[发明专利]一种基于数字孪生的集群协同搜索虚实结合式验证方法

权利要求书

1.一种基于数字孪生的集群协同搜索虚实结合式验证方法，其特征在于，所采用的步骤是：

步骤1：搭建无人机集群数字孪生系统，系统主要由真实域和虚拟域组成，真实域包括真实无人机、真实目标和包含环境信息的真实场景，虚拟域运行在仿真服务器上，创建真实域的数字孪生体模型，包括虚拟无人机、虚拟目标、虚拟场景和虚实域间接口，虚拟场景根据真实场景1:1建模生成，真实无人机在真实域中飞行，虚拟无人机在虚拟域通过仿真方式模拟飞行，真实无人机可以与任意虚拟无人机进行映射，真实目标与虚拟目标映射，虚实域间接口是连接真实域和虚拟域的数据通道；

步骤2：设计虚实域间接口，完成真实数据和虚拟数据的交互与融合，真实域中的所有无人机产生的数据统一通过地面站，再由地面发送给仿真服务器，将真实数据加载进虚拟域相映射的虚拟无人机，虚拟无人机发向真实域的虚拟数据，首先通过虚实域间接口发送给地面站，再由地面站发送给相映射的真实无人机，完成真实域和虚拟域之间数据的实时交互与融合，同时，地面站还将真实无人机的位置实时发送给相映射的虚拟无人机，虚拟无人机修正自身位置，对于目标节点，真实目标的数据直接发送给仿真服务器，再由虚实域间接口加载进相映射的虚拟目标，虚拟目标发出的数据，由虚实域间接口直接发送给相映射的真实目标，从而完成真实目标和虚拟目标的数据交互与融合；

步骤3：设计一种基于自适应粒子群的无人机集群协同搜索方法，在无人机集群数字孪生系统实现并进行虚实结合式仿真验证，首先离散化空间区域和时间尺度，构建环境地图模型；然后采用融合信息素图和环境认知图的自适应粒子群算法进行协同目标搜索，无人机根据感知到的环境信息，计算当前时刻无人机位置的适应度值，由适应度值更新无人机的速度和位置，完成无人机状态的更新，以引导无人机集群决策选择下一最优航迹点，最后通过机间近邻通信来实现无人机对环境认知图和信息素图的更新；同时，数字孪生系统将真实域数据和虚拟域数据进行融合，基于融合后的无人机数据和环境信息计算适应度值；

其中计算当前时刻无人机位置的适应度值，由适应度值更新无人机的速度和位置的具体方法为：

计算每个无人机的适应度值，通过融合信息素图和环境认知图来设计无人机集群协同搜索目标的下一步决策目标函数：

(1)

其中，为无人机在时刻维护的适应度图，为信息素图，为目标存在概率图，为栅格访问次数图，其中，和为上述各信息图所占适应度函数的相对权重，适应度图中栅格值越大，表明该栅格越优，无人机下一步更倾向于到达该栅格；

为避免无人机集群陷入局部搜索，增加无人机集群之间的交互性，受启发于蚁群算法中利用信息素进行群体之间的交互以协同完成觅食，各无人机维护自身的一个信息素图，并通过与近邻无人机进行信息素图的融合更新，来实时加深对探索区域环境的认知；

具体表示当前时刻无人机对搜索环境所维护的信息素图，由一个的二维数组表示，存储无人机在时刻所有栅格的信息素浓度，初始时刻每一个栅格处设置信息素浓度为20，在探索过程中，信息素浓度值越高表示无人机下一步越倾向于移动到该栅格处；

为了防止某一区域信息素浓度值过高，设置信息素浓度值满足，在每一步转移后，无人机的信息素图通过下述信息素更新机制进行更新：

(2)

其中，为无人机在通信范围内由近邻无人机所引起的信息素变化量，

(3)

其中，R为探测范围，为局部信息素衰减常量，表示无人机j为无人机i通信范围内的近邻无人机；

具体表示当前时刻无人机对搜索环境维护的目标存在概率图，由一个的二维数组表示，其中每一个数值表示栅格中存在目标的概率，当大于预先的目标存在概率阈值，判定已经搜索到该栅格处存在的目标，为实现多目标搜索任务，当其中一架无人机搜索到目标时，为了避免其他无人机对该目标的重复搜索，将搜索到的目标从目标搜索列表中删除，在无人机不断探测过程中，对搜索环境认知逐渐加深，目标存在概率图根据贝叶斯概率公式更新：

(4)

其中，为传感器在时刻的探测概率，为虚警概率；为二值矢量，表探测范围内存在目标，表示探测范围内不存在目标，探测概率描述了区域内存在目标，并且无人机探测到目标，虚警概率描述了无人机错误探测到区域内存在目标，为0.8，为0.2，随着距离增加，探测精度也会随着下降；

具体表示当前时刻无人机对搜索环境维护的栅格访问次数图，由一个的二维数组表示，所有栅格初始化值为0，其中，每一个数值表示栅格被无人机访问的次数，栅格每被访问一次，增加1，为了减少无效重复探索，尽可能扩大未被探测区域，在计算适应度函数值时取其倒数，即访问次数越少则下一步被探测的可能性越大；

由适应度值更新无人机的速度和位置，完成无人机状态的更新的方法为：

（1）设计无人机集群协同搜索目标问题中每架无人机的局部最优和全局最优更新机制，由于每架无人机所携带的通信设备能力有限，考虑部分通信情况下集群进行分布式通信，根据设置的通信范围确定无人机当前时刻能够进行通信的近邻无人机，通过比较各个近邻无人机自身维护的适应度图，并选取其中最大值作为局部最优值，即

(5)

对应的栅格位置为局部最优位置，进一步，将与所有近邻无人机的局部最优值进行比较，选择最大值为此时无人机的全局最优值

(6)

其中，表示第j个近邻无人机的个体最优，对应的栅格位置为全局最优位置；当无人机集群完成每一步决策后，计算每架无人机的适应度图，并与存储的局部最优值和全局最优值进行比较，如果适应度值更大，则更新替换当前局部最优位置和全局最优位置，局部最优值更新为：

(7)

全局最优值更新为：

(8)

（2）设计无人机集群协同搜索目标问题的速度更新机制，按照速度更新各无人机下一步位置，速度更新公式v由以下4部分构成：

(9)

其中，取值为[0,1]范围内的随机数，为学习系数，均取值为2，w为动态自适应惯性权重值，与传统粒子群算法参数设置不同，此处根据粒子更新速度和聚集程度来确定w值，具体计算为：

(10)

其中，为惯性权重初始值，取值为[0,1]范围内的随机数，为前一时刻的个体最优值，为第t次迭代所有近邻无人机个体最优的平均值；

在公式(9)中，为惯性权重速度，为个体最优速度，为全局最优速度，具体表示为：

(11)

(12)

其中，为无人机i当前时刻的位置，为个体最优值对应的最优位置，为全局最优值所对应的全局最优位置；

与传统粒子群算法更新机制不同，为进一步考虑无人机集群间的协同，公式(9)中考虑通信范围内所有近邻无人机的平均最优速度：

(13)

其中， N为无人机i通信范围内的近邻无人机数量，为第n个近邻无人机的个体最优值所对应的个体最优位置；

（3）利用上述的速度更新公式更新得到无人机集群下一时刻的位置，通过构建的角度映射函数决策判断下一时刻无人机的可行航向，具体为：

(14)

由根据构建的角度映射函数决策判断出下一时刻航向，构建的角度映射函数如下所述：

(15)

其中，表示无人机下一步的4个可选航向，分别对应向上、向左、向下和向右一共4种航向，因此，可以根据当前时刻栅格值和上述确定的航向来决策下一步无人机选择的栅格，从而确定无人机的位置坐标。

2.根据权利要求1所述的一种基于数字孪生的集群协同搜索虚实结合式验证方法，其特征在于：所述步骤2中设计虚实域间接口，完成真实数据和虚拟数据的交互与融合的具体方法为：

（1）真实无人机产生的数据首先发给地面站，地面站在数据前面增加两个字段{源地址，标志位}，其中源地址字段用于指明当前数据由哪个真实无人机产生，标志位字段用于识别当前数据是业务数据还是位置数据；真实目标产生的数据直接发送给仿真服务器，不需要在数据前面增加任何字段；

（2）虚实域间接口从仿真服务器捕获数据时，可通过IP地址区分当前数据是来自地面站还是真实目标，如果来自地面站，首先根据前面两个字段，判断当前数据是来自哪架真实无人机，是业务数据还是位置数据，然后将真实数据发送到虚拟域相映射的节点进行数据融合；

（3）虚拟域发出的数据，如果是发送给真实无人机，在数据前面增加{目标地址}关键字段，用于告知地面站当前数据发送给哪架真实无人机，如果发送给真实目标，不需要增加任何字段。