技术摘要：
本发明针对当前无人机网络在动态环境中无法维护网络拓扑和保证网络服务质量的问题，提出了一种由许多无人机节点自治实施的分布式双层群集(flocking)控制方法，以及基于Wi‑Fi的通信与感知一体化的低成本技术。该分布式群集控制方法能够大大降低系统控制的计算复杂度， 全部
背景技术：
多无人机系统通过支持多机间的协同机制，具有克服单无人机系统的功能受限、 生存能力差等缺陷的潜力，被认为是一种颠覆性技术。在动态环境中为了支持多机的协同， 正在发展能够无人机网络或飞行自组织网络(Flying Ad Hoc Network，FANET)技术，这些 技术最重要的能力是维护网络拓扑和保证网络QoS。为支持各种多机协同的智能应用，这里 假定无人机之间只能通过宽带无线网络在空中进行交互，而不能依靠窄带无线通信系统经 地面控制系统进行沟通。目前在高速飞行的动态环境下，实现无人机网络的拓扑稳定和保 证QoS的控制技术是个未决难题。 本专利提出的方法受到群体智能(Swarm Intelligence)概念的启发。无人机可认 为是具有一定智能的智能体，如果让多无人机系统中的每个节点通过某种控制方法，自治 地控制自身行为并支持邻近节点间的协作，使得整体具有高度的自组织和自适应性，就能 让无人机网络表现出具有像鸟群、鱼群那样的群集性(flocking)智能行为。这就是说，尽管 每个无人机节点的结构和功能都很简单，通过分布式控制和协调而使该无人机网络涌现出 整体新性质和新功能，完成了局部之和大于整体的智能涌现。如果无人机网络具备了群集 性，其所有节点将满足下列特征：自行聚合，而不会随机游走成为孤立节点；保持分离，而不 会因相距太近而碰撞；拥有共同的运动趋向，而在高速运动中保持一致。这种无人机网络的 群集性能够为分布式实现网络拓扑控制和保证网络QoS奠定了基础。 此外，采用何种技术来实现上述控制方法对于实现系统的成本非常关键。本专利 利用已有成熟的商用产品来设计实现上述方法，而无需设计专用芯片或底层通信技术，从 而为实现低成本的无人机网络系统创造条件。
技术实现要素：
[发明目的]：本发明提出的分布式双层群集控制技术，能够以低廉的成本使无人 机网络具有群集性，使无人机网络在动态环境中具有维护网络拓扑和保证网络QoS等特点。 [技术方案]： 本发明的技术方案是： 1、一种分布式双层群集控制系统，其特征是它包括： A.无人机网络具有两个层次领航者-跟随者(Leader-Followers，简称L-Fs)的组 织结构(参见图1(a))：第一层次L-Fs结构有一个L(领航者)带领多个F(跟随者)；在第一层 次结构中的F可以是第二层次结构中的L，它也可以带领多个其他F(参见图1(b))，形成第二 6 CN 111614394 A 说 明 书 2/8 页 层次的L-Fs结构。 B.第一层次L-Fs结构的节点飞行在同一高度h1，采用通信频率f1和宽带通信方 式；第二层次L-Fs结构的节点飞行在同一高度h2，采用通信频率f2和带宽通信方式；每个L 和F节点都具有Wi-Fi通信设施以及方位传感器(如GPS或北斗)。 C.图1(a)所示的网络是一个簇，L为簇首；图1(b)所示的网络是由多个簇组成，其 中的簇首节点(如L11，L12，L13)形成无人机网络的主干网，L11称为无人机网络的根节点；簇首 节点既是本簇的汇集点，也是主干网的中继节点。 D.所有F节点与其L节点之间的距离都必须小于最大通信距离dmax，无论对第一层 次网络，还是对第二层次网络均如此；在节点间距离小于最大通信距离dmax的情况下，通常 它们的无线通信QoS也能得到保证。 E.所有节点与其邻居节点之间的距离都必须大于最小安全距离dmin，以防彼此相 撞。 F.F自主跟踪L的方法：在图2中，r1为任意两无人机之间的最小安全距离dmin，r2为 L与F之间的适合距离，r3为L与F之间的最大通信距离dmax。第一层次网络的L节点可以根据 任务及环境状态决定自己的飞行轨迹，而F节点则要根据其L的状态信息自行调整自己与L 的距离与飞行方向；相对于L11节点来说，F应处于以L为圆心的r1＜r＜r2的环形阴影区域内 为佳；而一旦F位于r2＜r＜r3范围内，就必须向L11方向调整，使其尽快返回r1＜r＜r2区域， 节点L与节点F之间的距离应当满足： dmin＜dfl＜dmax (1) 其中，dfl为F节点与L节点之间的距离，dmin为安全距离，可取值r1；dmax为可靠通信 距离，可取值r2；由于两层网络位于不同的高度且使用不同的频率，可不考虑这两层网络之 间的碰撞与干扰问题。 G.多F节点避撞：对于任意F节点i，假设其邻居节点(它们跟随同一个L)集合为Ni， 为了避撞，节点i与任意邻居节点j之间应当满足： 其中dij为节点i与节点j之间的距离，同样地，L-F节点的安全距离dmin为r1；当式 (2)不满足时，节点i应当做出自主调整使得式(2)成立；如图3所示，节点f5附近没有邻近节 点，它没有与其他节点相撞的危险。而节点f2而言，它与节点f1、f3、f4和f6相邻；且与f1、f3 和f4靠得太近时，存在碰撞的危险，因此f2应当自主地向节点稀疏的区域移动，以保证它们 彼此的安全。 2、一种由各个节点自治实施的分布式节点群集控制方法，其特征是它包括： A.当每个F节点跟随L节点时，任意节点与其L节点关系满足式(1)约束，邻居节点 之间满足式(2)约束；假定对于除L节点外的任意F节点i，其当前位置为qi，L当前位置为qL， 其邻居节点集合为Ni(Ni不包含L)，定义威胁节点集合Ti： Ti＝{j|dij≤dmin，j∈Ni} (3) 其中，dij＝||qi-qj||定义为节点i与节点j之间的距离，dmin为最小威胁调整距离。 其他节点对本节点存在碰撞威胁的场所被定义为势场，威胁的大小由势函数计 算；对于除L节点外的任意节点i，定义其他节点对本节点影响的势函数包含两个部分： 和 其中， 为节点i与其Leader的势函数，当势函数 为0 7 CN 111614394 A 说 明 书 3/8 页 时，节点i与其L之间满足式(1)；而当势函数越大，则节点i与其L越近(diL≤dmin)，或者越远 (diL≥dmax)； 为集合节点i与威胁集合Ti中节点j之间的势函数，当势函数 为0时，节点i与邻居节点j具有安全距离；反之，当势函数越大，则节点i与节点j越近 (dij≤dmin)。 B.F自主跟踪L的控制方法：由于节点i与其L之间应当满足式(1)，因此定义： 显然，在式(4)中，当节点i与其L之间的距离满足式(1)时，势函数为0，即此时节点 i不需要调整其与L之间的位置；当节点i与其L之间的距离小于dmin或大于dmax时，势函数大 于0，此时节点i需要调整自己的位置以满足式(1)，且势函数值越大则调整的力度就越大。 C.多F避撞控制方法：对于节点i与其任意威胁邻居节点j(j∈Ti)，按照集合Ti的定 义可知此时diL≤dmin，由于节点i与j之间处于安全距离即满足式(2)，因此定义： 与式(4)类似，在式(5)中，节点i与节点j距离越近，势函数值越大，此时需要节点i 需要调整自身位置的力度也越大。 基于式(4)和(5)，节点i进行自主调整的目标是尽快使势函数降低至0；当网络中 所有节点的势函数值均为0时，网络通信的QoS即得到了保证；考虑节点i的任意势函数φ， 使得势函数减小的目标速度 那么对于所有势函数得到的速度矢量加成为： 其中k1和k2为速度调和参数，参数大小与最大飞行速度相关。由于节点i还必须与 其L之间满足同步原则，即节点i需跟随其L飞行，因此节点i的目标速度应为： v″′i＝αv″i vL (7) 其中，vL为L的速度，α为速度限制参数，假设最大飞行速度为vmax，那么有： α＝argmax(αv″i vL) (8) D.信号强度和威胁矩阵Ti的使用使得任意节点只需要获取与其距离处于威胁范 围内的相邻节点，能够有效减少本节点与相邻节点之间的信息共享；而对于L节点的信息来 说，若其位置和状态信息变化较快，则只能增大信息共享的频率；而当其位置和状态变化较 慢或阶段性变化时，如根节点以固定速度巡航，即速度大小保持不变，其在某阶段的速度以 角速度ω变化，那么式(7)中的L节点速度vL可以表示为： vL＝(|vL0|cos(θ0 ωt)，|vL0|sin(θ0 ωt)) (9) 其中，|vL0|为根节点的固定巡航速度大小，θ0为节点进入角速度为ω的飞行阶段 时的初始偏航角，t为从节点进入角速度为ω的飞行阶段到当前的时间长度。 3、一种基于Wi-Fi的通信与感知一体化技术，其特征是它包括： A.计算势函数：由于每个节点都有Wi-Fi有源通信设施，节点能够感知其他节点的 存在及其距离；利用每个节点的Wi-Fi设施，节点近似为一个向全方位、全空间均匀发送Wi- Fi信号的有源传感器；利用每个节点的定位传感器(如GPS或北斗)获取的信息，通过与相邻 8 CN 111614394 A 说 明 书 4/8 页 接点交换信息，就能计算得到自己的方位，因此节点同时利用了Wi-Fi的网络通信和节点测 距两种功能。 B.Wi-Fi的测距功能：测定在特定环境中两节点之间的距离d与接收到的Wi-Fi的 接收信号强度(RSS)的关系，就能估算出d的值；假设rssmax为距离dmin对应的RSS值，式(3)的 威胁节点集合Ti可以表示为： T′i＝{j|rssij≥rssmax，j∈Ni} (11) C.平滑RSS的波动：由于先进的Wi-Fi技术采用的节能等技术以及每块Wi-Fi芯片 存在差异，每次测量到的RSS值可能存在较大差异，可以采用指数加权移动平均 (exponential weighted moving average，EWMA)式(12)来处理获取的RSS值，以平滑RSS测 量值的波动，使距离预测尽可能准确： EstimatedRSSi＝(1-α)·EstimatedRSSi α·SampleRSSi (12) 4、一种设置L节点向F节点广播通信频度的算法1，其特征是它执行下列步骤： 各个F节点自治实施的分布式节点群集控制方法时，需要L节点的信息。而为了节 省L节点通信所需的Wi-Fi资源，我们将L节点的广播周期T2分为短周期T21和长周期T22(T22 ＞T21)。当L节点飞行状态(方向、速度等)变化较快时，以短周期T21向其F节点广播信息；反 之，当L节点飞行状态变化较慢或阶段性变化时，以长周期T22向其F节点广播信息。特别地， 在以长周期T22进行广播的过程中，L节点从一种状态变为另一种状态时(如角速度w发生变 化)应立即向F节点广播信息并重置周期计时器。 5.一种F节点进行群集控制算法2，F节点收到基于算法1的共享信息后，再根据算 法2进行自主计算和飞行调整，其特征是它执行下列步骤： 9 CN 111614394 A 说 明 书 5/8 页 [有益效果]：本发明的有益效果是：由无人机网络中的节点自治实施的分布式群 集控制方法能够大大降低系统计算复杂度和提升控制实时性；采用基于市售Wi-Fi产品的 通信与感知一体化技术能够大大降低系统成本，为解决无人机网络在动态环境下维持网络 拓扑和保证网络QoS的难题提供了一种经济、有效的技术。 附图说明 图1为分布式两层群集无人机网络结构； 图2为两层群集控制下的F自主跟踪L的模型； 图3为多F节点避撞模型； 图4为主节点沿直线轨迹飞行时网络拓扑变化情况； 图5为主节点沿圆形轨迹飞行时网络拓扑变化情况；
本发明针对当前无人机网络在动态环境中无法维护网络拓扑和保证网络服务质量的问题，提出了一种由许多无人机节点自治实施的分布式双层群集(flocking)控制方法，以及基于Wi‑Fi的通信与感知一体化的低成本技术。该分布式群集控制方法能够大大降低系统控制的计算复杂度， 全部
背景技术：
多无人机系统通过支持多机间的协同机制，具有克服单无人机系统的功能受限、 生存能力差等缺陷的潜力，被认为是一种颠覆性技术。在动态环境中为了支持多机的协同， 正在发展能够无人机网络或飞行自组织网络(Flying Ad Hoc Network，FANET)技术，这些 技术最重要的能力是维护网络拓扑和保证网络QoS。为支持各种多机协同的智能应用，这里 假定无人机之间只能通过宽带无线网络在空中进行交互，而不能依靠窄带无线通信系统经 地面控制系统进行沟通。目前在高速飞行的动态环境下，实现无人机网络的拓扑稳定和保 证QoS的控制技术是个未决难题。 本专利提出的方法受到群体智能(Swarm Intelligence)概念的启发。无人机可认 为是具有一定智能的智能体，如果让多无人机系统中的每个节点通过某种控制方法，自治 地控制自身行为并支持邻近节点间的协作，使得整体具有高度的自组织和自适应性，就能 让无人机网络表现出具有像鸟群、鱼群那样的群集性(flocking)智能行为。这就是说，尽管 每个无人机节点的结构和功能都很简单，通过分布式控制和协调而使该无人机网络涌现出 整体新性质和新功能，完成了局部之和大于整体的智能涌现。如果无人机网络具备了群集 性，其所有节点将满足下列特征：自行聚合，而不会随机游走成为孤立节点；保持分离，而不 会因相距太近而碰撞；拥有共同的运动趋向，而在高速运动中保持一致。这种无人机网络的 群集性能够为分布式实现网络拓扑控制和保证网络QoS奠定了基础。 此外，采用何种技术来实现上述控制方法对于实现系统的成本非常关键。本专利 利用已有成熟的商用产品来设计实现上述方法，而无需设计专用芯片或底层通信技术，从 而为实现低成本的无人机网络系统创造条件。
技术实现要素：
[发明目的]：本发明提出的分布式双层群集控制技术，能够以低廉的成本使无人 机网络具有群集性，使无人机网络在动态环境中具有维护网络拓扑和保证网络QoS等特点。 [技术方案]： 本发明的技术方案是： 1、一种分布式双层群集控制系统，其特征是它包括： A.无人机网络具有两个层次领航者-跟随者(Leader-Followers，简称L-Fs)的组 织结构(参见图1(a))：第一层次L-Fs结构有一个L(领航者)带领多个F(跟随者)；在第一层 次结构中的F可以是第二层次结构中的L，它也可以带领多个其他F(参见图1(b))，形成第二 6 CN 111614394 A 说 明 书 2/8 页 层次的L-Fs结构。 B.第一层次L-Fs结构的节点飞行在同一高度h1，采用通信频率f1和宽带通信方 式；第二层次L-Fs结构的节点飞行在同一高度h2，采用通信频率f2和带宽通信方式；每个L 和F节点都具有Wi-Fi通信设施以及方位传感器(如GPS或北斗)。 C.图1(a)所示的网络是一个簇，L为簇首；图1(b)所示的网络是由多个簇组成，其 中的簇首节点(如L11，L12，L13)形成无人机网络的主干网，L11称为无人机网络的根节点；簇首 节点既是本簇的汇集点，也是主干网的中继节点。 D.所有F节点与其L节点之间的距离都必须小于最大通信距离dmax，无论对第一层 次网络，还是对第二层次网络均如此；在节点间距离小于最大通信距离dmax的情况下，通常 它们的无线通信QoS也能得到保证。 E.所有节点与其邻居节点之间的距离都必须大于最小安全距离dmin，以防彼此相 撞。 F.F自主跟踪L的方法：在图2中，r1为任意两无人机之间的最小安全距离dmin，r2为 L与F之间的适合距离，r3为L与F之间的最大通信距离dmax。第一层次网络的L节点可以根据 任务及环境状态决定自己的飞行轨迹，而F节点则要根据其L的状态信息自行调整自己与L 的距离与飞行方向；相对于L11节点来说，F应处于以L为圆心的r1＜r＜r2的环形阴影区域内 为佳；而一旦F位于r2＜r＜r3范围内，就必须向L11方向调整，使其尽快返回r1＜r＜r2区域， 节点L与节点F之间的距离应当满足： dmin＜dfl＜dmax (1) 其中，dfl为F节点与L节点之间的距离，dmin为安全距离，可取值r1；dmax为可靠通信 距离，可取值r2；由于两层网络位于不同的高度且使用不同的频率，可不考虑这两层网络之 间的碰撞与干扰问题。 G.多F节点避撞：对于任意F节点i，假设其邻居节点(它们跟随同一个L)集合为Ni， 为了避撞，节点i与任意邻居节点j之间应当满足： 其中dij为节点i与节点j之间的距离，同样地，L-F节点的安全距离dmin为r1；当式 (2)不满足时，节点i应当做出自主调整使得式(2)成立；如图3所示，节点f5附近没有邻近节 点，它没有与其他节点相撞的危险。而节点f2而言，它与节点f1、f3、f4和f6相邻；且与f1、f3 和f4靠得太近时，存在碰撞的危险，因此f2应当自主地向节点稀疏的区域移动，以保证它们 彼此的安全。 2、一种由各个节点自治实施的分布式节点群集控制方法，其特征是它包括： A.当每个F节点跟随L节点时，任意节点与其L节点关系满足式(1)约束，邻居节点 之间满足式(2)约束；假定对于除L节点外的任意F节点i，其当前位置为qi，L当前位置为qL， 其邻居节点集合为Ni(Ni不包含L)，定义威胁节点集合Ti： Ti＝{j|dij≤dmin，j∈Ni} (3) 其中，dij＝||qi-qj||定义为节点i与节点j之间的距离，dmin为最小威胁调整距离。 其他节点对本节点存在碰撞威胁的场所被定义为势场，威胁的大小由势函数计 算；对于除L节点外的任意节点i，定义其他节点对本节点影响的势函数包含两个部分： 和 其中， 为节点i与其Leader的势函数，当势函数 为0 7 CN 111614394 A 说 明 书 3/8 页 时，节点i与其L之间满足式(1)；而当势函数越大，则节点i与其L越近(diL≤dmin)，或者越远 (diL≥dmax)； 为集合节点i与威胁集合Ti中节点j之间的势函数，当势函数 为0时，节点i与邻居节点j具有安全距离；反之，当势函数越大，则节点i与节点j越近 (dij≤dmin)。 B.F自主跟踪L的控制方法：由于节点i与其L之间应当满足式(1)，因此定义： 显然，在式(4)中，当节点i与其L之间的距离满足式(1)时，势函数为0，即此时节点 i不需要调整其与L之间的位置；当节点i与其L之间的距离小于dmin或大于dmax时，势函数大 于0，此时节点i需要调整自己的位置以满足式(1)，且势函数值越大则调整的力度就越大。 C.多F避撞控制方法：对于节点i与其任意威胁邻居节点j(j∈Ti)，按照集合Ti的定 义可知此时diL≤dmin，由于节点i与j之间处于安全距离即满足式(2)，因此定义： 与式(4)类似，在式(5)中，节点i与节点j距离越近，势函数值越大，此时需要节点i 需要调整自身位置的力度也越大。 基于式(4)和(5)，节点i进行自主调整的目标是尽快使势函数降低至0；当网络中 所有节点的势函数值均为0时，网络通信的QoS即得到了保证；考虑节点i的任意势函数φ， 使得势函数减小的目标速度 那么对于所有势函数得到的速度矢量加成为： 其中k1和k2为速度调和参数，参数大小与最大飞行速度相关。由于节点i还必须与 其L之间满足同步原则，即节点i需跟随其L飞行，因此节点i的目标速度应为： v″′i＝αv″i vL (7) 其中，vL为L的速度，α为速度限制参数，假设最大飞行速度为vmax，那么有： α＝argmax(αv″i vL) (8) D.信号强度和威胁矩阵Ti的使用使得任意节点只需要获取与其距离处于威胁范 围内的相邻节点，能够有效减少本节点与相邻节点之间的信息共享；而对于L节点的信息来 说，若其位置和状态信息变化较快，则只能增大信息共享的频率；而当其位置和状态变化较 慢或阶段性变化时，如根节点以固定速度巡航，即速度大小保持不变，其在某阶段的速度以 角速度ω变化，那么式(7)中的L节点速度vL可以表示为： vL＝(|vL0|cos(θ0 ωt)，|vL0|sin(θ0 ωt)) (9) 其中，|vL0|为根节点的固定巡航速度大小，θ0为节点进入角速度为ω的飞行阶段 时的初始偏航角，t为从节点进入角速度为ω的飞行阶段到当前的时间长度。 3、一种基于Wi-Fi的通信与感知一体化技术，其特征是它包括： A.计算势函数：由于每个节点都有Wi-Fi有源通信设施，节点能够感知其他节点的 存在及其距离；利用每个节点的Wi-Fi设施，节点近似为一个向全方位、全空间均匀发送Wi- Fi信号的有源传感器；利用每个节点的定位传感器(如GPS或北斗)获取的信息，通过与相邻 8 CN 111614394 A 说 明 书 4/8 页 接点交换信息，就能计算得到自己的方位，因此节点同时利用了Wi-Fi的网络通信和节点测 距两种功能。 B.Wi-Fi的测距功能：测定在特定环境中两节点之间的距离d与接收到的Wi-Fi的 接收信号强度(RSS)的关系，就能估算出d的值；假设rssmax为距离dmin对应的RSS值，式(3)的 威胁节点集合Ti可以表示为： T′i＝{j|rssij≥rssmax，j∈Ni} (11) C.平滑RSS的波动：由于先进的Wi-Fi技术采用的节能等技术以及每块Wi-Fi芯片 存在差异，每次测量到的RSS值可能存在较大差异，可以采用指数加权移动平均 (exponential weighted moving average，EWMA)式(12)来处理获取的RSS值，以平滑RSS测 量值的波动，使距离预测尽可能准确： EstimatedRSSi＝(1-α)·EstimatedRSSi α·SampleRSSi (12) 4、一种设置L节点向F节点广播通信频度的算法1，其特征是它执行下列步骤： 各个F节点自治实施的分布式节点群集控制方法时，需要L节点的信息。而为了节 省L节点通信所需的Wi-Fi资源，我们将L节点的广播周期T2分为短周期T21和长周期T22(T22 ＞T21)。当L节点飞行状态(方向、速度等)变化较快时，以短周期T21向其F节点广播信息；反 之，当L节点飞行状态变化较慢或阶段性变化时，以长周期T22向其F节点广播信息。特别地， 在以长周期T22进行广播的过程中，L节点从一种状态变为另一种状态时(如角速度w发生变 化)应立即向F节点广播信息并重置周期计时器。 5.一种F节点进行群集控制算法2，F节点收到基于算法1的共享信息后，再根据算 法2进行自主计算和飞行调整，其特征是它执行下列步骤： 9 CN 111614394 A 说 明 书 5/8 页 [有益效果]：本发明的有益效果是：由无人机网络中的节点自治实施的分布式群 集控制方法能够大大降低系统计算复杂度和提升控制实时性；采用基于市售Wi-Fi产品的 通信与感知一体化技术能够大大降低系统成本，为解决无人机网络在动态环境下维持网络 拓扑和保证网络QoS的难题提供了一种经济、有效的技术。 附图说明 图1为分布式两层群集无人机网络结构； 图2为两层群集控制下的F自主跟踪L的模型； 图3为多F节点避撞模型； 图4为主节点沿直线轨迹飞行时网络拓扑变化情况； 图5为主节点沿圆形轨迹飞行时网络拓扑变化情况；
