一种非完全已知条件下多机协同规划方法技术

本发明专利技术针对无人机群在通信网络覆盖支援任务中，如何在保证无人机之间网络联通状态情况下尽量多的覆盖待支援目标数量，以及无人机间网络不完全联通状态下，如何根据每个无人机已知的局部信息通过分布式协商实现局部最优覆盖问题，提出了一种非完全已知条件下多机协同规划方法，属于多无人机协同领域。该方法在全局信息条件下，将大规模非均匀动态目标的覆盖规划问题转化为多目标组合优化问题；在局部信息条件下，将动态目标的局部策略调整转化为无人机节点分布式协商规划问题，提升了典型任务场景的代表性和真实性，具有更强的场景适应能力。能力。能力。

【技术实现步骤摘要】
一种非完全已知条件下多机协同规划方法


[0001]本专利技术属于多无人机协同领域，特别涉及了一种非完全已知条件下多机协同规划方法。
技术背景
[0002]随着经济社会发展、国家和国防安全保障等方面需求的日益多样化，人们对于移动通信网络在特殊场景下的应用日益深化，包括大型集会通信保障、重大活动人防、应急处突、偏远或危险地区灾害救援等应用场景。传统的无线通信大多依赖于预先架设好的基础网络设施，如基站或AP等，这种固定式、集中式网络受限于基础设施、终端位置等影响，灵活性差，不能根据应用需求将基站灵活部署于最佳位置，更不能随着用户流量变化而改变网络拓扑或优化通信质量。无人机群能以网络化、分布化、协同化方式快速形成区域覆盖，实现机群资源优化调度，提高任务完成率和响应速度。采用无人机群开展移动通信覆盖任务的思路应运而生。相比于固定基站，无人机具有低成本、机动灵活、可搭载多样化载荷、可快速部署等特点，能根据任务需求情况灵活改变节点通信拓扑结构，并能在出现通信网络瘫痪、部分节点故障等情况下快速实现网络自愈。可以预见，依托无人机群，将对移动通信动态覆盖带来颠覆性能力提升。

技术实现思路

[0003]针对无人机群在通信网络覆盖支援任务中，如何在保证无人机之间网络联通状态情况下尽量多的覆盖待支援目标数量，以及无人机间网络不完全联通状态下，如何根据每个无人机已知的局部信息通过分布式协商实现局部最优覆盖问题，提出了一种非完全已知条件下多机协同规划方法。
[0004]本专利技术采用的技术方案为：
[0005]一种非完全已知条件下多机协同规划方法，具体包括以下步骤：
[0006]步骤1:整个无人机群的每个无人机广播共享自己的实时位置，并根据接收的无人机位置信息判定为全局信息已知或局部信息已知；全局信息已知时，将无人机群当前位置及联通状态表示为一个无向图，通过计算无向图拉普拉斯矩阵的0特征值重数判断网络的连通性，局部信息已知时，通过节点遍历的方式判断网络的连通性；
[0007]步骤2：若网络处于全联通状态，则利用无向图，基于最小生成树的组合优化方法对目标进行覆盖，计算无人机的下一步位置；若网络处于非全联通状态，则采用分布式协商规则，确定每个无人机获得的覆盖任务目标点位置，并进行聚类，计算无人机下一步的位置；
[0008]步骤3：采用基于最小二乘曲线拟合的轨迹预测方法对目标态势变化进行预测，作为下一轮步骤2覆盖任务目标点位置。
[0009]其中，步骤1中，通过计算无向图拉普拉斯矩阵的0特征值重数判断网络的连通性，具体过程为：
[0010]将无人机群当前位置及联通状态表示为一个无向图G＝(V,E)，其中V为无人机节点，E表示无人机节点之间的所有通信连接边；利用无向图G的拉普拉斯矩阵L＝D
‑
A，D为度矩阵，A为空间邻接矩阵，进一步计算L的0特征值重数，若重数为1则代表该网络全连通，否则为非全联通。
[0011]其中，步骤2中，采用分布式协商规则，确定每个无人机获得的覆盖任务目标点位置，并进行聚类，计算无人机下一步的位置，具体过程为：
[0012]使用拍卖算法，分为出价和协商一致两个阶段，出价阶段中，每个无人机分别对所已知的覆盖目标数量及位置进行评估并出价；协商一致阶段，每个无人机根据出价情况与所联通的无人机进行多机协商，根据出价高低次序以及覆盖目标的总数量，确定每个无人机覆盖的目标任务，通过对每个无人机待覆盖目标点位置进行聚类，计算无人机下一步的移动位置。
[0013]其中，协商一致阶段进行多机协商的规则如下：
[0014]a)连通性保持规则：无人机根据覆盖范围R
c
内目标变化情况进行决策时，首先判断自身的移动是否会破坏网络的连通性，即使得本无人机与所有无人机的距离均大于R
c
；如果是，则无人机保持当前状态，并请求周围邻居支援；
[0015]b)邻居支援规则：当无人机收到邻居节点求助时，进行价值评估，若发生移动后覆盖目标点数小于等于当前覆盖目标点数，则保持当前状态不变，否则进行支援；
[0016]c)覆盖移动规则：当前覆盖区域内的目标朝向未覆盖区域移动时，计算无人机自身以及所有邻居与目标距离最近的节点，最近节点响应协助；若最近节点为自身，则停止求助；
[0017]d)目标通知规则：目标朝其他无人机移动时，通知其他无人机进行探测和策略调整。
[0018]本专利技术方法的有益效果为：
[0019]无论全局信息还是局部信息条件下的多机协同覆盖场景，都拥有相应的应对策略。在全局信息条件下，将大规模非均匀动态目标的覆盖规划问题转化为多目标组合优化问题，在局部信息条件下，将动态目标的局部策略调整转化为无人机节点分布式协商规划问题，提升了典型任务场景的代表性和真实性，具有更强的场景适应能力。
[0020]说明书附图
[0021]图1本专利技术非完全已知条件下多机协同规划方法流程图。
具体实施方式
[0022]参照图1，本专利技术一种非完全已知条件下多机协同规划方法，具体包括以下步骤：
[0023]步骤1：考虑全局/局部信息已知情况下的连通性判断
[0024]1.1全局/局部信息已知情况判断
[0025]整个无人机群的每个无人机内部维护一个包含每个无人机位置信息的位置矩阵P{P1,P2,
…
,P
N
}，其中P
i
表示编号为i的无人机位置，N表示无人机群包含的无人机数量。每个无人机设定以固定时间间隔Δt广播的方式共享自己的实时位置及编号。若每个无人机在Δt时间段内收到除本身之外的所有无人机广播信息，同时更新位置矩阵P{P1,P2,
…
,P
N
}含本身位置在内的全部N个位置数据，则判定为全局信息已知。若存在某架或某几架无人机在
Δt时间段内没有更新位置矩阵P{P1,P2,
…
,P
N
}内≥1个位置数据，则判定为局部信息已知。
[0026]1.2当全局信息已知时，采用基于无向图的拉普拉斯矩阵方法进行联通性判断
[0027]所有无人机当前位置互相已知，且每个无人机均知道其他所有无人机当前位置，则将无人机群当前位置及联通状态表示为一个无向图G＝(V,E)，其中V为无人机节点，任何两个无人机间距小于无人机通信范围R
c
，则两个无人机节点之间存在一条通信连接边，E表示无人机节点之间的所有通信连接边。利用图G的拉普拉斯矩阵L＝D
‑
A(D为度矩阵，A为空间邻接矩阵)，进一步计算L的0特征值重数，若重数为1则代表该网络全连通，否则为非全联通。
[0028]1.3当仅有局部信息已知时，采用基于节点广播信息遍历方法进行联通性判断
[0029]即并非所有无人机均知道其他无人机的当前位置时，则通过节点信息广播的形式判断系统连通性。具体地，选择任意无人机节点作为起始节点，由该节点开始采用深度优先或广本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非完全已知条件下多机协同规划方法，其特征在于，具体包括以下步骤：步骤1:整个无人机群的每个无人机广播共享自己的实时位置，并根据接收的无人机位置信息判定为全局信息已知或局部信息已知；全局信息已知时，将无人机群当前位置及联通状态表示为一个无向图，通过计算无向图拉普拉斯矩阵的0特征值重数判断网络的连通性，局部信息已知时，通过节点遍历的方式判断网络的连通性；步骤2：若网络处于全联通状态，则利用无向图，基于最小生成树的组合优化方法对目标进行覆盖，计算无人机的下一步位置；若网络处于非全联通状态，则采用分布式协商规则，确定每个无人机获得的覆盖任务目标点位置，并进行聚类，计算无人机下一步的位置；步骤3：采用基于最小二乘曲线拟合的轨迹预测方法对目标态势变化进行预测，作为下一轮步骤2覆盖任务目标点位置。2.根据权利要求1所述的一种非完全已知条件下多机协同规划方法，其特征在于，步骤1中，通过计算无向图拉普拉斯矩阵的0特征值重数判断网络的连通性，具体过程为：将无人机群当前位置及联通状态表示为一个无向图G＝(V,E)，其中V为无人机节点，E表示无人机节点之间的所有通信连接边；利用无向图G的拉普拉斯矩阵L＝D
‑
A，D为度矩阵，A为空间邻接矩阵，进一步计算L的0特征值重数，若重数为1则代表该网络全连通，否则为非全联通。3.根据权利要求1所述的一种非完全已知条件下多机协同规划方法，...

【专利技术属性】
技术研发人员：柴兴华，陈彦桥，朱进，蔡迎哲，雷耀麟，刘厦，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：