[发明专利]一种基于时序网络的蜂群无人机故障传播分析方法

说明书

本发明公开了一种基于时序网络的蜂群无人机故障传播分析方法，涉及无人机故障分析技术领域，该方法利用时序网络对于蜂群无人机拓扑网络进行描述，结合蜂群无人机系统的动力学与控制律，定义了故障发生后故障在整个蜂群无人机系统中的故障传播方向以及故障影响程度分配规则，计算所有无人机在每个时刻的故障影响程度并循环更新，并依据故障程度判定各个无人机的当前状态。该方法解决了蜂群无人机故障传播建模难的问题，可以有效的对无人机故障情况进行描述，了解故障在蜂群无人机中的传播过程，为蜂群无人机故障的预防与解决提供理论基础。

技术领域

本发明涉及无人机故障分析技术领域，尤其是一种基于时序网络的蜂群无人机故障传播分析方法。

背景技术

无人机是一种无人驾驶、可重复使用的飞行器，它具有造价低、体积小、重量轻、机动性高以及适应能力强等优点，广泛应用于侦察、测量、人工降雨等军用、民用领域中，尤其是一些环境复杂或具有危险性的任务。尽管无人机在执行任务时展现出巨大优势，但是由于无人机体积小、重量轻、负载少，因此与有人机相比信息处理能力较弱，限制了自身任务执行能力。

随着无人机作战环境日益复杂以及任务多样化，单架无人机已经无法满足需求，因此需要多个无人机协同执行任务以扩展能力、提高执行效率。无人机集群通过群体作战的方法，可以整合单架无人机的优势，在没有人为干预的情况下，能够实现自主决策、任务规划。蜂群无人机通过个体之间交互局部信息，可以有效获取任务信息，实现快速高效的决策与执行，极大的拓宽了无人机的可适用范围。蜂群无人机作为一个大规模互联系统，如果蜂群内部中某架无人机遭受恶意攻击或发生故障，由于群体内部的交互性可能会导致故障无人机影响周围无人机甚至整个群体的一致性和连通性，极大破坏了蜂群无人机的整体优势。因此对于蜂群无人机系统遭受恶意攻击时的故障传播情况进行分析，有利于提升集群的安全性与稳定性，为故障的预防与解决提供理论指导作用。

针对故障传播问题，目前主要集中于电力系统、交通网络、控制系统以及通信网络等方面进行研究，研究方法主要基于图论、贝叶斯网络、复杂网络等故障传播模型。基于图论的故障传播研究方法可以通过直观的结构特征描述故障传播过程，如有向图、Petri网、键合图等模型，但同时存在故障冗余解多，精度较差等问题；基于贝叶斯网络的故障传播模型是通过条件概率定义节点间的关系强度，克服不确定因素并对传播问题进行定性分析，但贝叶斯网络模型需要先验概率的支持，其计算结果受主观因素影响较大，从而导致不够准确；基于复杂网络的故障传播模型将实际系统抽象为复杂网络，可以有效分析系统结构，辨识故障源并降低传播问题研究的复杂性，然而复杂拓扑网络结构一般为固定状态，因此应用范围一般局限于电网、化工生产等领域。

发明内容

本发明人针对上述问题及技术需求，提出了一种基于时序网络的蜂群无人机故障传播分析方法，当无人机被恶意攻击时，根据蜂群无人机系统的动力学与局部交互特性，结合自身与邻居无人机的速度与位置信息，得到蜂群无人机系统的故障传播规律，从而分析故障无人机对于整个群体的影响程度，有利于故障的预防与解决，减小故障对蜂群无人机系统的危害后果。

本发明的技术方案如下：

一种基于时序网络的蜂群无人机故障传播分析方法，包括如下步骤：

建立蜂群无人机系统模型，根据蜂群无人机系统模型确定蜂拥控制势能函数；

结合蜂群无人机系统模型和蜂拥控制势能函数，对恶意攻击无人机形式进行分析；

根据蜂群无人机系统模型及其拓扑网络的特点建立时序网络模型；

确定时序网络模型的故障传播方向以及故障影响程度分配规则；

根据各个无人机故障影响程度判断个体故障情况；

基于matlab对分析方法进行仿真实验。

其进一步的技术方案为，建立蜂群无人机系统模型，根据蜂群无人机系统模型确定蜂拥控制势能函数，包括：