及系统 |
KR102167745B1 (ko) * | 2020-07-28 | 2020-10-19 | 주식회사 라젠 | Ai 및 빅데이터 기반의 무인 항공기 및 유인 항공기의 시험 및 시험장 통합 관리 서비스 시스템 |
CN112801539A (zh) * | 2021-02-23 | 2021-05-14 | 中国人民解放军国防科技大学 | 无人机集群任务的柔变网络架构动态调度模型 |
CN113316118B (zh) * | 2021-05-31 | 2022-07-19 | 中国人民解放军国防科技大学 | 基于任务认知的无人机集群网络自组织系统及方法 |
-
2021
- 2021-09-15 CN CN202111078829.XA patent/CN113625697B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113625697A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113625697B (zh) | 考虑任务能力变化的无人机集群可靠性评估方法和系统 | |
CN109492830B (zh) | 一种基于时空深度学习的移动污染源排放浓度预测方法 | |
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN115564114B (zh) | 一种基于图神经网络的空域碳排放短期预测方法及系统 | |
Santra et al. | Efficient community re-creation in multilayer networks using boolean operations | |
CN115828140A (zh) | 邻域互信息与随机森林相融合故障检测方法、系统及应用 | |
CN112632765B (zh) | 一种加权和法与sem法结合的作战能力评估方法 | |
CN113657814B (zh) | 一种航空网络风险预测方法及风险等级评估方法 | |
CN111915022B (zh) | 滑移式岩溶危岩稳定系数快速识别的高斯过程方法及装置 | |
CN108805471A (zh) | 基于复合系统作用关系分析的水资源承载能力评价方法 | |
CN114819344B (zh) | 一种基于关键影响因子的全局时空气象农灾预测方法 | |
CN107295537A (zh) | 一种测评无线传感器网络可靠性的方法及系统 | |
CN111178633A (zh) | 基于随机森林算法预测景区客流量的方法和装置 | |
CN110598914B (zh) | 一种多因素影响下矿井灾害气体浓度区间预测方法及系统 | |
CN113688465B (zh) | 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 | |
CN111985119B (zh) | 基于HarmonySE和CBAM的架构权衡分析方法 | |
CN113779881A (zh) | 致密含水气藏产能预测方法、装置及设备 | |
CN116882584A (zh) | 一种航班延误预测方法及系统 | |
CN115907079B (zh) | 一种基于注意力时空图卷积网络的空域交通流量预测方法 | |
CN111912393A (zh) | 基于水面移动机器人的水文环境监测方法 | |
CN114254828B (zh) | 一种基于混合卷积特征提取器和gru的电力负荷预测方法 | |
CN116205318A (zh) | 一种基于lstm的时间序列滑坡数据预测方法 | |
CN115619105B (zh) | 基于仿真大数据的动态演化体系能力分析方法和系统 | |
CN115936309B (zh) | 基于多特征因素集成评价的建筑物健康监测方法及系统 | |
Ni | [Retracted] Modeling and Optimization Analysis of Ancient Building Construction Rule Components Based on Deep Learning |
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 |