无人机自主控制系统智能分层递阶控制选择方法技术方案

本发明专利技术公开的一种无人机自主控制系统智能分层递阶控制选择方法，能够缩短控制器控制MANET网络的时延，提高MANET网络对动态环境的适应能力。本发明专利技术通过下述技术方案实现：在分层结构中，构建无人机自组织网络模型；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，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网络控制节点，通过SDN控制器选举，将选举结果分发给MANET网络的所有节点，求解关于包含了若干个SDN控制器节点无向图G，选出最终解的一个节点，经过N次迭代获得最终解。经过N次迭代获得最终解。经过N次迭代获得最终解。

【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支持，就能实现网络通信，因其自身优势，使得在未来各领域中的应用需求日益增大，可以在紧急情况下通过临时组网来实现各网络节点之间多种数据类型(如图形、图像和数据等)的网络通信，应用范围逐步扩展到家庭、工业、医疗等众多场合。
[0004]MANET网络的组网方式可以分为两种：一种是一级平面组网方式，这种网络结构简单，其中所有的节点地位平等，共同分担网络负荷，在每对源节点和目的节点之间的数据传输路径可能不止一条，这种结构的缺点在于可扩展性差，如果网络规模不断增大、每个节点的移动性增强，那么维护动态路由就需要耗费大量控制信息，因此这种结构只适应于小规模 MANET网络。另外一种是分层组网方式在软件定义网络SDN(Software Defined Network)，是Emulex网络一种新型网络创新架构，是网络虚拟化的一种实现方式，其核心技术 OpenFlow通过将网络设备控制面与数据面分离开来，从而实现了网络流量的灵活控制，使网络作为管道变得更加智能。SDN给网络设计规划与管理提供了极大的灵活性，可以选择集中式或是分布式的控制，对微量流或是聚合流(如主干网的流)进行转发时的流表项匹配，可以选择虚拟实现或是物理实现。传统IT架构中的网络，根据业务需求部署上线以后，如果业务需求发生变动，重新修改相应网络设备(路由器、交换机、防火墙)上的配置是一件非常繁琐的事情。在互联网/移动互联网瞬息万变的业务环境下，网络的高稳定与高性能还不足以满足业务需求，灵活性和敏捷性反而更为关键。SDN所做的事是将网络设备上的控制权分离出来，由集中的控制器管理，无须依赖底层网络设备(路由器、交换机、防火墙)，屏蔽
了来自底层网络设备的差异。在SDN网络中控制器作为统一的控制平面，承担着整个网络的大脑的作用。一旦SDN控制器出现故障，将会使整个网络的控制平面瘫痪，引发整网中断事故。软件定义网络SDN是一种新型的网络架构，它将网络的控制平面与数据平面分离，逻辑上集中式的控制平面使网络变的可编程、易管理。控制器在SDN网络中是中枢系统，它的性能对网络的性能有着重要的影响。SDN控制器实际上是一个软件，安装到服务器上就可以运行，控制器与网络设备之间通过OpenFlow协议进行交互，完成各种转发流表的下发和撤销。为了使SDN网络更好的普及，用户能够真正体会到SDN网络所带来的好处，就需要保证SDN控制器的可靠性进行保证，其中分布式集群技术是解决SDN控制器可靠性的一种成熟方案。当集群Leader出现网络中断、崩溃退出和重启等异常情况时， Zookeeper集群进入崩溃恢复模式。此时剩余仍然存活的成员设备开始进行Leader的重新选举，集群Leader选举成功并且整个集群中超过半数集群成员设备完成数据同步后，标志着集群退出崩溃恢复模式。集群每新选举一个Leader后，会以当前Leader保存的ZXID中的 counter值加1作为当前集群Leader周期编号，我们称之为epoch。同时将counter字段置0，形成新的ZXID以避免Leader错误使用相同ZXID编号提出不同Proposal的异常情况。当 Leader选举成功后，集群会以Leader为准开始同步数据，Leader为每一个Follower准备一个队列，通过这些队列将没有被同步的Proposal逐个发送给所有Follower，并在Proposal发送后再发送一个Commit消息以表示该事物已经被提交。等到Follower将所有Proposal同步完成并写入内存数据库中后，Leader就会将Follower加入可用列表，并开始之后的其他流程。 Zookeeper集群在Leader选举和数据同步都完成后，退出崩溃恢复模式，进入消息广播模式。消息广播模式是一个原子广播协议，Leader将所有Proposal按照FIFO原则通过队列广播至每一个Follower。Follower收到Proposal后，先将Proposal写入本地磁盘，成功后反馈给 Leader一个ACK响应，当Leader收到ACK后会发送Commit消息通知Follower提交 Proposal将数据写入本地数据库，同时Leader控制器自己也会提交该Proposal写入本地数据库。由于网络规模的不确定性，集中式的控制器已不能满足变化迅速的网络需求，分布式 SDN控制器成为一种必然的发展趋势。分布式SDN控制器需要具有高可用性，在控制面内的某一控制器实例发生故障时，不应该被转发面的网络设备感知，实现对底层网络设备的故障透明，保证网络的正常运行。由于本地控制器可能做出的是对于本地最优但对于全局却低效的决策，会带来本地与全局不一致的问题。因此，需要寻求一个能确保在不同目标间合理权衡的控制器位置。将控制器放置在移动节点上(即一种多层次结构无人机的控制设备上)，增强基础设施出现链路故障时的自适应能力和稳健性。这一选择已经过实验验证，在技术上是可行的，不过会造成很大开销，对于资源有限的设备而言受到一定限制。由于 SDN控制器和各个交换机的通信延时，控制平面的拥塞状况，交换机CPU的负载不同， SDN控制器发给各个交换机的Flow_Mod会无序的生效。在流表被更新的这段时间，网络便处于一个完全无法描述的状态。拥塞丢包，路由黑洞都可能在这段时间发生。如果这段时间足够的短，整个网络马上从上一个稳定的状态进入到下一个稳定的状态。但是如果由于某些原因，这次状态变化失败，是否允许网络处于一个未知的中间状态，是否需要像数据库那样支持网络状态的回滚，要维持SDN控制器和网络本文档来自技高网...

【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：