[发明专利]一种分区连通性恢复的并发移动控制策略

权利要求书

1.一种分区连通性恢复的并发移动控制策略，具体包括以下步骤：

步骤1：分析了传统的代表节点选择策略的不足，提出了一种基于凸包的代表节点选择策略：

每架无人机周期性的广播心跳包(包含无人机的ID编号、地理位置和1跳邻居集合)，与单跳邻居进行信息的交换，所有无人机都会向汇聚无人机发送自身的心跳包，汇聚无人机周期性的判断是否收到所有的无人机信息，一旦某一时刻，因为障碍物的存在，电子干扰或者链路距离过长导致汇聚无人机缺少某些无人机的信息，就可以认为网络出现分区，当网络出现分区后，每架无人机通过心跳包交互收集到的邻居信息构造各自的连通支配集，连通支配集里包含了处于同一分区的所有无人机，因此连通支配集相同的无人机被认为属于同一分区，计算出每个分区所包含的无人机后，由每个分区中剩余能量最多的无人机利用机载计算机根据Graham扫描法求得每个分区的“可能”分区代表节点，Graham扫描的思路具体步骤如下：

1)根据心跳包的坐标信息，将分区中纵坐标最小的无人机，记为P₀作为凸包的起始点，同时将所有无人机的坐标平移进以P₀作为原点的二维坐标系中，

2)依次计算每个无人机坐标相对于x轴的角度，将无人机按照角度递增排序，当角度一样时，与原点较近的排在前面，假设排序结果为P₁，P₂，P₆，P₇，P₅，P₈，P₃，P₉，P₄，根据凸包的原理等几何知识可以知道，按照角度排序后的第一个无人机P₁和最后一个无人机P₄一定是凸包上的点，由于已知分区的凸包包含无人机P₀和无人机P₁，首先定义一个空栈，将无人机P₀和P₁入栈，接着取出按角度排序的无人机P₁后一个无人机，即P₂(目标点)，然后开始寻找集群凸包上的第三个无人机，

3)连接无人机P₀和栈顶元素，即P₁，得到直线L，判断目标点在直线L的左侧边还是右侧；如果在直线的右侧就执行步骤4；如果在直线上或者在直线L的左侧就执行步骤5，

4)如果在右侧，则栈顶的那个元素P₁一定不是凸包上的点，将栈顶元素出栈，转而继续执行步骤3，

5)目标点就是凸包上的点，入栈，转而继续执行步骤6，

6)检查目标点P₂是不是步骤2那个按照角度递增排序的最后一个元素，如果是最后一个元素的话就代表该目标点是凸包的最后一个点，因此可以结束Graham扫描流程，如果不是最后一个元素，就代表还有元素未判断，因此把P₂后面那个点做目标点，返回继续步骤3，

最后，栈中的元素就是无人机分区凸包上的点，即分区”可能”代表节点，

求得每个分区的凸包后，凸包上的点就是“可能”分区代表节点；接下来就是从所有“可能”代表节点中选取最终的代表节点，以所有凸包上的“可能”代表节点中的任意节点作为起始节点生成最小生成树，将最小生成树上的节点编号构成的集合记作T，代表全部分区的代表节点所构成的集合，

步骤2：基于切线避障的斯坦纳树连通性修复算法

1)切线避障算法

在实际的战场和山区等复杂环境下，障碍物是不可以忽略的存在，因此如何用最少的代价实现连通性避障恢复就显得十分重要；本文采用的一种基于切线的避障算法，实际情况下障碍物(以圆柱形为例)与无人机中继部署链路的位置关系主要有三种情况：相离，相切，相交：相离和相切时，无人机中继部署链路均无需考虑避障，但是当障碍物与无人机中继部署链路相交时，此时需要利用切线避障算法来考虑避障，具体方法如下：假设在A，B两点间的中继部署链路中存在一个障碍物C，记障碍物的圆心为O，首先在AB线段所在圆心的同侧寻找A，B两点与圆O的切点，记为P₁，P₂，即为无人机AB间的最短中继节点部署链路，接下来只需要按照无人机的通信半径r在中继节点链路上部署中继无人机即可；首先在AP₁和BP₂线段上按照通信半径r的距离部署无人机，接着在圆O的周长上沿着圆弧按照同样的方式部署中继无人机；

2)斯坦纳树连通性避障修复算法

针对相同的拓扑和障碍物情况，我们首先利用切线避障算法分别构造出了四边形和三角形斯坦纳树，接着对两种斯坦纳树进行性能分析，验证了四边形斯坦纳树连通性避障修复算法性能更优：

四边形斯坦纳点：假设有一个非退化四边形ABCD，找到对角α小于90°对应的两条边AD，BC；对AD和BC向外作正三角形ADE和BCF，并连接两个正三角形的另外两个顶点E和F，最后再分别作正三角形ADE和BCF的外接圆，与线段EF分别相交于S₁和S₂两点，则S₁和S₂即为四边形斯坦纳点；

三角形斯坦纳点：假设有一个非退化三角形ACD，分别对边AD和CD(任意两边都可以)向外作等边三角形，得到三角形ADE和CDF，然后对两个等边三角形作外接圆，两个外接圆在三角形内部的交点S即为斯坦纳点，接下来介绍下如何计算斯坦纳点，以非退化四边形ABCD中的S₁为例：记A，B两点的坐标分为(x_A，y_A)，(x_B，y_B)，首先计算AB线段所在直线的斜率因此AB所在直线的夹角记为

α＝tan^-1k       (3.1)

记A，B两点之间的距离为

已知正三角形A，B两点坐标，第三点E的坐标计算公式为

因为已知正三角形两点求第三点，会存在两个解，因此需要选择距离线段CD更远的解，记为(x_E，y_E)，

正三角形的外接圆圆心坐标为

外接圆半径记为

外接圆O的标准方程为

(x-x₀)²+(x-y₀)²＝r_o²      (3.6)

记线段EF所在直线的方程为

y＝k_EFx+b_EF       (3.7)

联立式(3.6)和(3.7)可以得出直线EF和圆O的交点(两个解)，其中一解就是E点，另一解就是斯坦纳点S₁，四边形斯坦纳树的另一个斯坦纳点S₂和三角形斯坦纳点的计算同理可得，四边形，三角形斯坦纳树中继节点个数和平均节点度计算公式如下(记四边形，三角形斯坦纳树中所需的中继节点个数分别为N_Q和N_T，平均节点度为A_Q和A_T)：

通过具体实例计算可知，在相同情况下，相较于三角形斯坦纳树，四边形斯坦纳树可以用更少的中继节点和更高的平均节点度实现连通性恢复，因此本文优先选择四边形斯坦纳树算法，在没有符合条件的四边形时使用三角形斯坦纳树算法；

步骤3：基于虚拟势场法的并发移动控制策略

针对面向任务的无人机集群网络，连通性恢复的时间和开销是两个尤其重要的指标，因此在步骤2计算出来的中继节点坐标基础上，提出了一种基于虚拟势场法的并发移动控制策略：根据节点度和移动距离，从非代表节点无人机中选择合适的无人机，接着利用虚拟势场法对被选择的无人机进行调度，到达指定的中继节点位置，从而实现全网的连通性恢复：

集合C：基于斯坦纳树的切线避障算法计算出来的所有中继节点的坐标；

集合I：将所有无人机通过心跳包收集到的节点度，无人机编号和坐标记为

集合D，由上文知集合T包含分区代表无人机编号信息，删除D中所有T中的无人机编号的相关信息，记I＝D-T，I存储的是可用于调度的无人机编号，坐标以及节点度信息，记

f(C_i，I_j)＝λ₁*E_ij+λ₂*I_j      (3.9)

其中，E_ij表示中继节点i的坐标和编号为j的可用于调度的无人机的坐标之间的欧拉距离，I_j表示编号为j的可用于调度的无人机的节点度，λ₁和λ₂分别为距离权重和节点度权重系数，在不同的任务场景中，可以通过改变λ₁和λ₂为无人机的调度做出最优选择，即：

无人机调度步骤：

(1)初始化I中所有无人机为可使用(可以被调度)，定义一个空栈S，将集合C中的所有中继节点坐标入栈，

(2)选取栈顶元素，记为S_top，接着从集合I中选取所有(可使用的)无人机j，依次计算它们的f(C_i，I_j)＝λ₁*E_ij+λ₂*I_j，最后求出minf(C_i，I_j)的j，因此编号为j的无人机就是中继节点S_top对应的调度无人机，最后将I中编号为j的无人机标记为不可使用(不可被调度)，同时将栈S的栈顶元素出栈；

(3)检查栈S是否为空：如果是，代表所有中继节点均找到对应的中继无人机，故执行步骤4；否则，代表还有中继节点没有匹配到相应的调度无人机，故转而执行步骤2；

(4)在求得每一个中继节点坐标和用于调度的无人机后，将用于调度的无人机的坐标设置为起点，中继节点坐标为终点后，在虚拟势场法作用下，就可以驱使着无人机向中继节点坐标运动，最后到达中继节点坐标实现网络的连通性恢复。