CN114598608A - 一种无人机网络刚性拓扑下的信息传播方法 - Google Patents
一种无人机网络刚性拓扑下的信息传播方法 Download PDFInfo
- Publication number
- CN114598608A CN114598608A CN202210212280.7A CN202210212280A CN114598608A CN 114598608 A CN114598608 A CN 114598608A CN 202210212280 A CN202210212280 A CN 202210212280A CN 114598608 A CN114598608 A CN 114598608A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- information
- information propagation
- network
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000013016 damping Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims abstract description 6
- 238000009792 diffusion process Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- H04L41/12—Discovery or management of network topologies
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
-
- 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机网络刚性拓扑下的信息传播方法,包括以下步骤:S1:随机初始化无人机网络位置;S2:确定每架无人机通信范围内的邻居集合;S3:定义信息传播系数;S4:根据信息传播系数,修改一般信息传播模型,得到非整数偏微分信息传播方程;S5:跟据每时刻无人机位置变化,信息传播系数随之动态变化,根据非整数偏微分信息传播方程更新运动状态;S6:判断无人机网络任务是否完成。本发明根据追随者无人机与领导者无人机不同距离,定义信息传播系数,实现不同位置的无人机具有不同的信息刷新率,处于不同的阻尼状态。实现无人机网络拓扑整体成刚性移动,让网络速度整体趋于一致,避免拖尾现象。
Description
技术领域
本发明涉及无人机信息传播技术领域,具体涉及一种无人机网络刚性拓扑下的信息传播方法。
背景技术
无人机网络由多个无人机甚至成千上百的无人机联合运动组成,共同执行一项复杂的任务,且超出了其各自的能力。无人机之间保持固定或变化的几何形状,并适应周边环境约束(如规避障碍物),通过机间协调完成复杂任务。这在自然界中是及其普遍和自然的,如蚁群中个体的行为都非常简单,但当蚁群聚集起来相互配合就能完成一些复杂的工作。网络中信息传播速度影响着网络对外部刺激的响应效率。通常信息传播过程一般不能用线性系统表述,所以当前大部分研究都是用非线性动力学方法来进行建模。动力学的核心使命是预测系统的变化,非线性动力学在也具有这一特点。根据一个系统过去的历史数据,再结合当前状态信息,预测系统的未来,需要知道其在微小时间尺度里的性质并列出动力学方程。目前,国内外学者所构建的信息传播动力学模型中,根据侧重点的不同,主要有基于传染病模型、博弈论模型和物理系统模型三类方法。
在网络中与邻居信息保持一致可以建模一系列问题,如自主移动代理的控制、分布式感知、粒子和群集动力学等。而无人机网络对外界刺激反应的有效性取决于网络中快速无失真的信息传播。当每架无人机与它的邻居的信息保持一致时,信息传递的速度受到每个个体能够感知和处理信息的更新速度的限制。这种基于邻域的扩散型信息传递并不能预测群集中类似超流体的信息传递。类似超流体信息传递导致径向加速度无阻尼地在集群中传播,这对于实现个体与领导者等半径轨迹至关重要。
在无人机网络拓扑下,信息的快速传递有利于网络的凝聚力。每架无人机与领导者之间无法保证信息等距离传播,导致信息在网络拓扑中信息传播速率不同。距离领导者较远的无人机受到阻尼的大,可能需要更多的时间跟随运动,减小了无人机网络转向过程中的凝聚力,将会出现拖尾现象。导致无人机网络拓扑整体成刚性位移实现困难,即无人机网络内部之间相对距离不变,外部整体速度趋于一致运动。
发明内容
本发明的目的在于提供一种无人机网络刚性拓扑下的信息传播方法,使得无人机网络拓扑整体成刚性移动。即当无人机网络进行位移时,无人机之间相对位置保持不变。提高凝聚力,避免出现拖尾现象。
为实现上述目的,本发明提供以下技术方案:一种无人机网络刚性拓扑下的信息传播方法,包括以下步骤:
S1、随机初始化无人机网络位置;多个无人机构成无人机网络拓扑时,其中存在m架领导者无人机和n架追随者无人机;每架无人机都能感知其他无人机的信息并获取相应无人机在每时刻的空间状态位置X(xi,yi.zi);
S2、确定每架无人机通信范围内的邻居集合Ni;
S4、根据信息传播系数,修改一般信息传播模型,得到非整数偏微分信息传播方程;
S5、根据S4得到的非整数偏微分信息传播方程更新运动状态;
S6、判断无人机网络是否完成任务;若未完成任务,则执行S5;若完成任务,则结束算法。
进一步的,所述S2中每架无人机通信范围内的邻居集合为:
进一步的,所述S4中一般信息传播模型为:
Ii(k+1)=Ii(k)-γΔi(k)δt
其中,Ii(k)是无人机集群中无人机i的位置信息状态;δt是更新固定的时间间隔,经过k轮刷新后的时刻为tk=kδt;γ是对齐强度;Δi(k)是计算无人机i与邻居集合中无人机之间信息的平均差异;|Ni|为集合Ni的邻居个数;
当系统处于过阻尼状态时,信息传输模型近似为阻尼波方程:
进一步的,所述S4中非整数偏微分信息传播方程为:
进一步的,所述S5具体为:
根据每个时刻无人机网络位置的改变,每架无人机的信息传播系数β也在动态改变,使得每架无人机有对应的信息传播速率;
对于距离领导者无人机距离近的无人机,β→1,动力学近似于过阻尼标准扩散信息传输:
对于距离领导者无人机距离较远的无人机,β→2,动力学近似于欠阻尼标准扩散信息传输:
有益效果:
无人机网络基于一般信息传播模型,通过局部对齐传递邻居信息时,不能保证无人机网络拓扑的稳定性。由于远离领导者的无人机信息刷新率低,转弯信息传递速度更慢,可能出现拖尾现象情况。根据与领导者不同距离,定义信息传播系数,实现不同位置的无人机具有不同的信息刷新率,处于不同的阻尼状态。即远离领导者的无人机处于欠阻尼状态,类似超流体模型实现信息的快速传递,而与靠近领导者的无人机信息刷新率小,处于过阻尼状态。实现无人机网络拓扑整体成刚性移动,让网络速度整体趋于一致,避免拖尾现象。
附图说明
图1为本发明无人机网络刚性拓扑下的信息传播方法算法流程图;
图2为一般信息传播模型运动状态示意图;
图3为非整数偏微分信息传播方程运动状态示意图;
图4为无人机网络转弯运动对比示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步说明,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
实施例1
如图1至图4所示,本实施例提供了一种无人机网络刚性拓扑下的信息传播方法,对一般信息扩散模型进行修改,定义信息传播增益β,改变一般信息传播阻尼方程偏微分阶数,让无人机处于相应的阻尼状态,获得不同的信息刷新率,使得无人机网络拓扑整体成刚性移动。即当无人机网络进行位移时,无人机之间相对位置保持不变。提高凝聚力,避免出现拖尾现象。
(1)多个无人机构成网络拓扑时,其中存在m个领导者无人机,此时,系统还存在n个动态的追随者无人机。每个领导者无人机都有追随者无人机获取其信息。考虑每个无人机仅从机载传感器(如惯性导航系统)感知到其他无人机的局部信息,获取相应无人机在每时刻的空间状态位置X(xi,yi.zi)。
(2)计算无人机处于个体通信范围r内无人机邻居集
(3)所有关于集体运动的理论描述都是基于对齐动力学的,即每个个体倾向于保持其运动方向尽可能接近于它的邻居。标准的、基于扩散的信息更新模型可以描述为:
Ii(k+1)=Ii(k)-γΔi(k)δt (2)
Ii(k)是无人机集群中无人机i的位置信息状态,不同的整数k表示更新时刻,tk=kδt,δt是更新固定的时间间隔。γ是对齐强度,如无人机进行队形变换,发动机使其对其的发力强度。Δi(k)是计算无人机i与邻居集合中无人机之间信息的平均差异。|Ni|为集合Ni的邻居个数。
(4)当更新的固定时间间隔足够小时,信息传输模型近似为阻尼波方程:
X代表无人机的空间位置。
(5)根据每架无人机与领导者的位置距离不同,定义信息传播系数β
其中,在k时刻时,Xi为当前无人机i位置,Xo为领导者无人机o位置,Xmax为距离领导者最远的无人机位置,β∈[1,2]。
(6)基于一般的信息传输模型,加入信息传播系数改变偏微分阶数,一般信息传播模型重写为:
(7)根据每个时刻无人机网络位置改变,每架无人机的信息传播系数βi也在动态改变,使得每架无人机有对应的信息传播速率。对于距离领导者无人机距离近的无人机,β→1,动力学近似于过阻尼标准扩散信息传输
对于距离领导者无人机距离较远的无人机,β→2,动力学近似于欠阻尼标准扩散信息传输,一直处于低摩擦力,可观察到类似超流体的信息传播,其径向加速度无阻力。
(8)根据无人机与领导者无人机距离不同,β的取值范围从1到2。信息传输模型是非整数阶偏微分方程。处于1到2中间时,无人机则处于过阻尼与欠阻尼之间。这使得每架无人机都可以获得合适的信息传播状态,实现无人机网络刚性拓扑。
另外,在图2、图3中,将圆点作为无人机对象,其中实心圆点为领导者,空心圆点则为跟随者。模拟了无人机网络拓扑5个不同时刻的位置和形态分布,虚线表示无人机领导者的运动轨迹,展示了无人机网络拓扑通过信息传播,整体运动趋于一致。
如图2所示,一般信息传播模型进行运动时,由于远离领导者的无人机信息刷新率低,转弯信息传递速度更慢,出现拖尾现象情况。无人机网络中无人机之间相对位置发生变化,导致工作效率降低。
根据每架无人机与领导者的位置距离不同,计算每架无人机信息传播系数βi,对一般信息传播模型进行修改得:
如图2所示,在无人机网络停止运动之前,不断更新运动方程,让无人机处于相应的阻尼状态,获得不同的信息刷新率,使得无人机网络拓扑整体成刚性移动。
如图4所示,图4(a)表示在运动时传播信息阻尼过大导致转弯反应缓慢。图4(b)表示在运动时传播信息通过非整数偏微分的信息传播系数,使得对应无人机获得不同的信息传输速率,使得无人机网络之间相对位置不变。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种无人机网络刚性拓扑下的信息传播方法,其特征在于,包括以下步骤:
S1、随机初始化无人机网络位置;多个无人机构成无人机网络拓扑时,其中存在m架领导者无人机和n架追随者无人机;每架无人机都能感知其他无人机的信息并获取相应无人机在每时刻的空间状态位置X(xi,yi.zi);
S2、确定每架无人机通信范围内的邻居集合Ni;
S3、定义信息传播系数;所述信息传播系数为β∈[1,2];其中,Xi为无人机i的位置,Xo为领导者无人机o的位置,Xmax为距离领导者最远的无人机位置;所述信息传播系数根据每时刻无人机位置变化而动态变化;
S4、根据信息传播系数,修改一般信息传播模型,得到非整数偏微分信息传播方程;
S5、根据S4得到的非整数偏微分信息传播方程更新运动状态;
S6、判断无人机网络是否完成任务;若未完成任务,则执行S5;若完成任务,则结束算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212280.7A CN114598608A (zh) | 2022-03-04 | 2022-03-04 | 一种无人机网络刚性拓扑下的信息传播方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210212280.7A CN114598608A (zh) | 2022-03-04 | 2022-03-04 | 一种无人机网络刚性拓扑下的信息传播方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114598608A true CN114598608A (zh) | 2022-06-07 |
Family
ID=81816255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210212280.7A Pending CN114598608A (zh) | 2022-03-04 | 2022-03-04 | 一种无人机网络刚性拓扑下的信息传播方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114598608A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162097A (zh) * | 2019-06-21 | 2019-08-23 | 东北大学秦皇岛分校 | 基于能耗的无人机分布式编队控制方法 |
CN112929205A (zh) * | 2021-01-22 | 2021-06-08 | 南京航空航天大学 | 一种基于元胞自动机的蜂群无人机故障传播方法 |
US20210272466A1 (en) * | 2020-02-28 | 2021-09-02 | Pablo Air Co., Ltd. | Method of avoiding collision of unmanned aerial vehicle |
CN113741522A (zh) * | 2021-09-03 | 2021-12-03 | 北京航空航天大学 | 一种基于无人机协同对峙监视的有害物扩散源搜索方法 |
-
2022
- 2022-03-04 CN CN202210212280.7A patent/CN114598608A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162097A (zh) * | 2019-06-21 | 2019-08-23 | 东北大学秦皇岛分校 | 基于能耗的无人机分布式编队控制方法 |
US20210272466A1 (en) * | 2020-02-28 | 2021-09-02 | Pablo Air Co., Ltd. | Method of avoiding collision of unmanned aerial vehicle |
CN112929205A (zh) * | 2021-01-22 | 2021-06-08 | 南京航空航天大学 | 一种基于元胞自动机的蜂群无人机故障传播方法 |
CN113741522A (zh) * | 2021-09-03 | 2021-12-03 | 北京航空航天大学 | 一种基于无人机协同对峙监视的有害物扩散源搜索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597061B (zh) | 一种多智能体完全分布式自抗扰时变编队控制方法 | |
CN108845590B (zh) | 一种时延环境下的多无人机协同编队控制方法 | |
CN111258214B (zh) | 基于有向拓扑的高阶多智能体系统固定时一致性跟踪方法 | |
Dutta et al. | A decentralized formation and network connectivity tracking controller for multiple unmanned systems | |
CN110362075B (zh) | 一种具有预设性能的无人艇输出反馈编队控制设计方法 | |
Elhaki et al. | Observer‐based neural adaptive control of a platoon of autonomous tractor–trailer vehicles with uncertain dynamics | |
CN110286691B (zh) | 基于线性微分包含的多无人机编队控制方法 | |
CN111880567A (zh) | 基于深度强化学习的固定翼无人机编队协调控制方法及装置 | |
CN112631335B (zh) | 一种基于事件触发的多四旋翼无人机固定时间编队方法 | |
CN114721275B (zh) | 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法 | |
CN109143859B (zh) | 一种基于非线性输出反馈系统的自适应一致性控制方法 | |
CN110658811A (zh) | 基于神经网络的受限移动机器人协同路径跟踪控制方法 | |
Camci et al. | End-to-end motion planning of quadrotors using deep reinforcement learning | |
CN114935943A (zh) | 一种无人机与无人车集群编队跟踪控制方法及系统 | |
CN114661066A (zh) | 一种基于强化学习的无人机集群智能避障方法 | |
CN114598608A (zh) | 一种无人机网络刚性拓扑下的信息传播方法 | |
CN111221318B (zh) | 一种基于模型预测控制算法的多机器人状态估计方法 | |
CN111007848B (zh) | 一种基于有界空间的多智能体协同作业控制方法 | |
CN110456790B (zh) | 基于自适应权重的智能网联电动汽车队列优化控制方法 | |
Duoxiu et al. | Proximal policy optimization for multi-rotor UAV autonomous guidance, tracking and obstacle avoidance | |
Ye et al. | Event-based adaptive fuzzy asymptotic tracking control of quadrotor unmanned aerial vehicle with obstacle avoidance | |
CN114265315A (zh) | 异构线性集群系统时变输出编队跟踪控制方法及系统 | |
Bian et al. | Distributed model predicted control of multi-agent systems with applications to multi-vehicle cooperation | |
Saito et al. | Performance evaluation of a DQN-based autonomous aerial vehicle mobility control method in an indoor single-path environment with a staircase | |
CN111216146A (zh) | 一种适用于网络化机器人系统的二部一致性量化控制方法 |
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 |