【技术实现步骤摘要】
本专利技术属于电磁空间，尤其涉及一种基于任务分解的无人机蜂群电磁空间模型及构建方法。
技术介绍
1、无人机蜂群依靠其去中心化、分布式的组织方式，结合无人机成本低、数量规模多、抗毁性高、高机动性等优点，相比电磁空间的其他载荷平台拥有着独特的优势，如经济优势、数量优势、协同与情报优势、速度优势等。可以预见，无人机蜂群将会在未来电磁空间的争夺中起到关键的作用。建模与仿真技术是推动无人机蜂群创新和发展的一种具有探索性和前瞻性的重要科学研究方法，该方法首先要求建立结构清晰、易开发的无人机蜂群电磁空间模型。
2、目前，国内外还没有能成熟应用于无人机蜂群在电磁空间背景下作用的模型。但从相关研究上来看，采用分层思想是研究无人机蜂群电磁空间模型的共同特点，该思想强调在每一个层次都采用技术方法来缓解电磁空间环境下的不确定性。由于无人机蜂群在电磁空间中往往需要同时执行多种任务，不同的任务又对应着不同的行为逻辑和搭载载荷，基于任务分解的思想进行建模，可以更清晰准确地描述无人机蜂群在电磁空间的作用。
3、无人机蜂群建模属于复杂系统问题，而复杂网络理论是解决复杂系统问题的有效工具。这种方法的主要特征在于它能够识别系统基本单元之间连接结构中的普遍属性。根据复杂系统理论，系统可以用一个网络来描述，其中节点代表组件，并连接组件之间的物理或逻辑连接。该方法已广泛应用在电网、基础设施、交通运输系统、制造业等领域。
4、通过上述分析，现有技术存在的问题及缺陷为：(1)无人机的配置影响蜂群协同效率，现有方法普遍缺乏量化评估无人机配置与
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于任务分解的无人机蜂群电磁空间模型及构建方法。
2、本专利技术是这样实现的，一种基于任务分解的无人机蜂群电磁空间模型的构建方法，所述基于任务分解的无人机蜂群电磁空间模型的构建方法是基于无人机蜂群需要完成的特定任务，使用领导-下属的无人机蜂群控制结构，根据复杂网络理论，自上而下地构建无人机蜂群网络，建立物理实体层、通信链路层和任务载荷层，并根据系统配置进行拓扑关联，将总体任务分解到单个成员的任务载荷上。再将任务载荷分解成时序相关的行为模式，使用有限状态机进行表示。最后，确定具体行为需要调用的算法和相关数据，完成对无人机蜂群在电磁空间的系统建模。
3、进一步，所述基于任务分解的无人机蜂群电磁空间模型的构建方法包括以下步骤：
4、步骤一，构建任务层；任务层负责根据电磁环境态势发布无人机蜂群的总体任务指令，并结合预置的行为模式对蜂群任务进行分解，确定任务载荷的种类和数量，实时掌握任务近程，维持系统级任务按时序关系向前推进；
5、步骤二，构建网络层；根据任务载荷的种类和数量对无人机蜂群做子系统的划分和初始化工作，通过复杂网络实现无人机蜂群之间的信息传输、态势共享和任务调度，对执行特定任务的成员之间的关系进行有序安排；
6、步骤三，构建行为层；行为层用于描述子蜂群和无人机成员的行为模式，蜂群行动可描述为具有特定触发器和时间约束的行为机制，是蜂群任务载荷的构建模块；
7、步骤四，构建数据层；数据是指任务层、网络层、行为层运行蜂群算法时所需的数据，具体包括全局电磁空间态势信息、蜂群总成员数量、各成员携带载荷情况、预置的行为模式、成员的外部环境信息、成员的实时状态。
8、进一步，步骤一中无人机蜂群的任务包括：情报、监视、侦察(isr)、对海反舰行动、空中截击行动、地面目标打击行动、人道主义援助/救灾(hadr)、搜索和救援(sar)、反毒品行动等。
9、进一步，步骤二中采用领导-下属的控制策略，对网络进行建模；所述控制策略是在每个子蜂群指定一个领导者，其余则为下属，只有领导者可以负责跨子蜂群间的通信任务以及向指控中心进行数据上传；当领导者受到攻击无法与下属保持通信时，从下属中选择一个临时的领导者负责完成任务。
10、进一步，对网络进行建模的步骤包括：
11、步骤2.1，将领导者的数量设置为与有效载荷类型的数量相等，进行初始化操作：生成n个节点，定义有效载荷类型的数量m，以及每个有效载荷下的节点数量ni(i＝1,2,…,m)；
12、步骤2.2，在物理实体层和通信链路层中添加领导节点和下属节点之间的边；在每个下属节点与其相邻节点之间添加边；在个节点中每两个节点之间添加边；在物理实体层和通信链路层之间、物理实体层和任务载荷层之间分别一对一地添加边；
13、步骤2.3，根据任务或实际应用需要，对物理实体层和通信链路层的边随机分配权值，任务载荷层中的边权重被赋予相同的值；
14、步骤2.4，在所有节点、边和权值生成后，输出网络。
15、进一步，物理实体层把物理空间中的无人机作为节点，无人机之间的距离作为连接节点的边；把该层抽象为图ga＝(vai，eaj，waj)，其中vai为节点集合，vai＝{va1，va2...，van}，eaj为边集合，eaj＝{ea1，ea2，...，ean1}(j＝1,2,3，...，n1，n1＞n)，将物理实体层定义为一个加权网络，权重为waj，其中waj＝{wa1，wa2...，wan1}。
16、进一步，通信链路层把通信功能正常的无人机作为节点，节点之间的通信链路作为边；把该层抽象为图gb＝(vbi，ebj，wbj)，其中vbi为节点集合，vbi＝{vb1，vb2，...，vbn}，ebj为边集合，ebj＝{eb1，eb2，...，ebn2}(j＝1,2,3，...，n2，n2＞n)，将通信链路层定义一个加权网络，权重为wbj＝{wb1，wb2，...，wbn2}。
17、进一步，任务载荷层由任务中包含的有效载荷组成，单个无人机可以携带不同类型的有效载荷，在系统动态变化中可根据需要调整进入其他子蜂群中；将有效载荷作为节点，具有相同权值的有效载荷之间的连接作为边，把该层抽象为图gc＝(vci，ecj，wcj)，其中vci为节点集合，vci＝{vc1，vc2，...，vcn}，ecj＝{ec1，ec2，...，ecn2}(j＝1,2,3，...，n3，n3＞n)。
18、进一步，无人机蜂群系统的层间关系以物理实体层为核心，分别与通信链路层、任务载荷层相连；去除一层的节点会导致其它层的节点被去除，同时也会去除层间的边。
19、进一步本文档来自技高网...
【技术保护点】
1.一种基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，基于无人机蜂群需要完成的特定任务，使用领导-下属的无人机蜂群控制结构，根据复杂网络理论，自上而下地构建无人机蜂群网络，建立物理实体层、通信链路层和任务载荷层，并根据系统配置进行拓扑关联，将总体任务分解到单个成员的任务载荷上；再将任务载荷分解成时序相关的行为模式，使用有限状态机进行表示；最后，确定具体行为需要调用的算法和相关数据，完成对无人机蜂群在电磁空间的系统建模。
2.如权利要求1所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，包括以下步骤：
3.如权利要求2所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，步骤二中采用领导-下属的控制策略，对网络进行建模；所述控制策略是在每个子蜂群指定一个领导者，其余则为下属，只有领导者可以负责跨子蜂群间的通信任务以及向指控中心进行数据上传；当领导者受到攻击无法与下属保持通信时，从下属中选择一个临时的领导者负责完成任务。
4.如权利要求3所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，对网
5.如权利要求4所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，物理实体层把物理空间中的无人机作为节点，无人机之间的距离作为连接节点的边；把该层抽象为图Ga＝(Vai，Eaj，Waj)，其中Vai为节点集合，Vai＝{Va1，Va2...，Van}，Eaj为边集合，Eaj＝{Ea1，Ea2，...，EaN1}(j＝1，2，3，...，N1，N1＞n)，将物理实体层定义为一个加权网络，权重为Waj，其中Waj＝{Wa1，Wa2...，WaN1}；
6.如权利要求5所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，任务载荷层由任务中包含的有效载荷组成，单个无人机可以携带不同类型的有效载荷，在系统动态变化中可根据需要调整进入其他子蜂群中；将有效载荷作为节点，具有相同权值的有效载荷之间的连接作为边，把该层抽象为图Gc＝(Vci，Ecj，Wcj)，其中Vci为节点集合，Vci＝{Vc1，Vc2，...，Vcn}，Ecj＝{Ec1，Ec2，...，EcN2}(j＝1，2，3，...，N3，N3＞n)。
7.如权利要求2所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，无人机蜂群系统的层间关系以物理实体层为核心，分别与通信链路层、任务载荷层相连；去除一层的节点会导致其它层的节点被去除，同时也会去除层间的边。
8.如权利要求2所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，步骤三中蜂群行为的例子包括发射、回收、运输、散开、集中、入轨；通过预先编写算法来对蜂群进行控制，使用有限状态机控制蜂群的行为模式，把指挥条令结合到无人机蜂群的建模中，通过在指定模块下编写算法，并调用系统默认参数完成模块化设计。
9.如权利要求2所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，步骤三中对行为层进行建模的步骤包括：
10.一种利用权利要求1～9任一项所述的基于任务分解的无人机蜂群电磁空间模型的构建方法构建的基于任务分解的无人机蜂群电磁空间模型。
...【技术特征摘要】
1.一种基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，基于无人机蜂群需要完成的特定任务，使用领导-下属的无人机蜂群控制结构，根据复杂网络理论，自上而下地构建无人机蜂群网络，建立物理实体层、通信链路层和任务载荷层，并根据系统配置进行拓扑关联，将总体任务分解到单个成员的任务载荷上；再将任务载荷分解成时序相关的行为模式，使用有限状态机进行表示；最后，确定具体行为需要调用的算法和相关数据，完成对无人机蜂群在电磁空间的系统建模。
2.如权利要求1所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，包括以下步骤：
3.如权利要求2所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，步骤二中采用领导-下属的控制策略，对网络进行建模；所述控制策略是在每个子蜂群指定一个领导者，其余则为下属，只有领导者可以负责跨子蜂群间的通信任务以及向指控中心进行数据上传；当领导者受到攻击无法与下属保持通信时，从下属中选择一个临时的领导者负责完成任务。
4.如权利要求3所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，对网络进行建模的步骤包括：
5.如权利要求4所述的基于任务分解的无人机蜂群电磁空间模型的构建方法，其特征在于，物理实体层把物理空间中的无人机作为节点，无人机之间的距离作为连接节点的边；把该层抽象为图ga＝(vai，eaj，waj)，其中vai为节点集合，vai＝{va1，va2...，van}，eaj为边集合，eaj＝{ea1，ea2，...，ean1}(j＝1，2，3，...，n1，n1＞n)，将物...
【专利技术属性】
技术研发人员：王洪，郭志成，吴龙泉，赵永祺，乔伟，
申请(专利权)人：电子科技大学长三角研究院湖州，
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。