一种多目标持续侦察场景下飞行自组网的拓扑管理方法技术

本发明专利技术涉及一种多目标持续侦察场景下飞行自组网的拓扑管理方法，包括以下步骤：以网络连通性和飞行自组网威胁值的加权和最大为目标构建拓扑管理模型，并设定所述拓扑管理模型的约束条件；使用拉格朗日乘法和KKT方法将所述拓扑管理模型转化为无约束的问题；采用飞行自组网动态威胁避免与持续侦察算法对所述拓扑管理模型进行求解，实现对飞行自组网中各个节点的规划。本发明专利技术解决了飞行自组网的网络拓扑和场景威胁变动的量化问题。拓扑和场景威胁变动的量化问题。拓扑和场景威胁变动的量化问题。

【技术实现步骤摘要】
一种多目标持续侦察场景下飞行自组网的拓扑管理方法


[0001]本专利技术涉及侦察场景下的飞行自组网
，特别是涉及一种多目标持续侦察场景下飞行自组网的拓扑管理方法。

技术介绍

[0002]近年来，小型无人机技术的进步，促使了无人机集群技术在军事、工业、民用等领域的应用范围愈发广阔。相比于能够独自构成系统，功能相对全面的大型无人机而言，小型无人机为了实现轻量化的目标，通常在功能上有所缩水。它们的优势在于能够相互协同，构成自组织网络来高效完成复杂任务。目前，由多个无人机相互协作构成的飞行自组网(Flying Ad
‑
hoc Network，FANET)已经在军事侦察、紧急救援等场景得到了普遍的应用。
[0003]当前飞行自组网的实现普遍基于粒子群算法(Particle Swarm Optimization，PSO)。粒子群算法是由J.Kennedy和R.Eberhart在1995年提出的一种启发式搜索算法。它是一种模拟自然界中生物活动和蜂群智能的随机搜索算法。其核心思想是利用群体中个体的信息共享来引导群体在问题解决空间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多目标持续侦察场景下飞行自组网的拓扑管理方法，其特征在于，包括以下步骤：(1)以网络连通性和飞行自组网威胁值的加权和最大为目标构建拓扑管理模型，并设定所述拓扑管理模型的约束条件；(2)使用拉格朗日乘法和KKT方法将所述拓扑管理模型转化为无约束的问题；(3)采用飞行自组网动态威胁避免与持续侦察算法对所述拓扑管理模型进行求解，实现对飞行自组网中各个节点的规划。2.根据权利要求1所述的多目标持续侦察场景下飞行自组网的拓扑管理方法，其特征在于，所述步骤(1)中的拓扑管理模型的目标函数为其中，x
u
表示节点u的位置，D表示仿真空间的区域，w
C
和w
T
分别为网络连通性和飞行自组网威胁值的权重，f
C
(X
V
,P)为网络连通性计算函数，P为所有活动链路的集合，X
V
为节点集V中所有节点的坐标，被定义为||x
i
‑
x
j
||
p
，代表两节点(i,j)的通信质量，||
·
||
p
表示计算向量的Lp范数；为飞行自组网威胁值的计算函数，x
i
∈X
R
，为场景的威胁概率密度分布函数，X
R
为飞行自组网中除控制中心以外的节点，r
thr
为节点所受的威胁半径，R表示飞行自组网中除了控制中心以外的节点数量，<x
i
|r
thr
>是以节点x
i
为圆心，r
thr
为半径的圆形区域；所述拓扑管理模型的约束条件包括：(a)节点之间可靠的端到端通信约束；(b)节点之间维持安全的飞行距离约束；(c)每个节点一次只能承担一个任务的约束；(d)至少需要一个节点来完成每个任务的约束；(e)所述目标函数随着飞行自组网的网络连通性增加而增加，随着飞行自组网威胁值的增加而减少的约束；(f)仿真区域外的威胁概率密度函数的定义约束。3.根据权利要求2所述的多目标持续侦察场景下飞行自组网的拓扑管理方法，其特征在于，所述步骤(2)中所述拓扑管理模型被转化为：其中，ζ
m
和ξ取负值，分别对应于端到端通信约束和安全飞行距离约束的惩罚系数，表示任务m的第k和第k+1节点之间的通信链路距离，r
C
为两个节点之间可靠直接通信的最大允许链路长度，[
·
]
+
表示max{...

【专利技术属性】
技术研发人员：郭园，覃荣华，唐洪莹，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：