【技术实现步骤摘要】
本专利技术涉及自动控制，具体涉及一种无人集群编队的成群方式判别方法及系统。
技术介绍
1、无人集群作战系统具备的“自主协同”与“能力涌现”等巨大优势与高效的集群协同成群方式密不可分。对于集群系统而言，通过成群方式识别关键技术对对方集群形成机理进行分析，辨别其整体的编队或队形控制方式，进而对其进行动态干扰来迷惑和干扰对方的动作行为，找到其控制方式的弱点，从而实现特定集群控制策略下的高效集群对抗，是无人集群系统对抗研究的关键。成群方式推理是指根据群体智能在不同外界信息输入条件下表现出来的编队、运动、姿态、动作等方面的特征，判断群体属于哪种成群方式(主要包括集中式、分散式、分布式三类)，进一步实现对齐结构中关键点、关键链路的发现和识别。然而，群体智能的不同成群方式，在正常条件下表现出的群体活动区别并不明显，特别是以生物群体智能优化、多智能体强化学习等算法驱动的分布式成群方式，更加难以进行辨别。
技术实现思路
1、为解决上述问题，本专利技术一种无人集群编队的成群方式判别方法及系统，为多样化无人集群成群方式的算法对抗提供共性机理和可用技术支撑。
2、为达到上述目的，本专利技术方法的技术方案为：
3、一种无人集群编队的成群方式判别方法，包括如下步骤：
4、步骤1：通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；
5、步骤2：在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，根
6、步骤3：将所述步骤2中的集群簇有序性测度与簇群相似度与规则库比对实现集群成群方式判别。
7、进一步地，所述步骤1中建立的规则库如下：
8、
9、其中，l1表示第一次被动切换时未受扰动簇的相似度，l2表示第二次被动切换时未受扰动簇的相似度。
10、进一步地，所述步骤2中，在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，包括集群规模大小，个体位置、速度。
11、进一步地，所述步骤2中集群中个体i在t时刻的簇有序性测度o(i)t表示形式如下：
12、
13、其中，n(i)表示个体i的邻域个体集合，即指个体i所处簇中的个体数，ωt(i,j)为t时刻个体i与j之间的作用力相关系数。
14、进一步地，t时刻个体i与j之间的作用力相关系数ωt(i,j)的计算形式如下：
15、
16、其中，fi,j为集群中个体i与j之间的作用力，j为个体i的邻域个体集合重的个体。
17、进一步地，集群中个体i与j之间的作用力fi,j的计算形式如下：
18、
19、其中，表示个体的运动速度；θ表示个体i的运动速度方向与个体i与j之间作用力方向的夹角；n(i)表示个体i的邻域个体集合，即指个体i所处簇中的个体数。
20、进一步地，集群簇群相似度l的表示形式为：
21、li＝ot'-ot”,i∈n,
22、其中n为集群划分的簇的数量，即为2，l1表示第一次被动切换时未受扰动簇的相似度，l2表示第二次被动切换时未受扰动簇的相似度；t'为集群簇实施被动切换前一刻，t”为被动切换后集群再次形成编队的时刻，o表示集群中个体簇有序性测度。
23、进一步地，所述步骤3通过仿真测试系统进行集群成群方式判别，具体包括：
24、步骤3.1，初始化无人集群编队测试数据集，包括个体初始位置初始速度其中i＝1,2,…,i，i表示个体数；并随机分配无人集群使用的成群方式；
25、步骤3.2，随机将集群分为两簇，在集群编队行进过程中按序分别对集群不同簇进行扰动，其中第二次扰动位于集群经历第一次扰动后再次恢复编队时，并依托仿真测试系统获取扰动前后的集群个体位置速度信息；
26、步骤3.3，根据获取集群扰动前后的位置与速度信息，计算集群簇群相似度，并于规则库比对，判定集群成群方式类别。
27、另一方面，本专利技术提供一种无人集群编队的成群方式判别系统，包括：
28、规则库建立模块：其用于通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；
29、规则库建立模块：其用于通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；
30、计算模块：其用于在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，根据无人集群编队数据，计算集群簇有序性测度与簇群相似度；
31、判别模块：其用于将所述计算模块中的集群簇有序性测度与簇群相似度与规则库比对实现集群成群方式判别；
32、所述无人集群编队的成群方式判别系统用于执行上述的无人集群编队的成群方式判别方法中的步骤。
33、与现有技术相比，本专利技术具有如下有益效果：
34、本专利技术基于集群簇有序性测度，提出全新的规则生成和一致性评估的成群方式判定尺度——簇群相似度。通过集群簇有序性测度延伸的簇群相似度对集群成群方式进行判定；基于建立的成群规则库，多次计算测试无人集群的簇群相似度并与规则库比对，研判成群方式。采用本专利技术提出的方法，能够便捷、高效地推理出无人集群编队的成群方式，为多样化无人集群成群方式的算法对抗提供共性机理和可用技术支撑。测试结果表明，本专利技术能够有效地推理出无人集群的成群方式。
本文档来自技高网...【技术保护点】
1.一种无人集群编队的成群方式判别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤1中建立的规则库如下：
3.根据权利要求1所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤2中的无人集群编队数据包括集群规模大小，个体位置、速度。
4.根据权利要求3所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤2中集群中个体i在t时刻的簇有序性测度O(i)t表示形式如下：
5.根据权利要求4所述的无人集群编队的成群方式判别方法，其特征在于，t时刻个体i与j之间的作用力相关系数ωt(i,j)的计算形式如下：
6.根据权利要求5所述的无人集群编队的成群方式判别方法，其特征在于，集群中个体i与j之间的作用力Fi,j的计算形式如下：
7.根据权利要求4所述的无人集群编队的成群方式判别方法，其特征在于，
8.根据权利要求1所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤3通过仿真测试系统进行集群成群方式判别，具体包括：
...
【技术特征摘要】
1.一种无人集群编队的成群方式判别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤1中建立的规则库如下：
3.根据权利要求1所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤2中的无人集群编队数据包括集群规模大小，个体位置、速度。
4.根据权利要求3所述的无人集群编队的成群方式判别方法，其特征在于，所述步骤2中集群中个体i在t时刻的簇有序性测度o(i)t表示形式如下：
5.根据权利要求4所述的无人集群编队...
【专利技术属性】
技术研发人员：温广辉，熊子越，牛梦飞，周佳玲，郑德智，
申请(专利权)人：东南大学，
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。