【技术实现步骤摘要】
本专利技术属于无人机系统的编队重构领域，具体涉及基于混合遗传算法的异构无人机集群预重构方法及系统。
技术介绍
1、随着无人机蜂群相关领域的不断发展，无人机集群在战场中逐渐展现出了强大的任务能力。携带不同载荷的无人机通过协作，构成了察、打、扰一体化的多功能无人机集群，实现了系统层面的能力提升。
2、无人机战场由于其高动态性、不确定性等环境特征，事先经过组合编队的无人机集群遭遇攻击后，针对目标任务而设计的无人机编队可能遭遇无人机载荷损坏、无人机编队减员、躲避攻击进行机动而出现电池容量不足等一系列情况，导致静态分配下的无人机编队无法完成被分配好的目标任务。在复杂紧急的任务环境下，保证目标任务的完成是战略决策中的首要决策因素。集群重构是保证受损集群完成任务的重要手段之一，遭受攻击的集群通过与战场中其他的集群共同组成新无人机集群，重新根据任务载荷进行分配因此，研究一种针对高对抗环境下的能保证无人机编队任务完成能力的无人机重构方案具有重要意义。
技术实现思路
1、本专利技术针对现有技术中的不足，提供一种基于混合遗传算法的异构无人机集群预重构方法及系统，以支撑不同业务无人机编队受到硬摧毁时，需要动态融合成新编队的需求。无人机集群在对抗性强的战场环境下遭受敌方硬摧毁导致编队受损时，剩余无人机所携带的载荷无法支撑集群完成其业务，幸存的无人机可以申请加入无人机资源池。当资源池中节点的载荷足够时，可以针对目标任务重新构建无人机编队。本专利技术在设计无人机集群资源池时，考虑了无人机持有的载荷参
2、为实现上述目的，本专利技术采用以下技术方案：
3、基于混合遗传算法的异构无人机集群预重构方法，其特征在于，包括：
4、根据任务的地理特性将待完成的任务聚集成多个任务簇；
5、将异构无人机集群受损后可参与重构的无人机加入无人机资源池；
6、通过混合遗传算法，针对生成的任务簇与无人机资源池进行异构无人机集群的重组工作。
7、为优化上述技术方案，采取的具体措施还包括：
8、进一步地，所述根据任务的地理特性将待完成的任务聚集成多个任务簇，具体为：
9、区域内待完成的任务表示任务集合，nt表示任务数量；
10、根据任务的地理特性，使用基于高斯混合模型的聚类算法将待完成的任务聚集成多个任务簇，簇集合ck表示第k个任务簇，上标t表示任务；
11、形成的任务簇包含以下信息：任务簇所包含的任务序号ck＝(ck1，ck2，...，ckl)t以及完成该任务簇内任务所需要的载荷数量ck1，ck2，...，ckl表示l个任务序号，ω1，ω2，...，ωm表示m类载荷。
12、进一步地，所述使用基于高斯混合模型的聚类算法将待完成的任务聚集成多个任务簇，具体为：
13、将所有任务的地理位置分布表示为一个高斯混合模型，第j个任务的概率密度分布函数p(posj，t|θ)表示为：
14、
15、式中，πk是k分量的概率权重，k是任务簇的数量，n(posj，t|μk，∑k)是以∑k为方差，μk为均值的高斯分布，posj，t为t时刻任务j的位置坐标，θ＝(π1，...，πk，μ1，...，μk，∑1，...，∑k)；
16、引入一个潜变量zj，表示预先估计的每个任务可能被分配在的任务簇标号，且p(posj，t|zj＝k，θ)＝n(posj，t|μk，∑k)，则所有任务的位置信息的联合概率分布p(pos，z|θ)表示为：
17、
18、当zj＝k时，ii(zj，k)＝1，否则为0；
19、计算潜变量zj在当前参数θ下对似然函数的期望e(zj＝k|posj，t，θ)：
20、
21、通过最大化后验分布q值以更新θ值：
22、
23、式中，θn表示第n轮次参数θ的值；
24、更新μk和∑k：
25、
26、
27、式中，和表示更新后的μk和∑k；
28、最终，根据计算得出每个任务所属的任务簇。
29、进一步地，所述将异构无人机集群受损后可参与重构的无人机加入无人机资源池，具体为：
30、可参与重构的无人机编号为表示编号集合，nu为无人机资源池中无人机的总数；将可参与重构的无人机加入无人机资源池，无人机资源池中的载荷表示为m维向量ω1，ω2，...，ωm表示m类载荷，无人机i携带的载荷表示为ωi1，ωi2，…，ωim表示无人机i携带的m类载荷。
31、进一步地，所述通过混合遗传算法，针对生成的任务簇与无人机资源池进行异构无人机集群的重组工作，具体为：
32、以任务簇中的任务序列和无人机组合作为两条染色体进行实数编码，构建无人机集群的根据任务序列的移动能量消耗模型，以任务过程中的能量总消耗为算法优化目标，得到与任务簇数量相等的无人机集群以及无人机集群与任务簇之间的匹配关系。
33、进一步地，所述算法优化目标为：
34、
35、式中，ξ表示任务序列，s＝(s1，s2，...，sk)t是k个无人机集群，上标t表示任务，k是任务簇的数量，表示单个无人机集群sk的能量消耗；
36、在分配过程中存在以下约束：
37、
38、式中，c1与c2表明生成的无人机集群仅能分配到一个任务簇，一个任务簇也仅能被一个无人机集群完成，c3表明无人机集群sk所携带的载荷需要满足任务簇ck所需要的载荷要求；xcs表示无人机集群和任务簇之间分配关系的二维变量，xcs＝1表明无人机集群sk负责任务簇ck的任务集合；表明无人机集群sk所具有的载荷资源数量，表明完成任务簇ck所需要的载荷资源数量。
39、进一步地，所述无人机集群sk的能量消耗为：
40、
41、式中，为分配到集群的任务簇ck的总任务数，为集群在任务序列中在第l个任务到第l+1个任务间移动所产生的能量消耗，为集群在任务j产生的能量消耗，是无人机由于等待而产生的能量消耗。
42、进一步地，所述无人机集群sk的能量消耗通过下式来计算：
43、
44、
45、
46、式中，n为无人机集群sk中无人机的数量，vwait表示无人机在任务处悬停的速度，是无人机集群sk在完成任务j时所花费的时间，表示无人机集群sk在任务j处悬停所花费的时间；表示无人机集群sk从任务j飞行到任务j′的能量消耗，为无人机集群sk飞行的速度，表示无人机集群sk从任务j飞行到任务j′所花费的时间，根据计算得到；p本文档来自技高网...
【技术保护点】
1.基于混合遗传算法的异构无人机集群预重构方法，其特征在于，包括：
2.如权利要求1所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述根据任务的地理特性将待完成的任务聚集成多个任务簇，具体为：
3.如权利要求2所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述使用基于高斯混合模型的聚类算法将待完成的任务聚集成多个任务簇，具体为：
4.如权利要求1所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述将异构无人机集群受损后可参与重构的无人机加入无人机资源池，具体为：
5.如权利要求1所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述通过混合遗传算法，针对生成的任务簇与无人机资源池进行异构无人机集群的重组工作，具体为：
6.如权利要求5所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述算法优化目标为：
7.如权利要求6所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述无人机集群sk的能量消耗为：
8.如权利要求
9.如权利要求8所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：和根据下式计算：
10.基于混合遗传算法的异构无人机集群预重构系统，其特征在于，包括：
...【技术特征摘要】
1.基于混合遗传算法的异构无人机集群预重构方法，其特征在于，包括：
2.如权利要求1所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述根据任务的地理特性将待完成的任务聚集成多个任务簇，具体为：
3.如权利要求2所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述使用基于高斯混合模型的聚类算法将待完成的任务聚集成多个任务簇，具体为：
4.如权利要求1所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述将异构无人机集群受损后可参与重构的无人机加入无人机资源池，具体为：
5.如权利要求1所述的基于混合遗传算法的异构无人机集群预重构方法，其特征在于：所述通...
【专利技术属性】
技术研发人员：董超，曾子鸣，朱小军，张磊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。