[發(fā)明專利]分布式態(tài)勢感知一致方法和裝置

在審

• 申請?zhí)枺?/td>: 202011460740.5
• 申請日: 2020-12-11
• 公開（公告）號: CN112528223A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設計）人: 邱華鑫;周慶瑞;孫昌浩;王曉初;馮宇婷
• 申請（專利權）人: 中國空間技術研究院
• 主分類號: G06F17/16
• 分類號: G06F17/16
• 代理公司: 北京善任知識產權代理有限公司 11650
• 代理人: 張振偉

本發(fā)明涉及無人群系統(tǒng)技術領域，提供一種分布式態(tài)勢感知一致方法和裝置，包括：初始化無人群系統(tǒng)中多個個體的模糊偏好關系矩陣、可通信個體集合以及每個個體的態(tài)勢感知結果；根據(jù)所述模糊偏好關系矩陣、所述可通信個體集合和所述態(tài)勢感知結果計算局部態(tài)勢感知相對一致性，并根據(jù)計算結果確定交互模態(tài)；根據(jù)確定的所述交互模態(tài)對所述模糊偏好關系矩陣進行調整，得到無人群系統(tǒng)分布式態(tài)勢感知一致結果。本發(fā)明提高了無人群系統(tǒng)態(tài)勢感知一致過程中的魯棒性、可拓展性和快速性，從而有效提升了復雜環(huán)境中的無人群系統(tǒng)任務的自主執(zhí)行能力。

技術領域

本發(fā)明涉及無人群系統(tǒng)技術領域，尤其涉及一種分布式態(tài)勢感知一致方法和裝置。

背景技術

無人群系統(tǒng)是指個體在感知、組織、決策、規(guī)劃、控制等方面，既各自進行獨立的計算、存儲和處理，又通過自發(fā)且平等的交互共融，達成共同目標的群體。無人群系統(tǒng)在民用和軍用領域均發(fā)揮出重要作用，例如無人機編隊協(xié)同避障、衛(wèi)星傳感器協(xié)同覆蓋、機器人自動組裝等。無人群系統(tǒng)內不同個體對態(tài)勢的感知是否一致，在很大程度上關系到任務執(zhí)行進程能否協(xié)調一致，并最終關系到任務的勝敗。

在現(xiàn)有態(tài)勢感知一致方法研究方面，Alonso等人在《A linguistic consensusmodel for Web 2.0communities》中針對web2.0社區(qū)提出了一個一致性模型；D’Aniello等人在《A multi-agent fuzzy consensus model in a situation awareness framework》中采用一個主持實體接管上述模型中的授權機制的相關環(huán)節(jié)，提出了一種態(tài)勢感知一致性方法；高楊等人在《無人機分布式集群態(tài)勢感知模型研究》中將上述方法遷移至無人機分布式集群態(tài)勢感知的一致性形成過程。上述態(tài)勢感知一致方法均采用集中式框架，存在如下弊端：方法依賴于可信的中心節(jié)點，不具備良好的魯棒性與可擴展性；相應算法復雜度隨個體數(shù)目增加而倍增，受限于大數(shù)據(jù)處理能力，不適用于大規(guī)模群系統(tǒng)。

發(fā)明內容

基于此，本發(fā)明實施例提供一種分布式態(tài)勢感知一致方法和裝置，以解決現(xiàn)有技術中態(tài)勢感知一致方法魯棒性差，不適用于大規(guī)模群系統(tǒng)的問題。

本發(fā)明實施例的第一方面，提供一種分布式態(tài)勢感知一致方法，包括：

初始化無人群系統(tǒng)中多個個體的模糊偏好關系矩陣、可通信個體集合以及每個個體的態(tài)勢感知結果；

根據(jù)所述模糊偏好關系矩陣、所述可通信個體集合和所述態(tài)勢感知結果計算局部態(tài)勢感知相對一致性，并根據(jù)計算結果確定交互模態(tài)；

根據(jù)確定的所述交互模態(tài)對所述模糊偏好關系矩陣進行調整，得到無人群系統(tǒng)分布式態(tài)勢感知一致結果。

可選的，所述初始化無人群系統(tǒng)中多個個體的模糊偏好關系矩陣、可通信個體集合以及每個個體的態(tài)勢感知結果，包括：

生成N個個體的模糊偏好關系矩陣其中，個體數(shù)目N≥2，個體編號k＝1,2,...,N，模糊偏好關系矩陣元素隸屬函數(shù)μ_P:X×X→[0,1]；

生成可通信個體集合C'_k；

生成態(tài)勢感知結果集合X＝{x₁,x₂,...,x_m}，x_i為態(tài)勢感知結果，感知結果數(shù)目m≥2，態(tài)勢感知結果編號i,j＝1,2,...,m。

可選的，在所述初始化無人群系統(tǒng)中多個個體的模糊偏好關系矩陣、可通信個體集合以及每個個體的態(tài)勢感知結果之后，還包括：

計算個體態(tài)勢感知效能E_k：

其中，k＝1,2,...,N，近似度為最優(yōu)模糊偏好矩陣元素；

計算個體智能水平L_k：