[发明专利]一种无人机集群合并和分群方法在审

专利信息
申请号: 202310202453.1 申请日: 2023-03-05
公开(公告)号: CN116400725A 公开(公告)日: 2023-07-07
发明(设计)人: 陈旿;朱家易;田莎;刘旭 申请(专利权)人: 西北工业大学;水禾科技有限公司
主分类号: G05D1/10 分类号: G05D1/10
代理公司: 西安凯多思知识产权代理事务所(普通合伙) 61290 代理人: 刘涛
地址: 710072 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 无人机 集群 合并 分群 方法
【说明书】:

发明公开了一种无人机集群合并和分群方法,首先针对多集群合并问题,通过给每个无人机引入集群标号和活跃次数两个变量,使来自不同集群的无人机可以有序地根据任务的要求完成融合;针对无人机集群划分为多个子集群的问题,引入遗传算法对无人机集群的邻接矩阵进行处理,寻找割边最少的节点划分序列,断开割边两端的无人机之间的连接,即可以把集群划分为任务要求的数个子集群,随后根据每个集群中无人机的度中心性指标确定关键节点,并选其作为每个集群的新领导者无人机;本发明能够高效实现大规模无人机集群的合并与分群。

技术领域

本发明属于无人机技术领域,具体涉及一种无人机集群合并和分群方法。

背景技术

随着人工智能、机器人技术和数据融合技术的进步,无人机集群被广泛应用在军事和民事领域。并且随着技术的发展,无人机集群有着小型化、智能化、大规模化的趋势。尽管完全自主的大规模无人机集群是未来的发展方向,但目前人工智能技术发展有限,人机协同完全被人工智能所取代在短时间内很难发生。目前人工智能可以通过机器学习、深度学习等手段在部分领域实现无人参与。但涉及到创造性、无法给出明确定义和边界、缺乏数字化知识经验的任务,人工智能就无能为力,所以在今后一段时间里,智能机器在任务执行过程中更多起到辅助作用,最终决策依然离不开人类。对于无人机集群来说,因为其任务的复杂性和多变性,目前仍然需要有人参与决策,通过外部指令对集群进行控制,才能保证成功完成任务。对于大规模无人机集群来说,常见的工作模式是“领导者-跟随者”模式,即选择集群中的某架无人机作为领导者直接接收控制中心的指令,集群中其他的无人机则接收领导者的指令,实现整个集群在外部指令的控制下执行协同任务。

对于大规模无人机集群来说,因为其规模较大,在实际应用中往往无法做到同时、同地起飞。一种常见的工作方式是根据任务的需求,多个不同的小规模无人机集群异地起飞,到达指定任务地点后合并为一个大规模无人机集群开始执行任务。当任务完成之后需要返航时,或者根据任务要求需要少量无人机执行其他任务时,大规模无人机集群需要进行分群,形成多个小规模无人机集群完成降落或者继续执行其他任务。为了保证在整个过程中集群都是受外部指令控制的,合并和分群之后的集群仍然能够快速实现状态的收敛并执行协同任务,需要考虑如下问题:

在多个集群合并为大规模无人机集群时,由于多个领导者无人机是直接由控制中心调度,可以很快识别新的领导者并完成合并。但是集群中的跟随者无人机不具备决策能力,只能跟随领导者无人机进行行动,因此跟随者无人机并不知晓合并任务的具体要求,如果两个集群的跟随者无人机直接进行相互交互,难免会造成协同状态混乱。所以如何保证多个集群在合并时无人机状态的稳定,并快速完成合并以及状态的收敛是一个重要的问题。

在大规模无人机集群分成多个子集群的过程中,如何根据任务的需要并通过最少的操作、最小的能耗完成分群,具有非常重要的意义。在完成分群之后,多个不同的子集群需要快速选取出各自的新领导者,才能保证大规模集群在分群之后,各子集群仍然能够快速完成协同状态的收敛,继续执行不同的任务。

发明内容

为了克服现有技术的不足,本发明提供了一种无人机集群合并和分群方法,首先针对多集群合并问题,通过给每个无人机引入集群标号和活跃次数两个变量,使来自不同集群的无人机可以有序地根据任务的要求完成融合;针对无人机集群划分为多个子集群的问题,引入遗传算法对无人机集群的邻接矩阵进行处理,寻找割边最少的节点划分序列,断开割边两端的无人机之间的连接,即可以把集群划分为任务要求的数个子集群,随后根据每个集群中无人机的度中心性指标确定关键节点,并选其作为每个集群的新领导者无人机;本发明能够高效实现大规模无人机集群的合并与分群。

本发明解决其技术问题所采用的技术方案包括如下步骤:

步骤1:构建无人机集群模型;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学;水禾科技有限公司,未经西北工业大学;水禾科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310202453.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top