【技术实现步骤摘要】
无人机自主控制系统智能分层递阶控制选择方法
[0001]本专利技术涉及无人机自组织网络领域,具体地,涉及一种基于图神经网络的SDN控制器选举技术,尤其是无人机自主控制系统智能分层递阶控制选择方法。
技术介绍
[0002]移动无线通信网络根据网络使用方式分为两类:一是具备通信设施的移动通信网络,如无线局域网等。二是无基础设施的移动网络,如无线传感器网等。在环境作业、紧急情况救援(如自然灾害)、野外探险、临时会议等特殊场合下,因情况紧急网络通信需具备实时性,故需要一种能快速自组织的网络技术,该技术称为无线自组织网络通信技术,又称移动 MANET网(MANET)通信技术。
[0003]MANET是一种完全去中心化系统,具有自组织能力,因此可以提供所需的稳健性和扩展性。不过,当前在边缘部署的MANET,仅具备基本功能,深受由于网络拓扑变化而带来的配置需求复杂和协议开销大等问题的困扰。MANET的主要挑战之一是如何实现高效路由,已提出了优化链路状态路由(OLSR)等多种协议解决这一问题。由于网络拓扑频繁变化,这些方案可能造成连接断续或长时间断开,甚至产生过高的协议开销。这些协议也不够灵活。从某种程度上说,MANET的完全去中心化体系是其未能普遍使用的一个主要原因,而SDN则可以提供集中控制和全网视图从而改进MANE,TSDN有助于实现灵活路由和动态传输级决策,实现基于特定任务标准和NTK限制的信息流转。MANET网络中各网络节点通过路由转发功能进行信息交互与服务共享,该网络不同于传统网络的最大特点是不需要任何基础设施的 ...
【技术保护点】
【技术特征摘要】
1.一种无人机自主控制系统智能分层递阶控制选择方法,其特征在于:在移动自组织网络MANET的分层结构中,整个无人机网络按照簇算法分簇规则划分为多个簇,即若干个子网,然后再按照簇算法规则在每个簇中选出簇头节点,除簇头以外的节点则为成员节点,构建无人机自组织网络模型;无人机自组织网络模型将各个簇内部的交互为SDN网络的第一层,簇间节点的交互为网络的第二层,并将分层结构再细分为单频分层和多频分层两种结构,对于不同层的节点采用多个频率进行通信,簇头节点和簇内节点进行内部通信时使用频率f1,簇头节点之间形成的高一层网络之间进行通信时使用频率f2;基于图神经网络GNN为每一个子网选择选择一个控制节点用于部署SDN控制器来管理网络,动态调整分层MANET网络的控制节点,,离线训练GNN网络设定一个受信任的节点,收集整个MANET网络所有节点的信息;在线簇头选举中,受信任节点将整个网络的信息输入训练好的GNN网络,根据GNN网络的输出结果,通过SDN控制器选举,分解为控制器可执行的控制序列,将SDN控制器选举结果分发给MANET网络的所有节点,深度强化学习训练出状态值函数,结合图神经网络和强化学习进行求解关于包含了若干个SDN控制器节点无向图G,在每一次迭代中进行线簇头选举,选出最终解的一个节点,经过N次迭代获得最终解。2.如权利要求所述的无人机自主控制系统智能分层递阶控制选择方法,其特征在于:在线簇头选举中,离线训练GNN网络设定一个受信任的节点,收集整个MANET网络所有节点的信息,在每一次迭代将整个网络的状态为输入进行图嵌入,经过N轮图嵌入后,网络中节点的信息和边的信息将聚合到各个节点上,为节点生成一个特征向量,然后将图神经网络的状态S聚合到每个节点上,用各个节点的特征向量及整个网络的特征向量得到状态值函数,供控制器节点的选择;受信任节点将整个网络的状态信息输入到训练好的GNN网络,根据GNN网络输出结果,将控制器选举结果分发给MANET网络的所有节点。3.如权利要求1所述的无人机自主控制系统智能分层递阶控制选择方法,其特征在于:在移动自组织网络MANET的分层中,无人机自组织网络模型根据MANET网络的M个无人机节点N间的通信时延E,将实际无人机网络建模成一个无向图G=(N,E),将此无人机网络划分为各个簇不交叉的K个簇p,在每个簇内选择一个节点作为管理簇内成员的控制器节点;受信任节点根据GNN网络控制器选举的输出结果,深度强化学习训练出状态值函数,结合图神经网络和强化学习进行求解关于图的包含若干个控制器节点,在每一次迭代中进行线簇头选举,选出最终解的一个节点,经过N次迭代获得最终解。4.如权利要求3所述的无人机自主控制系统智能分层递阶控制选择方法,其特征在于:M个无人机节点N={n1,n2,...,n
M
}和表示节点n
i
和节点n
j
间的通信时延E={e
ij
}组成无人机自组织网络模型,建模成一个无向图G=(N,E),并按照被控量偏差和偏差变化率的大小进行分层递阶控制。5.如权利要求3所述的无人机自主控制系统智能分层递阶控制选择方法,其特征在于:通信时延E={e
ij
}包括:SDN控制器与其管理的簇内节点的通信时延D1(L)和控制器之间同步全局信息、同步控制信息的时延D2(L),即即SDN控制器选取的时延整体最小min D(L)=D1(L)+βD2(L)其中,D1表示簇内节点的通信时延,D2表示控制器之间同步全局信息、同步控制信息的
时延,L表示选择的控制节点,p
i
表示第i个簇的节点集合,f
ij
表示节点i和节点j发生通信业务需求的概率,e
ji
表示节点i和节点j的通信时延,表示簇i的控制器和簇j的控制器发生通信的概率,f
mn
表示节点m和节点n发生通信的概率,m表示簇i内的一个节点,n表示簇j内的一个节点,β为控制器间延迟和簇内延迟的比例系数。6.如权利要求1所述的无人机自主控制系统智能分层递阶控制选择方法,其特征在于:无人机自组织网络模型将无人机网络划分为各个簇不交叉的K个簇P={p1...
【专利技术属性】
技术研发人员:伍元胜,杜俊逸,倪大冬,肖磊,杨佩彤,
申请(专利权)人:西南电子技术研究所中国电子科技集团公司第十研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。