一种权重不平衡网络中的无人集群分布式动态任务分配方法与流程

1.本发明涉及一种权重不平衡网络中的无人集群分布式动态任务分配方法，属于协同控制、智能控制领域，尤其适用于在权重不平衡网络中的无人集群分布式动态任务分配领域。


背景技术：

2.无人机技术及其产业的蓬勃发展大大解放生产力、提高生产效率，已成为人类生产生活不可缺少的一部分。无人集群概念的提出及发展，有效解决了单个无人机作业时载荷相对较小，信息感知处理能力相对较弱的问题，且该技术的研究与应用已成为无人机技术发展的一个重要方向。任务的复杂性、多样性和智能化程度对无人集群的研究提出了更高的要求。无人集群利用内部信息交互与反馈、激励与响应，实现相互间行为协同，适应动态环境，共同完成特定任务。为无人集群构建基于竞争的动态任务分配方法，可以进一步发挥其性能优势，有效突破现有方法的局限性。
3.无人集群的内部通信是完成任务分配的重要手段。集中式通信方式使中心无人机承受极大的通信负载和计算负荷，且当各无人机之间距离动态变化时，全局通信的不稳定性大大增加。与集中式通信不同的是，在分布式系统中，每个无人机只能与通信拓扑图中的邻居无人机交换信息，大大提高了资源的利用率和系统的稳健性。然而，由于无人集群中各无人机之间受到通信功率、能量消耗、输入饱和与环境干扰等因素的限制，其通信拓扑很可能具有不平衡的权重。目前，已经出现了一些适用于无人集群任务分配的方法。2022年9月27日公开的中国专利cn115113648a公布了一种基于优势粗糙集的层次多无人机任务分配方法。2022年9月23日公开的中国专利cn115097866a公布了一种多无人机协同搜索方法。需要指出的是，现有无人集群任务分配方法均未考虑无人集群通信拓扑权重不平衡的情况，很难在权重不平衡的网络中使用。
4.综上所述，虽然无人集群系统的研究已取得丰富的成果，但为了拓展无人集群的实际应用场景，在特殊环境中进一步优化系统性能指标，提高系统可靠性与安全性，开发权重不平衡网络中的无人集群分布式动态任务分配方法是本领域技术人员亟待解决的问题。


技术实现要素：

5.针对权重不平衡拓扑结构，为弥补现有技术的空白，本发明提出一种权重不平衡网络中的无人集群分布式动态任务分配方法，旨在解决通信拓扑权重不平衡时无人集群的分布式动态任务分配问题，使得集群内所有无人机在面对权重不平衡这一非理想条件时优化效率与精度。
6.为达到上述目的，本发明提供如下技术方案：
7.一种权重不平衡网络中的无人集群分布式动态任务分配方法，可以实现针对无人机、无人车、智能无人机等无人集群的控制，包括如下步骤：
8.s1：根据无人集群的状态获得加权不平衡通信拓扑图，制定相应的通信规则，从而
使无人机依赖通信拓扑实现信息交换并获取邻居无人机的状态信息，并建立无人集群在权重不平衡网络中的通信方案；
9.s2：针对无人集群动态任务分配的特点，进行无人机动态任务分配控制信号的建模；
10.s3：结合无人集群任务分配控制信号和权重不平衡网络通信方案，设计无人集群的分布式动态任务分配方法；
11.s4：根据无人集群的分布式动态任务分配方法，驱动无人机在权重不平衡通信网络中执行任务。
12.进一步，步骤s1所建立的无人集群系统在权重不平衡网络中的通信方案具体为
13.s101：根据无人集群的状态获得描述其通信网络的加权不平衡连通拓扑图；
14.s102：设计无人集群内的第i个无人机在权重不平衡网络中与邻居无人机之间的通信规则；
15.s103：基于第i个无人机的通信规则，设计无人集群的分布式权重不平衡通信方案。
16.更进一步，步骤s101所获得的描述无人集群通信网络的加权不平衡连通拓扑图具体表示为其中，表示图的节点集合，每个节点代表一个无人机，n为无人集群中的无人机数量；代表边集合，可根据系统内部信息流通与交换需求设定为有向型与无向型；为加权邻接矩阵，当(j，i)∈ε时有否则a
ij
＝0，且为无人机间的权重上限。对有向图而言，存在边(j，i)意味着无人机i可以从无人机.j接收信息。集合表示节点i的邻居集。对应的拉普拉斯矩阵且向量z为拉普拉斯矩阵与零特征值相关的非负左特征向量，即其中，且zi＞0，i＝1，
…
，n，上标t表示向量或矩阵的转置，
17.更进一步，步骤s102所述的无人集群内的第i个无人机与邻居无人机之间的通信规则为
[0018][0019][0020][0021]
其中，bi为的估计值；缩放参数β＞0；xi为第i个无人机的任务分配控制信号，为第i个无人机的任务分配控制信号的导数；为无人机i对的零特征值对应的左特征向量的估值，e
ii
为ei的第i个元素；ci为第i个无人机在图下的状态信息。
[0022]
更进一步，步骤s103所述的无人集群的分布式权重不平衡通信方案为
[0023][0024][0025][0026]
其中，
diag(.)为构造对角矩阵函数；为克罗内克积；为单位矩阵。
[0027]
进一步，步骤s2所建模的无人集群动态任务分配控制信号具体为
[0028]
s201：所述无人集群任务分配控制信号被表示为
[0029]
s202：对无人集群任务分配控制信号等价变换，得到一个二次规划问题；
[0030]
s203：将任务分配控制信号二次规划问题与在权重不平衡网络中的无人机的通信规则相结合，设计误差函数，得到求解器。
[0031]
更进一步，步骤s201所述的无人机任务分配控制信号具体为
[0032][0033]
其中，ui(t)为输入向量u(t)的第i个元素(i＝1，
…
，n)，代表所述无人集群在任务分配中用于选取占据优势地位无人机的输入信息，同时表征无人机的能力态势加权值，且其影响因素包括通信拓扑中的不平衡权重值、无人机剩余电量、无人机与目标的相对速度与位置、无人机的结构设计与执行能力等；xi(t)为输出向量x(t)的第i个元素，表征无人集群内各无人机的任务分配驱动控制信号，且该驱动信号只存在1(驱动)或0(未被驱动)两种状态；当无人机能力态势加权值为无人集群中的前k个时，无人机被驱动，反之未被驱动；为映射函数。
[0034]
更进一步，步骤s202所述的二次规划问题具体为
[0035]
最小化：vx
t
(t)x(t)-u
t
(t)x(t)，
[0036]
约束条件：
[0037]
0≤xi(t)≤1，i＝1，2，
…
，n
[0038]
其中，0＜ν＜(uk(t)-u
k+1
(t))/2，且uk(t)和u
k+1
(t)分别为第k个和第k+1个最大能力态势加权值；能力态势加权值无人集群任务分配控制信号进一步，变换等价形式为
[0039]
最小化：νx
t
(t)x(t)-u
t
(t)x(t)，
[0040]
约束条件：
[0041][0042]
其中，其中，代表哈达玛积；
[0043]
更进一步，步骤s203所述的求解器通过利用拉格朗日乘子法具体表示为a(t)z(t)-s(t)＝ξ(t)，其中，s(t)＝ξ(t)，其中，s(t)＝ξ(t)，其中，s(t)＝ξ(t)，其中，和分别代表二次规划问题中等式约束和不等式约束对应的拉格朗日乘子；束对应的拉格朗日乘子；
[0044]
进一步，步骤s3所述的无人集群的分布式任务分配控制方法为其中，其中，其中，且分别为x(t)，λ(t)，μ(t)，σ(t)的导
数；γ＞0；为激活函数；为激活函数；
[0045]
至此，对于实现权重不平衡网络中的无人集群分布式动态任务分配，系统中前k个最大能力态势加权值所对应的无人机可以有效地跟踪目标，执行围追、救援等任务。在后续执行任务时，对于再次选择能力态势加权值最大的无人机需要对上述非线性等式进行重复操作，即进行迭代运算，从而实现权重不平衡网络中的无人集群分布式动态任务分配。
[0046]
本发明的有益效果在于：本发明提供了一种权重不平衡网络中的无人集群分布式动态任务分配方法，考虑了通信拓扑具有不平衡权重的这一极易导致系统崩溃的特殊情况，并在此基础上建立无人集群的通信规则；同时，采用分布式控制方案，使无人机状态信息的获取仅依赖其邻居无人机的状态，充分考虑了不同权重通信信道带来的影响，提高了系统的稳定性；此外，通过引入能力态势加权值这一概念，使得无人集群中部分适合的无人机执行任务，大大降低了无人集群的通信负载和计算负担。
附图说明
[0047]
图1为一种权重不平衡网络中的无人集群分布式动态任务分配方法流程图；
[0048]
图2为本发明实施例1的权重不平衡拓扑图；
[0049]
图3为本发明实施例1的无人集群系统动态目标追踪仿真结果，x、y、z轴为位置信息(单位：米)；
[0050]
图4为本发明实施例1的无人集群任务分配控制信号，横坐标为时间(单位：秒)，纵坐标为驱动信号值。
具体实施方式
[0051]
为使本发明的目的和技术方案更加清晰明白，下面结合附图及实例对本发明进行详细描述。
[0052]
实施例：假设一个无人集群的控制场景由5个无人机组成，需选择最优的2个无人机执行任务，即n＝5，k＝2。能力态势加权值表达式被设计为其中，di表示第i个无人机剩余电量；a＞0；b＞0；表示第i个无人机的实时位置；表示任务目标的实时位置；||
·
||2表示向量的2-范数。本实施例提供“一种权重不平衡网络中的无人集群分布式动态任务分配方法”，结合图1，该方法包含以下步骤：
[0053]
步骤一：根据无人集群的状态获得加权不平衡通信拓扑图，制定相应的通信规则，从而使无人机依赖通信拓扑实现信息交换并获取邻居无人机的状态信息，并建立无人集群在权重不平衡网络中的通信方案；
[0054]
所建立的无人集群在权重不平衡网络中的通信方案具体为
[0055]
s101：为模拟无人集群在真实环境中执行任务的状态，将无人集群中的每个无人机作为通信节点，权重值在[0.6，1.4]范围内随机生成，建立如图2所示的有向型加权连通拓扑图，其邻接矩阵和拉普拉斯矩阵详细为
[0056][0057]
s102：设计无人集群内的第i个无人机在权重不平衡网络中与邻居无人机之间的通信规则为
[0058][0059][0060][0061]
其中，bi为的估计值；β＝5000；xi为第i个无人机的任务分配控制信号，为第i个无人机的任务分配控制信号的导数；为无人机i对的零特征值对应的左特征向量的估值，e
ii
为ei的第i个元素；ci为第i个无人机在图下的状态信息；
[0062]
s103：基于第i个无人机的通信规则，设计无人集群的分布式权重不平衡通信方案为
[0063][0064][0065][0066]
其中，其中，diag(
·
)为构造对角矩阵函数；为克罗内克积；为单位矩阵。
[0067]
步骤二：针对无人集群动态任务分配的特点，进行无人机动态任务分配控制信号的建模；
[0068]
所述的设计无人集群的分布式动态任务分配方法具体为
[0069]
s201：所述的无人机任务分配控制信号具体为
[0070][0071]
其中，ui(t)为输入向量u(t)的第i个元素(i＝1，
…
，n)，代表所述无人集群在任务分配中用于选取占据优势地位无人机的输入信息，同时表征无人机的能力态势加权值，且其影响因素包括通信拓扑中的不平衡权重值、无人机剩余电量、无人机与目标的相对速度与位置、无人机的结构设计与执行能力等；xi(t)为输出向量x(t)的第i个元素，表征无人集群内各无人机的任务分配驱动控制信号，且该驱动信号只存在1(驱动)或0(未被驱动)两种状态；当无人机能力态势加权值为无人集群中的前k个时，无人机被驱动，反之未被驱动；为映射函数；
[0072]
s202：对无人集群任务分配控制信号等价变换，得到一个二次规划问题为
[0073]
最小化：νx
t
(t)x(t)-u
t
(t)x(t)，
[0074]
约束条件：
[0075]
0≤xi(t)≤1，i＝1，2，
…
，5
[0076]
其中，ν＝0.0001；能力态势加权值无人集群任务分配控制信号进一步，变换等价形式为
[0077]
最小化：vx
t
(t)x(t)-u
t
(t)x(t)，
[0078]
约束条件：
[0079][0080]
其中，其中，代表哈达玛积；
[0081]
s203：将任务分配控制信号二次规划问题与在权重不平衡网络中的无人机的通信规则相结合，设计误差函数，得到求解器a(t)z(t)-s(t)＝ξ(t)，其中，s(t)＝ξ(t)，其中，s(t)＝ξ(t)，其中，和分别代表二次规划问题中等式约束和不等式约束对应的拉格朗日乘子；
[0082]
步骤三：结合无人集群任务分配控制信号和权重不平衡网络通信方案，设计无人集群的分布式动态任务分配方法为其中，其中，其中，目分别为x(t)，λ(t)，μ(t)，σ(t)的导数；γ＝100；为线性激活函数；为线性激活函数；
[0083]
步骤四：根据无人集群的分布式动态任务分配方法，驱动无人机在权重不平衡通信网络中执行任务。
[0084]
本实施例中，随机生成一组无人机初始位置信息为{(91.9726，3.1416，1.9809)，(3.7883，5.2975，2.5255)，(5.4594，2.8992，2.3340)，(4.1633，5.3933，3.9907)，(1.7541，2.9940，2.1650)}，目标位置为(2.9625，2.6044，4.3035)，任务执行时长为10秒，实验结果如图3、图4所示。在权重不平衡通信网络中，无人集群准确无误跟踪到任务目标，迅速完成任务。
[0085]
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其做出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

技术特征：
1.一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于包括以下步骤：s1：根据无人集群的状态获得加权不平衡通信拓扑图，制定相应的通信规则，从而使无人机依赖通信拓扑实现信息交换并获取邻居无人机的状态信息，并建立无人集群在权重不平衡网络中的通信方案；s2：针对无人集群动态任务分配的特点，进行无人机动态任务分配控制信号的建模；s3：结合无人集群任务分配控制信号和权重不平衡网络通信方案，设计无人集群的分布式动态任务分配方法；s4：根据无人集群的分布式动态任务分配方法，驱动无人机在权重不平衡通信网络中执行任务。2.根据权利要求1所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于其特征在于所述的步骤s1具体为s101：根据无人集群的状态获得描述其通信网络的加权不平衡连通拓扑图；s102：设计无人集群内的第i个无人机在权重不平衡网络中与邻居无人机之间的通信规则；s103：基于第i个无人机的通信规则，设计无人集群的分布式权重不平衡通信方案。3.根据权利要求2所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于，步骤s101所获得的描述无人集群通信网络的加权不平衡连通拓扑图具体表示为其中，表示图的节点集合，每个节点代表一个无人机，n为无人集群中无人机的数量；代表边集合，可根据系统内部信息流通与交换需求设定为有向型与无向型；为加权邻接矩阵，当(j，i)∈ε时有否则a
ij
＝0，且为无人机间的权重上限。对有向图而言，存在边(j，i)意味着无人机i可以从无人机j接收信息。集合表示节点i的邻居集。对应的拉普拉斯矩阵且向量z为拉普拉斯矩阵与零特征值相关的非负左特征向量，即其中，且z
i
＞0，i＝1，
…
，n，上标t表示向量或矩阵的转置，4.根据权利要求2所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于，步骤s102所述的无人集群内的第i个无人机与邻居无人机之间的通信规则为为为其中，b
i
为的估计值；缩放参数β＞0；x
i
为第i个无人机的任务分配控制信号，为第i个无人机的任务分配控制信号的导数；为无人机i对的零特征值对应的左特征向量的估值，e
ii
为e
i
的第i个元素；c
i
为第i个无人机在图下的状态信息。
5.根据权利要求2所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于，步骤s103所述的无人集群的分布式权重不平衡通信方案为法，其特征在于，步骤s103所述的无人集群的分布式权重不平衡通信方案为法，其特征在于，步骤s103所述的无人集群的分布式权重不平衡通信方案为其中，其中，diag(
·
)为构造对角矩阵函数；为克罗内克积；为单位矩阵。6.根据权利要求1所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于步骤s2具体为s201：所述无人集群任务分配控制信号被表示为s202：对无人集群任务分配控制信号等价变换，得到一个二次规划问题；s203：将任务分配控制信号二次规划问题与在权重不平衡网络中的无人机的通信规则相结合，设计误差函数，得到求解器。7.根据权利要求6所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于步骤s201所述的无人机任务分配控制信号具体为其中，u
i
(t)为输入向量u(t)的第i个元素(i＝1，
…
，n)，代表所述无人集群在任务分配中用于选取占据优势地位无人机的输入信息，同时表征无人机的能力态势加权值，且其影响因素包括通信拓扑中的不平衡权重值、无人机剩余电量、无人机与目标的相对速度与位置、无人机的结构设计与执行能力等；x
i
(t)为输出向量x(t)的第i个元素，表征无人集群内各无人机的任务分配驱动控制信号，且该驱动信号只存在1(驱动)或0(未被驱动)两种状态；当无人机能力态势加权值为无人集群中的前k个时，无人机被驱动，反之未被驱动；为映射函数。8.根据权利要求6所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于步骤s202所述的对无人集群的二次规划问题具体为最小化：νx
t
(t)x(t)-u
t
(t)x(t)，约束条件：0≤x
i
(t)≤1，i＝1，2，
…
，n其中，0＜ν＜(u
k
(t)-u
k+1
(t))/2，且u
k
(t)和u
k+1
(t)分别为第k个和第k+1个最大能力态势加权值；能力态势加权值无人集群任务分配控制信号进一步，变换等价形式为最小化：νx
t
(t)x(t)-u
t
(t)x(t)，约束条件：约束条件：其中，其中，代表哈达玛积；
9.根据权利要求6所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于步骤s203所述的求解器通过利用拉格朗日乘子法具体表示为a(t)z(t)-s(t)＝ξ(t)，其中，(t)＝ξ(t)，其中，(t)＝ξ(t)，其中，和分别代表二次规划问题中等式约束和不等式约束对应的拉格朗日乘子；和不等式约束对应的拉格朗日乘子；10.根据权利要求1所述的一种权重不平衡网络中的无人集群分布式动态任务分配方法，其特征在于步骤s3所述的无人集群的分布式任务分配控制方法为其中，为激活函数；为激活函数；且且分别为x(t)，λ(t)，μ(t)，σ(t)的导数；γ＞0；为激活函数；为激活函数；

技术总结
一种权重不平衡网络中的无人集群分布式动态任务分配方法，属于协同控制、智能控制领域。该方法包含以下步骤：S1：建立无人集群在权重不平衡网络中的通信方案；S2：进行无人机动态任务分配控制信号的建模；S3：设计无人集群的分布式动态任务分配方法；S4：驱动无人机在权重不平衡通信网络中执行任务。本发明方法有效实现权重不平衡网络中的无人集群分布式动态任务分配，避免系统崩溃，优化性能指标，突破现有方法的局限性。现有方法的局限性。现有方法的局限性。


技术研发人员：金龙 刘丽哲 梁思琪 肖哲
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：2023.04.11
技术公布日：2023/8/24