一种个体失效下的无人机集群自愈控制方法技术

本发明专利技术公开了一种个体失效下的无人机集群自愈控制方法，本发明专利技术从仿生集群的角度重点研究了大规模无人机蜂群的自组织动态构型

【技术实现步骤摘要】
一种个体失效下的无人机集群自愈控制方法


[0001]本专利技术属于多智能体
，具体涉及一种个体失效下的无人机集群自愈控制方法
。

技术介绍

[0002]无人机作为高科技发展的产物，以机动性能好
、
恶劣环境适应性强
、
运行成本低及效费比高等优点，已经在关系到国民经济的各领域中得到了空前的发展和应用
。
随着通讯
、
传感器和人工智能技术的突破，无人机变得更加智能，在拥有完整的机载控制系统的基础上，能够在不需要外部指令的情况下完全自主执行目标搜索
、
识别
、
跟踪和打击等任务
。
[0004]在存在对抗
、
通讯干扰和其他不确定因素的拒止环境下，无人机蜂群会面临成员故障
、
战损和强电干扰等现实问题，进而会造成系统级联失效
、
构型分散和失稳等现象，严重制约了无人机蜂群的实际应用
。
因而，研究无人机蜂群系统智能容错与自愈控制方法，提高系统在拒止环境下的容错性与被破坏后可自愈性，是实现蜂群系统实战化应用的核心内容
。
一方面，在复杂约束环境下，大大增加了蜂群系统多个体并发执行器故障的概率
。
同时考虑到现有无人机平台的多样性和异构性，不同动力学模型下的故障类型千差万别，为无人机蜂群系统容错控制带来了巨大挑战
。
因此，针对蜂群系统多个体并发故障
、
模型不确定或无精确模型等实际问题，研究有效的带有模型不确定系统的故障诊断与智能容错控制方法，是当前亟待解决的重难点问题
。
另一方面，容错控制虽然能够有效地抑制成员故障
、
失效对蜂群构型和一致性产生的干扰，并不能修复集群构型的物理层面损坏
。
同时，考虑蜂群系统在拒止环境下存在被攻击
、
强电干扰，蜂群系统成员节点失效
(
主要指无人机不能再与其邻居通讯，如被销毁
)
将是一种常态，进而会造成整个系统出现局部失稳
、
系统分散，甚至会导致整个系统任务功能失效，大大降低了蜂群系统的战场生存能力
。
当前，这方面的研究相对较少，尚且没有有效的方法使被破坏的系统恢复到原来的健康状态
。
因此，针对容错控制难以解决的一类由于成员节点失效
、
通讯干扰引起的系统物理构型和网络结构的损坏，进一步分析常态化节点失效对系统网络结构和物理构型产生的干扰或破坏，研究有效的自愈控制方法，快速恢复系统固有的网络结构和集群构型，使蜂群系统具备可连续的自愈能力，提高系统的抗毁性，是当前亟待解决的另一个重点和难点问题
。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提供一种个体失效下的无人机集群自愈控制方法
。
[0006]一种个体失效下的无人机集群自愈控制方法，包括：
[0007]步骤
1、
超图建模
[0008]对于一组
n
架无人机，无人机之间的相互作用拓扑通过一个超图进行建模；用
X
表示顶点集合，用
E
表示超边
e
集合；超边是任意的节点集，包含任意数量的顶点；为每个超边
e
分配一个权值，表示超边
e
的权值；设
W
表示超边权值的对角矩阵；用
H
＝
(X,E,W)
表示一个加权超图；
[0009]步骤
2、
无人机集群的多层递归编组
[0010]将无人机群分成多个不同的层，每一层包括一些子组；这些子组由集群主节点和从节点组成，子组的集群主节点将形成一个更高级的网络，继而构造出一个层次网络结构，并使用一个超图来描述该层次网络结构：
[0011]对于三维空间中的一组
n
个无人机，利用
k
‑
统一超图和多层递归分组方法，将大规模无人机群分为
n/k
个不同的非一致子群和独立子群，每个子组都有
k
个顶点；第一层是
k
‑
均匀超图定义为：
H1＝
(X1,E1)
，其中第二层
k
均匀超图定义为
H2＝
(X2,E2)
，其中，其中通过递归编组，第
ρ
‑
层超图定义为：
[0012]H
ρ
＝
(X
ρ
,E
ρ
)
[0013]其中：
[0014][0015][0016]步骤
3、
对无人机群进行多层自组织聚合控制；
[0017]步骤
4、
多个智能体自愈控制
[0018]计算故障可恢复指标
μ
，并判断是否满足如果满足，采用多层自组织聚合控制，或者采用动态簇维护机制，进行无人机群的网络修复；其中，阈值代表预期的故障可恢复性等级
。
[0019]较佳的，所述步骤4中，故障可恢复指标
μ
计算公式如下：
[0020][0021]其中，
I(V
j
)
表示节点
V
j
重要度；
H
LRC
表示给定网络
H
中故障节点移除后，出现的最大可能恢复系统网络的最大连通组件；
n
表示网络的节点数量；
ρ
＝
1,2,
…
,
τ
表示网络层数，
τ
为总层数；
w1和
w2分别为节点规模和节点重要度权重，且
w1+w2＝1；
n(H)
表示网络中有效节点数量
。
[0022]本专利技术具有如下有益效果：
[0023]本专利技术从仿生集群的角度重点研究了大规模无人机蜂群的自组织动态构型
、
一致性
、
轨迹跟踪和自愈控制
。
从大规模无人机蜂群系统的网络和物理构型两个层面，探索其在拒止环境下面临的多个体并发故障
、
常态化成员节点失效以及模型不确定等现实问题
。
系统地的分析了不同程度的故障对蜂群网络和构型的影响与破坏，并探索了保持和恢复系统健康状态的最优控制方案，具有较好的原创性
。
本专利技术的主要创新之处具体为：
[0024](1)
提出一种满足蜂群可扩展性和鲁棒性要求的递归编组多层网络结构
。
不同于传统基于
Leader
‑
follower
模型的集群结构，其创新在于提出一种可扩展
、...

【技术保护点】

【技术特征摘要】
1.
一种个体失效下的无人机集群自愈控制方法，其特征在于，包括：步骤
1、
超图建模对于一组
n
架无人机，无人机之间的相互作用拓扑通过一个超图进行建模；用
X
表示顶点集合，用
E
表示超边
e
集合；超边是任意的节点集，包含任意数量的顶点；为每个超边
e
分配一个权值，表示超边
e
的权值；设
W
表示超边权值的对角矩阵；用
H
＝
(X,E,W)
表示一个加权超图；步骤
2、
无人机集群的多层递归编组将无人机群分成多个不同的层，每一层包括一些子组；这些子组由集群主节点和从节点组成，子组的集群主节点将形成一个更高级的网络，继而构造出一个层次网络结构，并使用一个超图来描述该层次网络结构：对于三维空间中的一组
n
个无人机，利用
k
‑
统一超图和多层递归分组方法，将大规模无人机群分为
n/k
个不同的非一致子群和独立子群，每个子组都有
k
个顶点；第一层是
k
‑
均匀超图定义为：
H1＝
(X1,E1)
，其中第二层
k
均匀超图定义为
H2＝
(X2,E2)
，其中，其中通...

【专利技术属性】
技术研发人员：潘振华，夏元清，于婷婷，孙中奇，王泰祺，王睿哲，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：