【技术实现步骤摘要】
本专利技术属于无人机智能控制，具体涉及一种基于多视角超图的无人机匹配编队方法。
技术介绍
1、无人机集群协作指一群无人机通过协同工作，以达成一个共同的目标或任务的技术。无人机匹配编队技术是其中的一项关键技术，旨在通过合理分配任务，实现无人机初始位置和目标位置的合理匹配。
2、无人机集群初始位置与目标位置的匹配模式通常分为两种，一种为人为指定模式，另一种为计算优化模式。人为指定模式通常需要消耗较大的人力与时间，且难以得到较优的匹配关系。目前，通常使用优化算法对无人机的初始位置和目标位置进行规划，即计算优化模式。现有的计算优化模式可分为集中式规划、分布式规划、基于学习模型的规划。集中式规划考虑整体任务的需求，使用数学建模和算法求解，以最大化整体效率或满足任务特定的约束。该方法允许系统对整个无人机群体进行协同管理，确保任务能够在整个空间中高效执行。然而，集中式规划也面临优化迭代次数较多和计算复杂性的挑战。分布式规划中每个无人机在局部协同下根据周围环境和任务需求规划其初始位置和目标位置。无人机之间通过交换彼此的位置信息，以达成分布式的匹配决策。从而提高系统的适应性和灵活性。然而，分布式规划也可能面临局部信息不完整的挑战。基于学习的匹配技术利用机器学习算法，通过对大量数据的学习和训练，使系统能够自动识别和预测无人机初始位置和目标位置之间的关系。这种方法能够适应复杂和动态的环境，实现个性化的匹配策略。常见的学习算法包括深度学习、强化学习等，它们能够从数据中提取特征和模式，使系统能更好的给出无人机的位置匹配决策。然而多数方法仅考虑
技术实现思路
1、针对现有多数方法仅考虑初始位置或目标位置下的关系，没有从多视角融合的层面考虑初始位置与目标位置间关系，从而难以获取较优的匹配关系，进一步导致对应算法的优化收敛慢问题，本专利技术提供了一种基于多视角超图的无人机匹配编队方法。
2、为了达到上述目的，本专利技术采用了下列技术方案：
3、一种基于多视角超图的无人机匹配编队方法，包括以下步骤：
4、步骤1，获取无人机初始位置坐标、无人机目标位置坐标，对坐标进行规范化；
5、步骤1.1，获取无人机初始位置坐标：令为n架无人机初始位置集合，其中，表示第i个无人机初始的空间位置坐标；
6、步骤1.2，获取无人机目标位置坐标：令为上述n架无人机目标位置集合，其中，表示第i个无人机目标的空间位置坐标；
7、步骤1.3，对坐标进行规范化：初始位置坐标的规范化公式如公式(1)所示：
8、
9、和的公式如下：
10、
11、
12、同理，对于目标位置坐标的规范化公式为：
13、
14、同理，计算出和
15、
16、
17、步骤2，构建无人机位置的多视角超图，输入无人机的初始位置坐标和目标位置坐标构建初始超图和目标超图；超图是一种广义上的图，不同于普通图的一条边只能连接两个顶点，超图的一条边可以连接任意数量的顶点；
18、步骤2.1，构建初始超图：令无人机的初始超图为gs＝(n,es)，其中超图的顶点是初始位置和目标位置下的无人机集合n＝ns∪nt，表示初始位置视角下的超边集合，es共包含2n条超边；
19、其中，超边表示第i个初始位置以初始位置集ns为基础构建的超边，满足公式(2)所示条件：
20、
21、其中表示第i个初始位置和第p个初始位置之间的距离，表示超边中包含的无人机的个数，表示对n开根号并向下取整，计算如公式(3)所示：
22、
23、的计算过程如下：
24、
25、超边表示第j个目标位置以初始位置集ns为基础构建的超边，满足公式(4)所示条件：
26、
27、其中表示第j个目标位置和第p个初始位置之间的距离，表示超边中包含的无人机的个数，表示对n开根号并向下取整，计算公式如公式(5)所示：
28、
29、计算过程如下：
30、
31、初始位置视角下，初始位置与目标位置之间的关系gs(i,j)，通过初始位置中的邻居集合以及目标位置处在初始位置中的邻居集合的集合计算得到，如公式(6)所示，
32、
33、其中，表示超边与超边共同包含的无人机的个数，表示超边与超边包含的所有无人机的个数，通过以上计算得到了初始位置视角下初始位置与目标位置间的关系；
34、步骤2.2，构建目标超图：令无人机的目标超图为gt＝(n,et)，其中超图的顶点是初始位置和目标位置下的无人机集合n＝ns∪nt,表示目标位置视角下的超边集合，et共包含2n条超边；
35、其中，超边表示第i个目标位置以目标位置集nt为基础构建的超边，满足公式(7)所示条件：
36、
37、其中表示第i个目标位置和第p个目标位置之间的距离，表示超边中包含的无人机的个数，表示对n开根号并向下取整，计算如公式(8)所示：
38、
39、计算过程如下：
40、
41、超边表示第j个初始位置以目标位置集nt为基础构建的超边，满足公式(9)所示条件：
42、
43、其中表示第j个初始位置和第p个目标位置之间的距离，表示超边包含的无人机的个数，表示对n开根号并向下取整，计算公式如公式(10)所示：
44、
45、计算过程如下：
46、
47、目标位置视角下，初始位置与目标位置之间的关系gt(i,j)，通过目标位置中的邻居集合以及初始位置处在目标位置中的邻居集合的集合计算得到，如公式(11)所示：
48、
49、其中，表示超边与超边共同包含的无人机的个数，表示超边与超边包含的所有无人机的个数，通过以上计算得到了目标位置视角下初始位置与目标位置间的关系。
50、步骤3，融合多视角超图，得到融合超图关系；将初始超图和目标超图进行融合得到融合超图g＝(n,e)，其中e表示融合超图的超边集合，融合超图中初始位置gs(vi,vj)与目标位置gt(vi,vj)之间的关系权重g(vi,vj)计算如公式(12)所示：
51、
52、经过该计算得到融合后的初始位置与目标位置之间的关系权重并作为步骤4的输入。
53、步骤4，获取匹配位置：为找到无人机的初始位置和目标位置的匹配路径，应用匈牙利算法来解决这个问题，匈牙利算法是一种在多项式时间内求解任务分配问题的组合优化算法可用于解决二分图的匹配问题，无人机匹配任务中二分图分别是无人机的初始位置与目标位置，基于步骤3的融合超图g，得到本文档来自技高网...
【技术保护点】
1.一种基于多视角超图的无人机匹配编队方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤1获取并规范无人机位置坐标，具体步骤为：
3.根据权利要求2所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤2，构建无人机位置的多视角超图，具体步骤为：
4.根据权利要求3所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤3融合多视角超图，得到融合超图关系，具体步骤为：将初始超图和目标超图进行融合得到融合超图G＝(N,e)，其中e表示融合超图的超边集合，融合超图中初始位置Gs(vi,vj)与目标位置Gt(vi,vj)之间的关系权重G(vi,vj)计算如公式(12)所示：
5.根据权利要求4所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤4为：使用匈牙利算法获取无人机的初始位置和目标位置的匹配路径，基于步骤3的融合超图G，得到的初始位置和目标位置之间的权重关系并作为匈牙利算法的输入，通过求解线性规划问题得到最大权重的匹配，然后输出
...【技术特征摘要】
1.一种基于多视角超图的无人机匹配编队方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤1获取并规范无人机位置坐标，具体步骤为：
3.根据权利要求2所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤2，构建无人机位置的多视角超图，具体步骤为：
4.根据权利要求3所述的一种基于多视角超图的无人机匹配编队方法，其特征在于，所述步骤3融合多视角超图，得到融合超图关系，具体步骤为：将初始超图和目标超图进行融合...
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。