预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105867415A(43)申请公布日2016.08.17(21)申请号201610247738.7(22)申请日2016.04.20(71)申请人沈阳航空航天大学地址110136辽宁省沈阳市道义经济开发区道义南大街37号(72)发明人吴杰宏石祥滨赵亮李照奎高利军王丹曹玉琪邹良开柔莹莹李亚(74)专利代理机构沈阳火炬专利事务所(普通合伙)21228代理人李福义(51)Int.Cl.G05D1/10(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种基于多无人机安全通信的协同控制策略(57)摘要本发明公开了一种基于多无人机安全通信的协同控制策略,步骤1:运用变速虚拟领导者的Olfati-saber蜂拥控制算法对无人机群组进行初步协同控制;步骤2:引入虚拟通信圆环,对每架无人机进行在线的通信功率设置,计算每个无人机节点的满足安全通信要求的期望位置;步骤3:运用优化的位置移动函数,使各无人机节点安全无碰撞地移动到步骤二中得出的期望位置上;本发明更多的研究通信是如何影响无人机群组动力学和通信拓扑的,通过新提出的虚拟通信圆环,改进的目标移动函数与已有的经典动力学蜂拥算法的结合,有效的解决了多无人机系统可能出现的信息泄漏的不安全现象,是一种描述无人机动力学和无线自组织网络关系的新思路。CN105867415ACN105867415A权利要求书1/3页1.一种基于多无人机安全通信的协同控制策略,其特征在于:包括以下几个步骤:步骤1:运用变速虚拟领导者的Olfati-saber蜂拥控制算法对无人机群组进行初步协同控制使整个多无人机群组达到等距的蜂拥状态;步骤2:引入虚拟通信圆环,其构造方法包括寻找层节点和设置通信半径,对每架无人机进行在线的通信功率设置,计算每个无人机节点的满足安全通信要求的期望位置,使之达成安全通信目标;步骤3:运用优化的位置移动函数,使各无人机节点安全无碰撞地移动到步骤二中得出的期望位置上。2.根据权利要求1所述的一种基于多无人机安全通信的协同控制策略,其特征在于:所述步骤1还包括:步骤1.1:设置参数,设定无人机节点数量n,无人机之间的蜂拥距离d,通信频谱带宽W,发射功率最大迭代次数Iter_times;步骤1.2:初始化无人机,初始化无人机i在欧式空间中初始位置为pi,和无人机i在欧式空间中初始速度为vi;步骤1.3:计算邻接矩阵aij(p),多无人机拓扑图为带权图G,根据节点间关系建立邻接矩阵aij(p),如公式(1)所述:aij(p)=ρh(||pj-pi||σ/rα)∈[0,1],j≠i(1)其中,pi表示节点i在欧式空间的位置,rα=||r||σ,pj表示除节点i之外的节点j的欧式位置、||r||σ是指通过σ-范数转换的智能体节点的感知范围,其中,ρh(||pj-pi||σ/rα)属于ρh(z)函数;此分段函数为衡量无人机节点间距离关系的碰撞函数;步骤1.4:构造集体势能函数V(p),如公式(2)所示:其中,||pj-pi||σ=dα,dα为蜂拥状态的几何结构中两节点之间的距离,pj表示除节点i之外的节点j的欧式位置,是成对的吸引、排斥势能,可通过公式(3)所示:其中,φα(s)ds=φα(z)=ρh(z/ra)φ(z-dα),φ(z)是一个不均匀s型函数,a,b,c为常整数,ρh(z)为碰撞函数,步骤1.5:加入智能体群组目标的影响因素,也就是加入群组虚拟领导者γ智能体的导2CN105867415A权利要求书2/3页航反馈项,求得每架无人机控制输入ui,如公式(4)所示:其中,是pi和pj连接方向上的向量ε∈(0,1)是σ-范数中的定量参数;是带有虚拟领导者影响的各无人机的控制输入,vi表示无人机i在欧式空间中的速度,pi表示无人机i在欧式空间中初始位置,pj是除节点i以外的节点j的位置信息,vj表示除节点i以外的节点j的速度信息,pr表示虚拟领导者的位置,vr表示虚拟领导者的速度,c1、c2均是调节虚拟领导者影响的权重值;步骤1.6:判断结果,若满足无人机等距蜂拥则转到步骤1.7,否则转到步骤1.3;步骤1.7:通过无人机运动学公式计算得到各无人机蜂拥时的欧式空间中位置信息pi。3.根据权利要求1所述的一种基于多无人机安全通信的协同控制策略,其特征在于:所述步骤2还包括:步骤2.1:输入蜂拥状态后的pi、aij(p)、无人机节点数量n;步骤2.2:运用Kmeans算法对步骤1中输入的各无人机节点初始位置pi进行分类,找到无人机群组的虚拟群组中心,然后找到离这个虚拟群组中心节点距离最小的无人机节点记为min_num;步骤2.3:初始化集合Level_node和集合Compare_node,所述集合Level_nod