CN117714304A - 一种无人机集群网络健康评估方法、系统及介质 - Google Patents
一种无人机集群网络健康评估方法、系统及介质 Download PDFInfo
- Publication number
- CN117714304A CN117714304A CN202410164470.5A CN202410164470A CN117714304A CN 117714304 A CN117714304 A CN 117714304A CN 202410164470 A CN202410164470 A CN 202410164470A CN 117714304 A CN117714304 A CN 117714304A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vehicle cluster
- cluster
- importance
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 102
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 230000006870 function Effects 0.000 claims abstract description 16
- 238000011157 data evaluation Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 16
- 230000010354 integration Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000015654 memory Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Abstract
本发明公开了一种无人机集群网络健康评估方法、系统及介质,其中方法包括:基于获取的实时无人机集群路由表重建无人机集群网络拓扑;基于无人机集群任务中各无人机的功能及无人机集群网络拓扑评估得到基于任务完成可能性的无人机集群重要性向量;基于无人机集群中各无人机的状态数据评估得到无人机集群健康度向量;基于无人机集群重要性向量和无人机集群健康度向量得到无人机集群网络健康状态。通过无人机集群重要性向量和无人机集群各无人机节点健康度,计算无人机集群网络健康状态,实现无人机集群网络健康状态的准确评估。可以兼容各种不同的应用场景,对于在时序上监控无人机集群网络的健康状态具有重要意义。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及一种无人机集群网络健康评估方法、系统及介质。
背景技术
无人机集群具有低成本、大规模、高自主等特点,在军事和民用领域都有广泛应用, 无人机集群网络是无人机集群中无人机通信的桥梁,是集群生命的关键。由于无人机集群的自组网特性,每个无人机不仅是网络中的主机,也要充当路由器的角色,两台不相邻的无人机需要通过中间的无人机转发;并且由于无人机的高机动性,网络拓扑动态变化,无人机集群网络具有典型的高速Ad-hoc 网络的特点。
目前,对无人机集群组网的研究多集中于组网协议的设计,对无人机集群网络的健康,特别是和任务完成相关的网络健康的评估较少,难以实现无人机集群网络健康的准确评估。在无人机集群网络中,可能存在网络出现故障或异常导致网络不健康,但是无人机集群的任务能够顺利完成的情形,也可能出现网络处于健康状态,但是无人机集群任务无法完成的情形。因此,非常有必要在基于无人机集群任务对无人机集群网络的健康状态进行评估。
发明内容
本发明提供了一种无人机集群网络健康评估方法、系统及介质,基于无人机集群任务完成可能性实现无人机集群网络健康评估,以解决无人机集群网络拓扑快速动态变化情况下的网络健康状态评估问题。
第一方面,提供了一种无人机集群网络健康评估方法,包括如下步骤:
S1:基于获取的实时无人机集群路由表重建无人机集群网络拓扑;
S2:基于无人机集群任务中各无人机的功能及无人机集群网络拓扑评估得到基于任务完成可能性的无人机集群重要性向量;
S3:基于无人机集群中各无人机的状态数据评估得到无人机集群健康度向量;
S4:基于无人机集群重要性向量和无人机集群健康度向量得到无人机集群网络健康状态。
根据第一方面,在一种可能的实现方式中,步骤S1包括:
将无人机集群中各无人机进行节点的唯一性映射,得到无人机节点群;
根据各无人机按固定频率发送的路由表确定无人机节点间的连接关系,构建无人机集群网络拓扑。
根据第一方面,在一种可能的实现方式中,步骤S2包括:
基于无人机集群任务中各无人机的功能评估得到无人机集群的第一重要性向量;
根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量;
将无人机集群的第一重要性向量和第二重要性向量进行加权融合得到基于任务完成可能性的无人机集群重要性向量。
根据第一方面,在一种可能的实现方式中,步骤S2包括:
基于无人机集群任务中各无人机的功能评估得到无人机集群的第一重要性向量;
根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量;
基于无人机集群冗余设置评估得到无人机集群的第三重要性向量;
将无人机集群的第一重要性向量、第二重要性向量和第三重要性向量进行加权融合得到基于任务完成可能性的无人机集群重要性向量。
根据第一方面,在一种可能的实现方式中,所述根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量,包括如下评估规则中的一个或多个:
统计各无人机节点连接其他无人机节点的数量并进行排序,根据连接其他无人机节点的数量所处区间进行重要性权值分配,并将连接其他无人机节点的数量超过预设阈值的无人机节点划分为重要节点;
若某个无人机节点在无人机集群网络中无可替代节点,则分配一个对应的重要性权值;
若某个无人机节点唯一连接某个节点,保障了无人机集群网络不退化或分裂,则分配一个对应的重要性权值;
若某个无人机节点连接了重要的节点,则分配一个对应的重要性权值;
若某个无人机节点与无人机集群分割,则分配一个对应的重要性权值;
若某个无人机节点丢失,且不能再次与无人机集群联系,则分配一个对应的重要性权值;
将各无人机节点根据上述评估规则确定的重要性权值进行累加,最终得到无人机集群的第二重要性向量。
根据第一方面,在一种可能的实现方式中,所述基于无人机集群冗余设置评估得到无人机集群的第三重要性向量,包括:
确定无人机集群中的无人机冗余节点;
统计各无人机节点可被替代的无人机冗余节点数,进而得到无人机集群的第三重要性向量。
根据第一方面,在一种可能的实现方式中,步骤S3包括:
获取无人机集群中每个无人机根据其自身网络状态数据评估得到的健康度,整合后得到无人机集群健康度向量;
其中,健康度通过如下方法得到:每个无人机根据其自身网络状态数据与预设网络性能阈值,对其网络质量进行分级评估,得到其对应的健康度。
根据第一方面,在一种可能的实现方式中,步骤S3包括:
获取无人机集群中每个无人机根据其自身状态数据评估得到的健康度,整合后得到无人机集群健康度向量;
其中,状态数据包括网络状态数据、传感器状态数据、电机状态数据,每个无人机获取其自身状态数据并输入至预训练好的健康度评估模型中,得到每个无人机对应的健康度。
第二方面,提供了一种无人机集群网络健康评估系统,包括:
一个或多个存储器,其上存储有一个或多个计算机程序;
一个或多个处理器,用于加载并执行所述一个或多个计算机程序,以实现如第一方面任一项所述的无人机集群网络健康评估方法。
第三方面,提供了一种计算机可读存储介质,其上存储有一个或多个计算机程序,所述一个或多个计算机程序被一个或多个处理器执行时实现如第一方面任一项所述的无人机集群网络健康评估方法。
本发明提出了一种无人机集群网络健康评估方法、系统及介质,通过收集各无人机的路由表,重建无人机集群网络拓扑;根据无人机集群任务和无人机集群网络拓扑评估得到基于任务完成可能性的无人机集群重要性向量;通过无人机状态数据评估单个无人机健康度;通过无人机集群重要性向量和无人机集群各无人机节点健康度,计算无人机集群网络健康状态,实现无人机集群网络健康状态的准确评估。可以兼容各种不同的应用场景,对于在时序上监控无人机集群网络的健康状态具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的无人机集群网络健康评估方法流程图;
图2是本发明实施例提供的基于无人机集群任务的无人机节点重要性评估示意图,其中(a)为巡逻任务场景下的无人机节点重要性评估示意图,(b)为攻击任务场景下的无人机节点重要性评估示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
如图1所示,本发明一实施例提供了一种无人机集群网络健康评估方法,包括如下步骤:
S1:基于获取的实时无人机集群路由表重建无人机集群网络拓扑;
S2:基于无人机集群任务中各无人机的功能及无人机集群网络拓扑评估得到基于任务完成可能性的无人机集群重要性向量;
S3:基于无人机集群中各无人机的状态数据评估得到无人机集群健康度向量;
S4:基于无人机集群重要性向量和无人机集群健康度向量得到无人机集群网络健康状态。
需要说明的是,由于无人机集群网络拓扑快速变化,无人机集群任务可能出现组合或变更,基于无人机集群任务的无人机集群网络健康评估方法并非仅运行一次,而是在整个无人机集群生命周期内提供反馈能力。
在一些实施例中,步骤S1包括:
将无人机集群中各无人机进行节点的唯一性映射,得到无人机节点群;
根据各无人机按固定频率发送的路由表确定无人机节点间的连接关系,构建无人机集群网络拓扑。
由于无人机集群网络的高机动性,无人机集群的网络拓扑会随无人机集群运动而动态变化,因此无人机集群网络拓扑需要根据时间动态计算。各个无人机节点按照固定频率将其路由表发送给中心节点,中心节点根据各个无人机节点的路由表,根据节点IP将节点进行映射到相应的ID号,若存在多个IP,则同一节点的多个IP也映射到同一ID号;经过映射之后,对数据进行汇总整理,则可以直接得到整个无人机集群网络的拓扑结构。
具体实施时,无人机集群网络拓扑可以采用邻接矩阵表示或图G=(V,E)表示。
当采用邻接矩阵表示时,首先将初始化为的单位矩阵(对角线全部置为1,其余置
为0),n为无人机节点的总数,根据各无人机节点的路由表,将存在路由连接关系的两个无
人机节点在矩阵中对应的位置的数值置为1,即可得到表征无人机集群网络拓扑。该邻接矩
阵具有如下性质:首先邻接矩阵是一个方阵;鉴于无人机集群的连通性可能会比较低,因此
该矩阵是一个稀疏阵;此外由于无人机集群通信具有对称性,是一个对称阵。当采用图
G=(V,E)表示时,其中V表示无人机节点的集合,E表示根据各无人机节点的路由表确定的所
有存在路由连接关系的有向边的集合。
在一些实施例中,步骤S2包括:
S21:基于无人机集群任务中各无人机的功能评估得到无人机集群的第一重要性
向量,第一重要性向量表示如下:
式中,表示第n个无人机的第一重要性权值。
具体实施时,需要根据任务场景确定无人机的功能对于完成任务的重要性去评估不同无人机的重要性。如图2中(a)所示,在巡逻任务场景下,每个无人机均需要对地面一定区域进行监控,若地面区域没有重要性差别,则所有的巡逻无人机一般具有同等的重要性;但是若某些无人机的巡逻区域中包含了重点监控区域,则该无人机的重要性也相应高于别的无人机,在图中可以看出,无人机节点2、3的重要性高于节点1、4,且由于节点2监控的重点区域多于节点3,则节点2的重要性也应当高于节点3。如图2中(b)所示,在攻击任务场景下,有的无人机负责携带武器,打击目标,有的无人机负责与地面站或地面指挥中心保持通信,接收命令,若缺乏了相应的节点,则攻击任务无法完成,再结合网络拓扑进行分析,则对应的节点1、4重要性要高于其他节点2、3、5和6。对于其他的任务场景的分析方法与上述方法相同,不再一一列举。
还需要特别强调的是,在集群存在多个任务的场景下,考虑多种情况。若各个任务存在时序上的先后关系,则对于无人机集群网络中无人机节点的重要性评估根据任务的切换而动态改变,例如:当无人机集群从任务A切换到任务B后,则针对任务A的第一重要性向量失效,重新基于任务B评估无人机集群第一重要性向量。若集群的各个任务在时间上有重叠,即一个无人机集群同时负责多个任务,或在进行一个任务过程中又新增了另外的任务,考虑到这种情况,需要对无人机集群重要性在多任务场景下重新进行评估,在多任务同时进行场景下,对于无人机集群中无人机节点的重要性评估需要考虑到执行任务的无人机是否存在叠加情况,即一个无人机同时负责多个任务。若无人机集群的多个任务分配到不同簇的无人机,不存在一个无人机负担多个任务的情况,则直接对各个任务的簇进行重要性评估,然后整合到同一个第一重要性向量中。若存在一个无人机负责多个任务,则对该无人机在多个任务中的重要性进行叠加,最后整合得到多个任务的第一重要性向量。
S22:根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量,
第二重要性向量表示如下:
式中,表示第n个无人机的第二重要性权值。
具体地,根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量的方法中,通过设置评估规则对无人机节点重要性进行评估,评估规则包括如下中的一个或多个:
(1)统计各无人机节点连接其他无人机节点的数量并进行排序,根据连接其他无人机节点的数量所处区间进行重要性权值分配,并将连接其他无人机节点的数量超过预设阈值的无人机节点划分为重要节点;
(2)若某个无人机节点在无人机集群网络中无可替代节点,则分配一个对应的重要性权值;
(3)若某个无人机节点唯一连接某个节点,保障了无人机集群网络不退化或分裂,则分配一个对应的重要性权值;
(4)若某个无人机节点连接了重要的节点,则分配一个对应的重要性权值;
(5)若某个无人机节点与无人机集群分割,则分配一个对应的重要性权值;
(6)若某个无人机节点丢失,且不能再次与无人机集群联系,则分配一个对应的重要性权值;
根据上述评估规则,计算无人机集群中的每个无人机节点的重要性,每个规则都对应有不同的节点重要性权值,所有无人机节点的初始重要性权值均为0,若符合该规则,则将其值加对应的重要性权值;同时,考虑到节点可能符合多个规则,则对应节点的重要性权值进行累加,最终得到无人机集群的第二重要性向量。具体实施时,评估规则(1)中根据连接其他无人机节点的数量所处区间分配不同的重要性权值,数量越大,重要性权值越大;若满足评估规则(2)、(3)、(4),则说明其重要性相对较高,分配一个较高的重要性权值;若满足评估规则(5)和(6),则说明其重要性相对较低,分配一个较低的重要性权值。具体实施时,评估规则(1)、(2)、(3)、(4)中分配的重要性权值均为正数,评估规则(5)和(6)中分配的重要性权值均为负数,且各无人机节点最终的重要性不小于零。
结合无人机集群网络拓扑,可以很方便地实现基于图论对无人机节点重要性进行评估。首先对无人机集群网络拓扑进行广度优先遍历,得到所有无人机节点连接其他无人机节点数量的排序,根据排序对节点进行重要性划分,得到重要节点;再遍历这个无人机集群网络拓扑后,分析无人机集群网络拓扑可以很高效的得到具有唯一连接性的中间节点;根据网络拓扑,可以直接查询到连接重要节点的节点、是否存在可替代节点、是否与无人机集群分割、是否存在无人机节点丢失等情况。
S23:将无人机集群的第一重要性向量和第二重要性向量进行加权求和,再进行归一化处理,得到基于任务完成可能性的无人机集群重要性向量。需说明的是,基于任务的无人机集群节点重要性向量具有最重要的属性,第一重要性向量加权值大于第二重要性向量的加权值。
具体应用场景下,出于系统安全的考虑,要保证系统的稳定性,在合理范围内增加系统中的冗余是有必要的。因此在一些无人机集群中也会存在某些无人机,其存在的目的是为某些重要节点提供备份作用,当重要节点发生故障时代替故障节点发挥作用,保障整个无人机集群网络不发生崩溃。出于成本的考量,如果给每个无人机都配备冗余,则成本过高,因此考虑一个冗余无人机为多个无人机做备份,集群中可能需要连续k个无人机出现故障才会导致集群网络失效或者任务无法完成。基于此情况,在本发明的一些优选实施例中,步骤S2包括:
S210:基于无人机集群任务中各无人机的功能评估得到无人机集群的第一重要性向量,此步骤与前述S21相同,不再赘述。
S220:根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量,此步骤与前述S22相同,不再赘述。
S230:基于无人机集群冗余设置评估得到无人机集群的第三重要性向量,第三重
要性向量表示如下:
式中,表示第n个无人机的第三重要性权值。
具体地,所述基于无人机集群冗余设置评估得到无人机集群的第三重要性向量,包括:
确定无人机集群中的无人机冗余节点;
统计各无人机节点可被替代的无人机冗余节点数,进而得到无人机集群的第三重要性向量。
需说明的是,若某个无人机节点为冗余节点,则其第三重要性权值设置为0,但当其替代的无人机节点发生故障时,则根据替代后的集群网络拓扑中该无人机节点可被替代的无人机冗余节点数重新分配第三重要性权值。
S240:将无人机集群的第一重要性向量、第二重要性向量和第三重要性向量进行加权融合得到基于任务完成可能性的无人机集群重要性向量。
具体地,首先对三个重要性向量进行加权,基于任务所得的第一重要性向量具有
最重要的属性,因此其所占的权重也最大,假定其权值为;此外由于需要考虑到节点的实
际情况,因此基于图论所得的第二重要性向量也应当具有较大的权重,其权值为;最后,
由于任务中可能也会考虑到冗余的情况,因此基于冗余所得的第三重要性向量所占的权重
应当较小,其权值为,三个权值满足,且。
根据加权方案,对各个重要性向量进行加权并求和,得到初始基于任务完成可能性的无人机集群重要性向量;由于权重向量可能模长不为1,导致后续计算健康度时导致偏差无法进行统一比较,为保证健康状态在时序上具有可比性,因此将该初始基于任务完成可能性的无人机集群重要性向量进行归一化,得到最终的基于任务完成可能性的无人机节点重要性向量,并表示如下:
式中,表示最终的基于任务完成可能性的无人机节点重要性向量。
在实现步骤S3中基于无人机集群中各无人机的状态数据评估得到无人机集群健康度向量的过程中,考虑到无人机的算力性能,本发明实施例提出了两种实现方案,将单个无人机的健康状态进行分级,每个健康等级对应于0~1范围内不同区间内的数值。
第一种实现方案为简单方案,具体包括:获取无人机集群中每个无人机根据其自
身网络状态数据评估得到的健康度,整合后得到无人机集群健康度向量;其中,健康度通过
如下方法得到:每个无人机根据其自身网络状态数据与预设网络性能阈值,对其网络质量
进行分级评估,得到其对应的健康度。此方案下得到的无人机集群健康度向量表示如下:
式中,表示第n个无人机的健康度。
通过无人机集群网络的Ad-hoc网络特性,在不增加额外发送数据报文的情况下,仅需要增加少数字段,即可让中心节点得到单个无人机节点健康度。对于单个无人机的健康度评估,通过收集无人机节点的延迟、实际带宽、丢包率、数据包的平均路由跳数等基本网络状态参数。单个无人机的健康度表示如下:
式中,表示第v个无人机的健康度;的计算方法如下,
对于每个网络状态参数设置两个阈值,第一阈值和第二阈值将整个区间分为三个区间。在
计算无人机健康度时,考虑到其处于不同的区间,采用不同的数值带入计算。处于第一阈值
以内的网络状态参数,其值为0;当处于第一阈值与第二阈值之间时,其值为一个较小负数;
当处于第二阈值之外时,其值为一较大负数。将所有的网络状态参数根据上述规则确定的
值进行加权求和即可得到。需要说明的是,为保证为0~1之间
的值,则应当在-1~0之间,其加权求和过程中各网络状态参数
的权值大小,需根据各个网络状态参数所占的重要性来设置。
第二种实现方案为复杂方案,具体包括:获取无人机集群中每个无人机根据其自
身状态数据评估得到的健康度,整合后得到无人机集群健康度向量;其中,状态数据包括网
络状态数据、传感器状态数据、电机状态数据,每个无人机获取其自身状态数据并输入至预
训练好的健康度评估模型中,得到每个无人机对应的健康度。此方案下得到的无人机集群
健康度向量表示如下:
式中,表示第n个无人机的健康度。复杂方案与简单方案的不同之处在于,其除
了需要收集网络状态数据以外,还需要额外的辅助信息帮助判断整机的健康状态,这些额
外信息包括传感器状态数据、电机状态数据等,通过预训练的健康度评估模型时间将康定
评估,其中健康度评估模型可以采用聚类实现分类的模型(计算到各个聚类中心的距离得
到所属类别,根据所属类别确定对应的重要度),或者健康度评估模型采用拟合的经验公式
直接计算重要度,使得能够在低算力的无人机上直接得到各无人机的健康度。
根据已得到的无人机集群重要性向量和无人机集群健康度向量可以直接计算得
到无人机集群网络健康状态,表示为:。
计算所得为无人机集群基于任务完成可能性的无人机集群网络健康状态,由于
前面对做了归一化处理,因此方便对基于时序的无人机集群网络健康状态进行比较,可
以看出无人机集群网络健康状态的变化情况。
上述实施例提供的无人机集群网络健康评估方法,通过收集各无人机的路由表,重建无人机集群网络拓扑;根据无人机集群任务和无人机集群网络拓扑评估得到基于任务完成可能性的无人机集群重要性向量;通过无人机状态数据评估单个无人机健康度;通过无人机集群重要性向量和无人机集群各无人机节点健康度,计算无人机集群网络健康状态,实现无人机集群网络健康状态的准确评估。可以兼容各种不同的应用场景,对于在时序上监控无人机集群网络的健康状态具有重要意义。同时,其具备如下有益效果:
(1)通用性。本方案适用于多种类型的无人机集群,首先将无人机集群等效为相同数量的无人机节点,然后根据任务、无人机集群网络拓扑评估各个无人机节点的重要性,能够被用于无人机集群中存在多类型无人机的复杂集群中。
(2)网络健康评估的高可行性。本方案提出的方法在计算上是可行的,对于无人机的算力要求低,且方案简单易行,能够快速高效的对无人机集群的网络健康进行评估。
(3)从任务角度出发评估无人机集群网络健康。本方案从任务的角度出发评估无人机集群的网络健康,与传统的网络健康评估只关心网络指标不同,本方案不仅关注网络指标,同时结合任务的特性,对于无人机集群能否完成任务,以及集群中出现故障对无人机集群健康造成的影响进行评估,对集群控制、算法优化等提供依据。
(4)本方案考虑多任务场景下的无人机集群中节点重要性评估方案。针对存在多种任务的无人机集群中无人机节点重要性进行动态评估,保障在多重任务场景下的无人机节点重要性评估准确性,确保集群网络健康状态真实反映任务完成可能性。
本发明的一实施例提供了一种无人机集群网络健康评估系统,包括:
一个或多个存储器,其上存储有一个或多个计算机程序;
一个或多个处理器,用于加载并执行所述一个或多个计算机程序,以实现如上述任一实施例所述的无人机集群网络健康评估方法。
本发明的一实施例提供了一种计算机可读存储介质,其上存储有一个或多个计算机程序,所述一个或多个计算机程序被一个或多个处理器执行时实现如上述任一实施例所述的无人机集群网络健康评估方法。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种无人机集群网络健康评估方法,其特征在于,包括如下步骤:
S1:基于获取的实时无人机集群路由表重建无人机集群网络拓扑;
S2:基于无人机集群任务中各无人机的功能及无人机集群网络拓扑评估得到基于任务完成可能性的无人机集群重要性向量;
S3:基于无人机集群中各无人机的状态数据评估得到无人机集群健康度向量;
S4:基于无人机集群重要性向量和无人机集群健康度向量得到无人机集群网络健康状态。
2.根据权利要求1所述的无人机集群网络健康评估方法,其特征在于,步骤S1包括:
将无人机集群中各无人机进行节点的唯一性映射,得到无人机节点群;
根据各无人机按固定频率发送的路由表确定无人机节点间的连接关系,构建无人机集群网络拓扑。
3.根据权利要求1所述的无人机集群网络健康评估方法,其特征在于,步骤S2包括:
基于无人机集群任务中各无人机的功能评估得到无人机集群的第一重要性向量;
根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量;
将无人机集群的第一重要性向量和第二重要性向量进行加权融合得到基于任务完成可能性的无人机集群重要性向量。
4.根据权利要求1所述的无人机集群网络健康评估方法,其特征在于,步骤S2包括:
基于无人机集群任务中各无人机的功能评估得到无人机集群的第一重要性向量;
根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量;
基于无人机集群冗余设置评估得到无人机集群的第三重要性向量;
将无人机集群的第一重要性向量、第二重要性向量和第三重要性向量进行加权融合得到基于任务完成可能性的无人机集群重要性向量。
5.根据权利要求3或4所述的无人机集群网络健康评估方法,其特征在于,所述根据无人机集群网络拓扑基于图论评估得到无人机集群的第二重要性向量,包括如下评估规则中的一个或多个:
统计各无人机节点连接其他无人机节点的数量并进行排序,根据连接其他无人机节点的数量所处区间进行重要性权值分配,并将连接其他无人机节点的数量超过预设阈值的无人机节点划分为重要节点;
若某个无人机节点在无人机集群网络中无可替代节点,则分配一个对应的重要性权值;
若某个无人机节点唯一连接某个节点,保障了无人机集群网络不退化或分裂,则分配一个对应的重要性权值;
若某个无人机节点连接了重要的节点,则分配一个对应的重要性权值;
若某个无人机节点与无人机集群分割,则分配一个对应的重要性权值;
若某个无人机节点丢失,且不能再次与无人机集群联系,则分配一个对应的重要性权值;
将各无人机节点根据上述评估规则确定的重要性权值进行累加,最终得到无人机集群的第二重要性向量。
6.根据权利要求4所述的无人机集群网络健康评估方法,其特征在于,所述基于无人机集群冗余设置评估得到无人机集群的第三重要性向量,包括:
确定无人机集群中的无人机冗余节点;
统计各无人机节点可被替代的无人机冗余节点数,进而得到无人机集群的第三重要性向量。
7.根据权利要求1所述的无人机集群网络健康评估方法,其特征在于,步骤S3包括:
获取无人机集群中每个无人机根据其自身网络状态数据评估得到的健康度,整合后得到无人机集群健康度向量;
其中,健康度通过如下方法得到:每个无人机根据其自身网络状态数据与预设网络性能阈值,对其网络质量进行分级评估,得到其对应的健康度。
8.根据权利要求1所述的无人机集群网络健康评估方法,其特征在于,步骤S3包括:
获取无人机集群中每个无人机根据其自身状态数据评估得到的健康度,整合后得到无人机集群健康度向量;
其中,状态数据包括网络状态数据、传感器状态数据、电机状态数据,每个无人机获取其自身状态数据并输入至预训练好的健康度评估模型中,得到每个无人机对应的健康度。
9.一种无人机集群网络健康评估系统,其特征在于,包括:
一个或多个存储器,其上存储有一个或多个计算机程序;
一个或多个处理器,用于加载并执行所述一个或多个计算机程序,以实现如权利要求1至8任一项所述的无人机集群网络健康评估方法。
10.一种计算机可读存储介质,其上存储有一个或多个计算机程序,其特征在于,所述一个或多个计算机程序被一个或多个处理器执行时实现如权利要求1至8任一项所述的无人机集群网络健康评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410164470.5A CN117714304B (zh) | 2024-02-05 | 2024-02-05 | 一种无人机集群网络健康评估方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410164470.5A CN117714304B (zh) | 2024-02-05 | 2024-02-05 | 一种无人机集群网络健康评估方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117714304A true CN117714304A (zh) | 2024-03-15 |
CN117714304B CN117714304B (zh) | 2024-04-12 |
Family
ID=90151972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410164470.5A Active CN117714304B (zh) | 2024-02-05 | 2024-02-05 | 一种无人机集群网络健康评估方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117714304B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765968A (zh) * | 2015-04-21 | 2015-07-08 | 合肥工业大学 | 一种无人机系统健康状态测评装置 |
DE102017108733A1 (de) * | 2017-03-21 | 2018-09-27 | Amal Mohamed Sayed Mohamadin | System und Methoden zur Fernüberwachung von Drohnen und Luftfahrzeugen zur Überwachung von Sicherheit und Gesundheit |
US10663529B1 (en) * | 2015-09-25 | 2020-05-26 | Amazon Technologies, Inc. | Automatic battery charging |
CN113438620A (zh) * | 2021-05-27 | 2021-09-24 | 西安工业大学 | 一种无人机集群中心节点最优选择方法 |
CN113489605A (zh) * | 2021-06-29 | 2021-10-08 | 南京航空航天大学 | 一种基于健康度的网络节点重要度评估方法 |
CN113625697A (zh) * | 2021-09-15 | 2021-11-09 | 北京航空航天大学 | 考虑任务能力变化的无人机集群可靠性评估方法和系统 |
CN113743461A (zh) * | 2021-07-29 | 2021-12-03 | 中国人民解放军军事科学院国防科技创新研究院 | 无人机集群健康度评估方法及装置 |
CN114091268A (zh) * | 2021-11-24 | 2022-02-25 | 南京航空航天大学 | 一种基于节点重要度与层次分析法的无人机健康状况评估方法 |
CN116244647A (zh) * | 2022-12-11 | 2023-06-09 | 海南大学 | 一种无人机集群的运行状态估计方法 |
US20230353495A1 (en) * | 2022-04-27 | 2023-11-02 | Pure Storage, Inc. | Distributed Service Throttling in a Container System |
CN117217946A (zh) * | 2022-12-30 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 一种传播影响力的确定方法、装置、设备及存储介质 |
CN117390541A (zh) * | 2023-10-12 | 2024-01-12 | 中国人民解放军国防科技大学 | 一种基于行为轨迹的无人机集群个体重要性评估方法及系统 |
-
2024
- 2024-02-05 CN CN202410164470.5A patent/CN117714304B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765968A (zh) * | 2015-04-21 | 2015-07-08 | 合肥工业大学 | 一种无人机系统健康状态测评装置 |
US10663529B1 (en) * | 2015-09-25 | 2020-05-26 | Amazon Technologies, Inc. | Automatic battery charging |
DE102017108733A1 (de) * | 2017-03-21 | 2018-09-27 | Amal Mohamed Sayed Mohamadin | System und Methoden zur Fernüberwachung von Drohnen und Luftfahrzeugen zur Überwachung von Sicherheit und Gesundheit |
CN113438620A (zh) * | 2021-05-27 | 2021-09-24 | 西安工业大学 | 一种无人机集群中心节点最优选择方法 |
CN113489605A (zh) * | 2021-06-29 | 2021-10-08 | 南京航空航天大学 | 一种基于健康度的网络节点重要度评估方法 |
CN113743461A (zh) * | 2021-07-29 | 2021-12-03 | 中国人民解放军军事科学院国防科技创新研究院 | 无人机集群健康度评估方法及装置 |
CN113625697A (zh) * | 2021-09-15 | 2021-11-09 | 北京航空航天大学 | 考虑任务能力变化的无人机集群可靠性评估方法和系统 |
CN114091268A (zh) * | 2021-11-24 | 2022-02-25 | 南京航空航天大学 | 一种基于节点重要度与层次分析法的无人机健康状况评估方法 |
US20230353495A1 (en) * | 2022-04-27 | 2023-11-02 | Pure Storage, Inc. | Distributed Service Throttling in a Container System |
CN116244647A (zh) * | 2022-12-11 | 2023-06-09 | 海南大学 | 一种无人机集群的运行状态估计方法 |
CN117217946A (zh) * | 2022-12-30 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 一种传播影响力的确定方法、装置、设备及存储介质 |
CN117390541A (zh) * | 2023-10-12 | 2024-01-12 | 中国人民解放军国防科技大学 | 一种基于行为轨迹的无人机集群个体重要性评估方法及系统 |
Non-Patent Citations (3)
Title |
---|
SYEED, MS 等: "Pneumococcal Vaccination in Children: A Systematic Review and Meta-Analysis of Cost-Effectiveness Studies", VALUE IN HEALTH, 27 June 2023 (2023-06-27), pages 598 - 611 * |
姚鑫等: "一种基于SiamRPN的无人机目标跟踪及控制算法", 系统仿真学报, 30 June 2023 (2023-06-30), pages 1370 - 1380 * |
罗贺;秦英祥;王国强;胡笑旋;: "一种无人机侦察能力评估模型", 火力与指挥控制, no. 02, 15 February 2016 (2016-02-15), pages 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN117714304B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiu et al. | An energy-efficient and distributed cooperation mechanism for $ k $-coverage hole detection and healing in WSNs | |
Cortes et al. | Coverage control for mobile sensing networks | |
Yanmaz et al. | A discrete stochastic process for coverage analysis of autonomous UAV networks | |
CN110740054B (zh) | 一种基于强化学习的数据中心虚拟化网络故障诊断方法 | |
CN102316496A (zh) | 无线传感器网络中基于卡尔曼滤波的数据融合方法 | |
CN111784211B (zh) | 一种基于分簇的群体多任务分配方法及存储介质 | |
US11652709B2 (en) | Managing computation load in a fog network | |
CN114422325A (zh) | 内容分发网络异常定位方法、装置、设备及存储介质 | |
CN113746798B (zh) | 基于多维度分析的云网络共享资源异常根因定位方法 | |
CN116390138B (zh) | 一种基于数字孪生网络的故障诊断方法及相关设备 | |
Wang et al. | Reputation-enabled federated learning model aggregation in mobile platforms | |
Pavlenko et al. | Criterion of cyber-physical systems sustainability | |
Ramachandran et al. | Resilience in multi-robot target tracking through reconfiguration | |
Kang et al. | Multi-objective optimized connectivity restoring of disjoint segments using mobile data collectors in wireless sensor network | |
Majd et al. | Placement of smart mobile access points in wireless sensor networks and cyber-physical systems using fog computing | |
Hideg et al. | Data collection for widely distributed mass of sensors | |
CN117714304B (zh) | 一种无人机集群网络健康评估方法、系统及介质 | |
Weikert et al. | Availability-Aware Multiobjective Task Allocation Algorithm for Internet of Things Networks | |
CN112333147A (zh) | 一种核电厂dcs平台网络运行态势感知方法及系统 | |
CN107257565B (zh) | 基于能量和传输的无线传感器网络可靠性计算方法 | |
WO2020140419A1 (zh) | 网络流量增量统计、分析方法及系统 | |
CN114205214A (zh) | 一种电力通信网络故障识别方法、装置、设备及存储介质 | |
Sen et al. | Distributed training for deep learning models on an edge computing network using shielded reinforcement learning | |
CN114595052A (zh) | 一种基于图分割算法的分布式通信负载均衡方法 | |
CN112766633B (zh) | 基于流量平衡的电力无线异构网络管理方法及装置 |
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 |