基于簇直径的无人机蜂群网络低能量适应性分簇方法

本发明属于无人机蜂群组网领域，尤其是涉及一种基于簇直径的无人机蜂群网络低能量适应性分簇方法。

背景技术：

1、无人机是一种便于携带且能够执行多种任务的空中飞行器。近些年以来，中外学者在无人机蜂群技术方面投入了大量人力物力进行研究并取得了许多成果和进展，无人机蜂群技术在区域侦察、灾区应急通信、空中喷洒农药等重要领域发挥了非常重要的作用与显著的效果。

2、无线自组织网络是实现无人机蜂群作战的关键所在。无人机蜂群在执行任务时消耗的能量主要来自于维持飞行姿态所带来的能量消耗和用于与其它无人机通信时所带来的能量消耗，蜂群无人机由于体积小，所以所携带的能量通常较小，此时高效率的能量均衡算法能为无人机蜂群争取到更多的任务执行时。假如让小型或微型无人机的动力系统与通信系统共用一个电源，会对无人机的通信质量影响较大，同时在能量耗尽时也无法联系到坠落的无人机。而将电源分开又会增加无人机的负载，这对于微型无人机来说是十分不利的。而将电源分开又会带来一个新的问题，若通信电源先于动力电源耗尽，此时无人机将是一个失能的状态，此时无人机的信息安全也会面临巨大的威胁。

技术实现思路

1、有鉴于此，本发明的目的是提供一种基于簇直径的无人机蜂群网络低能量适应性分簇方法，能够克服现有技术的不足，通过降低整个无人机蜂群的能耗，同时保证无人机之间能够互相通信。无人机蜂群任务的执行情况很大程度上取决于整个网络的生存时间，现在大多数无人机蜂群会采用分簇管理的策略来达到能量均衡的目的，来延长整个无人机蜂群的飞行时间。而内部无人机的连通性是整个无人机自组织网的基础所在，所以对无人机蜂群的分簇通信算法进行研究是很有必要的。分簇管理对整个无人机蜂群网络进行子网的划分，在一个分簇中会选举一架优势无人机作为簇首无人机，簇首无人机负责管理整个分簇以达到能耗均匀的目的。基于以上问题，研究无人机蜂群在分簇机制下能量均衡的问题和簇首位置分布问题，用于延长整个无人机蜂群的生存周期。

2、本发明的目的是通过以下技术方案实现的：

3、本发明提出基于行为准则的无人机自组网部署方法，包括以下步骤：

4、s1：改进kmeans算法的无人机蜂群分簇方法；

5、s2：基于竞争半径的无人机簇首竞争机制；

6、s3：无人机建立连接并进入数据传输阶段；

7、进一步，所述s1中，改进kmeans算法的无人机蜂群分簇方法，具体内容如下：

8、相较于kmeans算法，初始时刻不再随机选举k个质心，而是选举两个质心。每次分簇只将目标簇分为两个簇，为了让分簇后的子网能量消耗更加均衡，对kmeans算法中无人机和聚类中心的距离公式进行改进，将无人机的剩余能量加入到公式中：

9、d＝w1dij+w2αij

10、式中，w1和w2是权重系数；dij表示的是uavi与中心j之间的欧氏距离；αij是uavi加入簇j之后，两个簇中无人机的平均剩余能量的方差。其中αij的表达式如下。

11、

12、式中，e1和e2分别是分簇1分簇2中所有无人机的平均剩余能量。

13、若无人机i在加入两个分簇时，会使得一个分簇的簇内最大距离大于阈值d0，而另一个分簇的簇内最大距离小于等于d0，则直接将无人机i加入入簇后簇内最大距离小于等于d0的簇。否则无人机i按照改进kmeans算法进行分簇。

14、进一步，所述s2中，基于竞争半径的无人机簇首竞争机制，具体内容为如下：

15、在一个簇中，簇首无人机与簇内无人机功能不同，由于簇首无人机需要将簇内普通无人机发来的数据进行融合和处理，簇首无人机需要比普通无人机担任更复杂的计算任务。无人机在检测信道的时候，簇内无人机过少可能会降低信道检测率，这样不能满足无人机的通信需求。同时，数据传输冲突概率也会随着信道检测率的降低而提高。冲突后无人机会进行数据的重传，这也会进一步的加大无人机的能量消耗。因此增加簇内无人机的数量会显著地提高信道检测率。但是，簇内无人机的信道检测率不会随着无人机数量的增加而无限提高，反而过多的簇内无人机数量可能会导致额外的能量消耗并且不便于管理。

16、因此，无人机蜂群应该均匀地分布在各个簇中，簇首无人机也应当具有较高的剩余能量，同时簇内普通无人机也应尽量均匀地分布在其周围，以提高各簇中无人机的能量利用率。

17、基于以上思想，提出一种基于无人机密度的簇首确定方法。使得簇内普通无人机均匀分布在簇首无人机附近，且网络形成后，簇内所有的无人机都有机会竞争成为簇首无人机。

18、定义1：竞争半径：候选簇首无人机ui的竞争半径用来表示，定义为第x个离自己最近的无人机到其自身的距离：

19、

20、式中，m表示当前簇的无人机数量；k为当前分簇的数量。可以看出，当区域内无人机分布密集时，候选簇首的竞争半径较小，而当分布密度稀疏时，候选簇首的竞争半径较大。

21、定义2：邻居簇首集合：

22、

23、式中，d(ui,uj)表示无人机ui到无人机uj的距离。

24、定义3：决策优先级：竞争半径越小的无人机拥有更高的决策优先级，邻居簇首集合中无人机的剩余能量越多的无人机拥有更高的决策优先级。

25、定义4：竞争几率：无人机ui的竞争几率定义为pi：

26、

27、式中，rmin为当前簇内所有竞争者中的最小竞争半径；表示当前无人机ui的剩余能量；代表此簇无人机的平均剩余能量。因此当无人机处于密集区域并拥有较高的剩余能量时更容易成为簇首。

28、竞争规则1：在无人机的邻簇首集合中，只有当无人机的剩余能量满足时，才能进入簇首的竞争环节。

29、竞争规则2：只有剩余能量更高的竞争者做出决策后，当前的候选簇首无人机ui才能做决策。

30、竞争规则3：当前无人机ui做决策时，若竞争几率pi≥1，则无人机ui直接成为簇首。

31、进一步，所述s3中，无人机建立连接并进入数据传输阶段的具体内容如下：

32、在簇首竞争结束后，非簇首无人机与簇首无人机建立连接，进入数据的传输阶段。在频谱感知的时隙中，簇首无人机和非簇首无人机检测信道。非簇首无人机使用通用控制信息将新信道的探测结果发送给簇首无人机。簇首无人机将收到的结果进行检测并做出决策，将关于可用信道和时隙分配的信息广播发送给簇内的非簇首无人机。

33、建立连接后非簇首无人机开始向簇内的簇首无人机发送数据，簇首无人机接收到非簇首无人机发来的数据，开始融合数据。当前簇首节点将融合后的数据进行转发，将数据转发给下一跳节点或者长机节点。最后进入短暂的休眠状态并等待下一个周期的到来。

技术特征：

1.一种基于簇直径的无人机蜂群网络低能量适应性分簇方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的基于簇直径的无人机蜂群网络低能量适应性分簇方法，其特征在于：所述s1中，改进kmeans算法的无人机蜂群分簇方法具体内容为：

3.根据权利要求1所述的基于簇直径的无人机蜂群网络低能量适应性分簇方法，其特征在于：所述s2中，基于竞争半径的无人机簇首竞争机制的主要内容为：

4.根据权利要求1所述的基于簇直径的无人机蜂群网络低能量适应性分簇方法，其特征在于：所述s3中，无人机建立连接并进入数据传输阶段的主要内容为：

技术总结
本发明公开了一种基于簇直径的无人机蜂群网络低能量适应性分簇方法，包括首先基于无人机的能量和位置设计出Kmeans算法的距离公式，再将簇内直径作为分簇约束将无人机蜂群进行合理分簇，最后通过设计无人机的竞争规则，在每个簇内竞争出合理的簇首无人机。最后簇内无人机与簇首无人机进行通信，结束此轮。

技术研发人员：李永刚,李浩然,庞宏宇,余浩
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/4/17