一种无人集群编队的成群方式判别方法及系统

技术领域

本发明涉及自动控制技术领域，具体涉及一种无人集群编队的成群方式判别方法及系统。

背景技术

无人集群作战系统具备的“自主协同”与“能力涌现”等巨大优势与高效的集群协同成群方式密不可分。对于集群系统而言，通过成群方式识别关键技术对对方集群形成机理进行分析，辨别其整体的编队或队形控制方式，进而对其进行动态干扰来迷惑和干扰对方的动作行为，找到其控制方式的弱点，从而实现特定集群控制策略下的高效集群对抗，是无人集群系统对抗研究的关键。成群方式推理是指根据群体智能在不同外界信息输入条件下表现出来的编队、运动、姿态、动作等方面的特征，判断群体属于哪种成群方式(主要包括集中式、分散式、分布式三类)，进一步实现对齐结构中关键点、关键链路的发现和识别。然而，群体智能的不同成群方式，在正常条件下表现出的群体活动区别并不明显，特别是以生物群体智能优化、多智能体强化学习等算法驱动的分布式成群方式，更加难以进行辨别。

发明内容

为解决上述问题，本发明一种无人集群编队的成群方式判别方法及系统，为多样化无人集群成群方式的算法对抗提供共性机理和可用技术支撑。

为达到上述目的，本发明方法的技术方案为：

一种无人集群编队的成群方式判别方法，包括如下步骤：

步骤1：通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；

步骤2：在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，根据无人集群编队数据，计算集群簇有序性测度与簇群相似度；

步骤3：将所述步骤2中的集群簇有序性测度与簇群相似度与规则库比对实现集群成群方式判别。

进一步地，所述步骤1中建立的规则库如下：

其中，L

进一步地，所述步骤2中，在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，包括集群规模大小，个体位置、速度。

进一步地，所述步骤2中集群中个体i在t时刻的簇有序性测度O(i)

其中，N(i)表示个体i的邻域个体集合，即指个体i所处簇中的个体数，ω

进一步地，t时刻个体i与j之间的作用力相关系数ω

其中，F

进一步地，集群中个体i与j之间的作用力F

其中，

进一步地，集群簇群相似度L的表示形式为：

L

其中n为集群划分的簇的数量，即为2，L

进一步地，所述步骤3通过仿真测试系统进行集群成群方式判别，具体包括：

步骤3.1，初始化无人集群编队测试数据集，包括个体初始位置

步骤3.2，随机将集群分为两簇，在集群编队行进过程中按序分别对集群不同簇进行扰动，其中第二次扰动位于集群经历第一次扰动后再次恢复编队时，并依托仿真测试系统获取扰动前后的集群个体位置

步骤3.3，根据获取集群扰动前后的位置与速度信息，计算集群簇群相似度，并于规则库比对，判定集群成群方式类别。

另一方面，本发明提供一种无人集群编队的成群方式判别系统，包括：

规则库建立模块：其用于通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；

规则库建立模块：其用于通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；

计算模块：其用于在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，根据无人集群编队数据，计算集群簇有序性测度与簇群相似度；

判别模块：其用于将所述计算模块中的集群簇有序性测度与簇群相似度与规则库比对实现集群成群方式判别；

所述无人集群编队的成群方式判别系统用于执行上述的无人集群编队的成群方式判别方法中的步骤。

与现有技术相比，本发明具有如下有益效果：

本发明基于集群簇有序性测度，提出全新的规则生成和一致性评估的成群方式判定尺度——簇群相似度。通过集群簇有序性测度延伸的簇群相似度对集群成群方式进行判定；基于建立的成群规则库，多次计算测试无人集群的簇群相似度并与规则库比对，研判成群方式。采用本发明提出的方法，能够便捷、高效地推理出无人集群编队的成群方式，为多样化无人集群成群方式的算法对抗提供共性机理和可用技术支撑。测试结果表明，本发明能够有效地推理出无人集群的成群方式。

附图说明

图1是本发明的无人集群成群方式判别流程图。

图2是本发明的无人集群成群方式判别测试的试验步骤示意图。

图3是本发明实例所提供的无人集群成群方式判别方法下的集群分布式编队的三维运动轨迹图。

图4是本发明实例所提供的无人集群成群方式判别方法下的集群分布式的编队位置-时间变化图。

图5是本发明实例所提供的无人集群成群方式判别方法下的集群分布式编队的速度-时间变化图。

图6是本发明实例所提供的无人集群成群方式判别方法下的集群集中式编队的三维运动轨迹图。

图7是本发明实例所提供的无人集群成群方式判别方法下的集群集中式的编队位置-时间变化图。

图8是本发明实例所提供的无人集群成群方式判别方法下的集群集中式编队的速度-时间变化图。

图9是本发明实例所提供的无人集群成群方式判别方法下的集群分散式编队的三维运动轨迹图。

图10是本发明实例所提供的无人集群成群方式判别方法下的集群分散式的编队位置-时间变化图。

图11是本发明实例所提供的无人集群成群方式判别方法下的集群分散式编队的速度-时间变化图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本发明普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明提出一种新的规则生成和一致性评估的成群方式判定尺度——簇群相似度。通过集群簇有序性测度延伸的簇群相似度对集群成群方式进行判定，其中簇有序性测度指集群中个体与其邻域内其他个体保持平滑性运动的程度，用于检测及群众个体运动的一致有序性程度；簇群相似度指量化集群内不同簇跟随其他邻域簇运动的一致性程度。本发明提供的无人集群编队的成群方式判别方法，基于给定的成群方式判定尺度，多次测试无人集群成群方式判定效果。其具体流程和步骤如图1和图2所示，在集群编队行进过程中，随机将集群分为两簇，并按序针对不同簇进行扰动(打乱集群编队)，根据实时获取的集群编队信息，计算簇群相似度，结合簇群相似度判定范围推理出集群相应的成群方式。具体地，在仿真测试中，初始化无人集群数据集，随机将集群分为两簇，在集群行进过程中按序针对不同簇进行扰动(打乱集群编队)，依托测试系统实时获取集群的位置与速度信息，计算并输出集群的簇群相似度，以此判定集群相应的成群方式。

下面以6个智能体的集群编队成群方式判别为例，说明本发明实施例的详细实施过程。

首先,定义集群成群方式判定尺度；

集群中个体i与j之间的作用力F

其中，

t时刻个体i与j之间的作用力相关系数的计算形式如下：

集群中个体i在t时刻的簇有序性测度O表示形式如下：

集群簇群相似度L的表示形式如下：

L

其中n为集群划分的簇的数量，即为2，L

作为优选，根据集群簇群相似度推理集群成群方式的规则库如下：

依据上表给出的集群簇群相似度范围判定集群成群方式类别。

然后，基于给定的集群成群方式判定尺度，测试多次集群编队成群方式识别效果；包括以下具体步骤：

S1，初始化无人集群编队测试数据集；智能体初始位置

S2，随机将集群分为两簇，集群编队行进过程中按序分别对集群不同簇进行扰动，其中第二次扰动位于集群经历第一次扰动后再次恢复编队时，并依托仿真测试系统获取扰动前后的集群个体位置

S3，根据获取集群扰动前后的位置与速度信息，计算集群簇群相似度，判定无人集群使用的成群方式类别。

本实施例中，采用Python3.6作为仿真软件，测试无人集群编队的成群方式判别方法。

测试数据集1用于无人集群的规则生成和一致性评估的成群方式推理技术测试，测试数据包含100组关于集群编队不同成群方式下的相关数据，其中分布式成群方式包含33条测试数据，集中式成群方式包含33条测试数据，分散式成群方式包含34条测试数据，每条测试数据包括6个智能体初始位置uniform(0,18)、初始速度uniform(0,2)、受干扰的智能体簇编号等，其中考虑到地形高度影响，智能体在Z轴上的初始位置取值为均匀分布uniform(0,18)+156。

图3表示集群使用的成群方式为分布式下的三维运动轨迹图，图4为整个测试过程中分布式集群编队在各维度的位置变化图，图5为整个测试过程中分布式集群编队在各维度的速度变化图，在该情况下簇群相似度输出为L

图6表示集群使用的成群方式为集中式下的三维运动轨迹图，图7为整个测试过程中集中式集群编队在各维度的位置变化图，图8为整个测试过程中集中式集群编队在各维度的速度变化图，在该情况下簇群相似度输出为L

图9表示集群使用的成群方式为分散式下的三维运动轨迹图，图10为整个测试过程中分散式集群编队在各维度的位置变化图，图11为整个测试过程中分散式集群编队在各维度的速度变化图，在该情况下簇群相似度输出为L

实施例2

本实施例提供一种无人集群编队的成群方式判别系统，包括：

规则库建立模块：其用于通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；

规则库建立模块：其用于通过对不同成群方式的结构分析，构建集群一致性评估指标体系，并建立规则库；

计算模块：其用于在集群编队飞行阶段，随机将集群分为两簇，分别按序进行干扰，打乱集群编队；实时获得无人集群编队数据，根据无人集群编队数据，计算集群簇有序性测度与簇群相似度；

判别模块：其用于将所述计算模块中的集群簇有序性测度与簇群相似度与规则库比对实现集群成群方式判别。

尽管已描述了本发明的优选实例，但本领域的技术人员一旦得知了基本的创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围所有的变更和修改。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其同等技术的范围之类，则本发明也意图包含这些改动和变型在内。

其它未详细说明的部分均为现有技术。