面向群体快速融合的仿生无人机集群架构

doi:10.11959/j.issn.1000-0801.2022240

电信科学 ›› 2022, Vol. 38 ›› Issue (8): 17-27.doi: 10.11959/j.issn.1000-0801.2022240

• 专题：无人机空地无线通信技术 • 上一篇下一篇

面向群体快速融合的仿生无人机集群架构

曾子鸣¹, 董超¹, 朱小军², 贾子晔¹

¹ 南京航空航天大学电子信息工程学院，江苏南京 211106
² 南京航空航天大学计算机科学与技术学院，江苏南京 211106

修回日期:2022-08-02 出版日期:2022-08-20 发布日期:2022-08-01
作者简介:曾子鸣（1999- ），男，南京航空航天大学电子信息工程学院硕士生，主要研究方向为仿生无人机集群架构
董超（1980- ），男，南京航空航天大学电子信息工程学院院长助理、教授、博士生导师，万人计划青年拔尖人才，江苏省333工程“中青年学术技术带头人”，主要研究方向为无人机蜂群自组织网络、空天地一体智联网、边缘网络智能、无人机协同智能应用、大规模无线网络仿真等
朱小军（1986- ），男，南京航空航天大学计算机科学与技术学院副教授、硕士生导师，主要研究方向为无线网络和无人机网络
贾子晔（1990- ），女，南京航空航天大学电子信息工程学院副研究员、硕士生导师，主要研究方向为空天地一体化网络、卫星网络、无人机组网、网络功能虚拟化等方向的相关基础理论和应用技术
基金资助:
国家自然科学基金资助项目(61931011);国家自然科学基金资助项目(61972199);江苏省自然科学基金资助项目(BK20220883);中央高校基本科研业务费(NS2022045)

Bionic UAV architecture for fast swarm fusion

Ziming ZENG¹, Chao DONG¹, Xiaojun ZHU², Ziye JIA¹

¹ School of Electronic Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China
² School of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China

Revised:2022-08-02 Online:2022-08-20 Published:2022-08-01
Supported by:
The National Natural Science Foundation of China(61931011);The National Natural Science Foundation of China(61972199);The Natural Science Foundation of Jiangsu Province of China(BK20220883);The Fundamental Research Funds for the Central Universities(NS2022045)

摘要/Abstract

摘要：

摘要：无人机集群作战是未来战场的重要组成部分。集群内的无人机通过协作，进行载荷的互补与任务协调，以提升系统整体性能。自然界中如蚂蚁、狼、鸽子、鱼等群体，其个体与单架无人机行为类似，而蚁群、狼群、鸽群又能依靠个体间的规则，通过协调与组织实现更为复杂的行为。不同生物集群展现的能力不同，在战场上能承担的任务也各不相同。从生物集群的群体特征出发，考虑生物间的拓扑和交流机制，提出了一种仿生无人机集群的融合架构。不同种类的仿生无人机集群自由地融合，增强了无人机集群的异构性，提高仿生无人机集群架构的协调能力。

关键词: 仿生无人机集群, 无人机集群架构, 无人机队形重构

Abstract:

UAV swarm operation is an important part of the future battlefield.UAVs in the cluster cooperate to complement each other and coordinate tasks to improve the overall performance of the system.In animal groups such as ants, wolves, pigeons, fish, etc., their individuals behave similarly to a single drone, while ant colonies, wolves, and pigeon colonies can rely on the rules between individuals to achieve more complex behaviors through group coordination and organization.Different creatures exhibit different abilities and can undertake different tasks on the battlefield.Considering the topology and communication mechanism between creatures, a fusion architecture of bionic drone swarms was proposed which aims to enable different types of bionic UAV swarms to be freely integrated and improve the coordination level of the whole UAV swarm architecture.

Key words: bionic UAV, UAV swarm architecture, UAV formation reconfiguration

中图分类号:

TP393

曾子鸣, 董超, 朱小军, 贾子晔. 面向群体快速融合的仿生无人机集群架构[J]. 电信科学, 2022, 38(8): 17-27.

Ziming ZENG, Chao DONG, Xiaojun ZHU, Ziye JIA. Bionic UAV architecture for fast swarm fusion[J]. Telecommunications Science, 2022, 38(8): 17-27.

图/表 9

表1

图1

图2

表2

表3

表4

表5

图3

图4

参考文献 32

[1]	邹立岩, 张明智, 柏俊汝 ,等. 无人机集群作战建模与仿真研究综述[J]. 战术导弹技术, 2021(3): 98-108.
	ZOU L Y , ZHANG M Z , BAI J R ,et al. A survey of modeling and simulation of UAS swarm operation[J]. Tactical Missile Technology, 2021(3): 98-108.
[2]	THERAULAZ G , BONABEAU E . A brief history of stigmergy[J]. Artificial Life, 1999,5(2): 97-116.
[3]	段海滨, 李沛 . 基于生物群集行为的无人机集群控制[J]. 科技导报, 2017,35(7): 17-25.
	DUAN H B , LI P . Autonomous control for unmanned aerial vehicle swarms based on biological collective behaviors[J]. Science ＆ Technology Review, 2017,35(7): 17-25.
[4]	孙佳琛, 王金龙, 陈瑾 ,等. 群体智能协同通信:愿景、模型和关键技术[J]. 中国科学:信息科学, 2020,50(3): 307-317.
	SUN J C , WANG J L , CHEN J ,et al. Cooperative communication based on swarm intelligence:vision,model,and key technology[J]. Scientia Sinica (Informationis), 2020,50(3): 307-317.
[5]	TAHIR A , B?LING J , HAGHBAYAN M H ,et al. Swarms of unmanned aerial vehicles—A survey[J]. Journal of Industrial Information Integration, 2019,16:100106.
[6]	吴新峰, 顾鑫, 陆婷婷 ,等. 一种基于马赛克战理念的协同作战系统设计:方案设想及关键技术探索[J]. 指挥与控制学报, 2020,6(3): 278-283.
	WU X F , GU X , LU T T ,et al. Design of cooperative operation system based on mosaic warfare concept:scheme assumption and key technology exploration[J]. Journal of Command and Control, 2020,6(3): 278-283.
[7]	段海滨, 邱华鑫 . 基于群体智能的无人机集群自主控制[M]. 北京: 科学出版社, 2018.
	DUAN H B , QIU H X . Unmanned aerial vehicle swarm autonomous control based on swarm intelligence[M]. Beijing: Science Press, 2018.
[8]	尚玉昌 . 动物行为学[M]. 北京: 北京大学出版社, 2005.
	SHANG Y C . Ethology[M]. Beijing: Peking University Press, 2005.
[9]	邱华鑫, 段海滨, 范彦铭 . 基于鸽群行为机制的多无人机自主编队[J]. 控制理论与应用, 2015,32(10): 1298-1304.
	QIU H X , DUAN H B , FAN Y M . Multiple unmanned aerial vehicle autonomous formation based on the behavior mechanism in pigeon flocks[J]. Control Theory ＆ Applications, 2015,32(10): 1298-1304.
[10]	杨庆, 段海滨 . 仿鸿雁编队的无人机集群飞行验证[J]. 工程科学学报, 2019,41(12): 1599-1608.
	YANG Q , DUAN H B . Verification of unmanned aerial vehicle swarm behavioral mechanism underlying the formation of Anser cygnoides[J]. Chinese Journal of Engineering, 2019,41(12): 1599-1608.
[11]	邱华鑫, 段海滨, 范彦铭 ,等. 鸽群交互模式切换模型及其同步性分析[J]. 智能系统学报, 2020,15(2): 334-343.
	QIU H X , DUAN H B , FAN Y M ,et al. Pigeon flock interaction pattern switching model and its synchronization analysis[J]. CAAI Transactions on Intelligent Systems, 2020,15(2): 334-343.
[12]	范林飞 . 基于鸽群算法的多无人机协同编队[D]. 南京:南京航空航天大学, 2020.
	FAN L F . Cooperative formation of multi-UAVs based on pigeon algorithm[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2020.
[13]	郑超学 . 基于红外信息素通信的仿生蚁群觅食路径规划研究[D]. 武汉:武汉科技大学, 2020.
	ZHENG C X . Research on foraging path planning of bionic ant colony based on infrared pheromone communication[D]. Wuhan:Wuhan University of Science and Technology, 2020.
[14]	DORIGO M , STüTZLE T , . The ant colony optimization metaheuristic:algorithms,applications,and advances handbook of metaheuristics[M]. 2003.
[15]	ZHAO D S , LI X X , YANG J . An improved wolf pack algorithm for sustainable machining parameter optimization[C]// Proceedings of 2018 IEEE 3rd Advanced Information Technology,Electronic and Automation Control Conference. Piscataway:IEEE Press, 2018: 34-38.
[16]	李晓磊 . 一种新型的智能优化方法-人工鱼群算法[D]. 杭州:浙江大学, 2003.
	LI X L . A new intelligent optimization method-artificial fish school algorithm[D]. Hangzhou:Zhejiang University, 2003.
[17]	SUN W F , TANG M , ZHANG L J ,et al. A survey of using swarm intelligence algorithms in IoT[J]. Sensors (Basel,Switzerland), 2020,20(5): 1420.
[18]	NAYYAR A , LE D N , NHU N G . The handbook titled “advances in swarm intelligence for optimizing problems in computer science”[M].S.l.: Taylor ＆ Francis Group, 2018.
[19]	ARNOLD R , CAREY K , ABRUZZO B ,et al. What is A robot swarm:a definition for swarming robotics[C]// Proceedings of 2019 IEEE 10th Annual Ubiquitous Computing,Electronics ＆Mobile Communication Conference. Piscataway:IEEE Press, 2019: 74-81.
[20]	ZHOU Y K , RAO B , WANG W . UAV swarm intelligence:recent advances and future trends[J]. IEEE Access, 2019(8): 183856-183878.
[21]	CAMPION M , RANGANATHAN P , FARUQUE S . UAV swarm communication and control architectures:a review[J]. Journal of Unmanned Vehicle Systems, 2019,7(2): 93-106.
[22]	HASSANIEN A , EMARY E . Swarm Intelligence[M]. S. l.: CRC Press, 2015.
[23]	王钦禾, 尹永鑫, 杨宁 . 多无人机编队飞行控制关键技术[C]// 北京力学会第二十七届学术年会论文集. [出版地:出版者不详], 2021: 28-29.
	WANG Q H , YIN Y X , YANG N . Key technologies of flight control of multi-UAV formation[C]// Proceedings of the 27th Annual Conference of Beijing Institute of Mechanics.[S.l.:s.n.], 2021: 28-29.
[24]	李腾 . 有人/无人机协同编队控制技术研究[D]. 南京:南京航空航天大学, 2017.
	LI T . Cooperative formation control technology for manned/unmanned aerial vehicles[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2017.
[25]	乔琛 . 面向无人机集群的协同编队控制算法与仿真实现[D]. 成都:电子科技大学, 2021.
	QIAO C . Collaborative formation control algorithm and simulation for UAV swarm[D]. Chengdu:University of Electronic Science and Technology of China, 2021.
[26]	COUZIN I D , KRAUSE J , FRANKS N R ,et al. Effective leadership and decision-making in animal groups on the move[J]. Nature, 2005,433(7025): 513-516.
[27]	LUO Q N , DUAN H B . Distributed UAV flocking control based on homing pigeon hierarchical strategies[J]. Aerospace Science and Technology, 2017(70): 257-264.
[28]	WUBBEN J , AZNAR P , FABRA F ,et al. Toward secure,efficient,and seamless reconfiguration of UAV swarm formations[C]// Proceedings of 2020 IEEE/ACM 24th International Symposium on Distributed Simulation and Real Time Applications (DS-RT). Piscataway:IEEE Press, 2020: 1-7.
[29]	朱文金, 王罗昊佶, 蔡志强, ,等. 考虑级联失效的可重构网络抗毁性研究[J]. 西北工业大学学报, 2021,39(4): 839-846.
	ZHU W J , WANG L , CAI Z Q ,et al. Resilience analysis for reconfigurable network with cascading failures[J]. Journal of Northwestern Polytechnical University, 2021,39(4): 839-846.
[30]	王璨, 高辰子 . 无人机集群通信网络拓扑重构及关键技术研究[J]. 舰船电子工程, 2021,41(5): 49-52,82.
	WANG C , GAO C Z . Research on communication networks topology reconstruction and key technologies of UAV swarm[J]. Ship Electronic Engineering, 2021,41(5): 49-52,82.
[31]	左嘉娴 . 无人机集群网络拓扑重构及关键技术研究[D]. 西安:西安工业大学, 2022.
	ZUO J X . Research on Topological reconstruction of UAV swarm network and key technology[D]. Xi'an:Xi'an Technological University, 2022.
[32]	SOUZA F C , SANTOS S R B D , DE OLIVEIRA A M ,et al. Influence of network topology on UAVs formation control based on distributed consensus[C]// Proceedings of 2022 IEEE International Systems Conference (SysCon). Piscataway:IEEE Press, 2022: 1-8.

特点	生物集群	集群实例	无人机集群
组织结构的分布式	不存在中心节点，各自与邻近个体通信	狼群围猎时，常采取包抄战术	去中心化程度高，呈现分布式架构
行为主体的简单性	动物个体遵循非常简单的行为规则与通信规则	鱼群的个体通过侧线反馈机制，能有效躲避捕食者	单个无人机成本低，功能较少，可承担的任务单一
作用模式的灵活性	对环境的变化具有适应性	面对不同的风速时，鸽子会采取不同的队形前进	需要面对位置的战场环境以及多变的任务需求
系统整体的智能性	组成的集群效率更高，涌现基于群体的智能行为	蚁群通过信息素交流，共同完成迁移、进食等行为	无人机集群通过协同作战，达到更高的作战效率

无人机编号	x/m	y/m	h/m
1	6	6	6
2	5	6	5
3	6	5	5
4	4	6	4
5	5	5	4
6	6	4	4
a	6	6	5
b	6	5	6
c	5	5	6
d	4	5	6

无人机类型	鸽群层级	无人机编号
领航者无人机	一	1
跟随者无人机	二三	2、34、5、6
待接收无人机	无	a、b、c、d

无人机类型	鸽群层级	无人机编号
领航者无人机	一	1
跟随者无人机	二	a、b
	三	2、3、c
	四	4、d、6、5

面向群体快速融合的仿生无人机集群架构

Bionic UAV architecture for fast swarm fusion

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 32

相关文章 15

Metrics

推荐阅读 0

[1]	高凯辉, 李丹. 数据中心网络性能保障研究综述[J]. 电信科学, 2023, 39(6): 1-21.
[2]	李彧, 李召召, 吕平, 刘勤让. 全维可重构的多模态网络交换芯片架构设计[J]. 电信科学, 2023, 39(6): 22-32.
[3]	李炯, 胡宇翔, 崔鹏帅, 田乐, 董永吉. 面向多模态网络环境的网络模态增量式部署机制研究[J]. 电信科学, 2023, 39(6): 33-43.
[4]	郭泽华, 朱昊文, 徐同文. 面向分布式机器学习的网络模态创新[J]. 电信科学, 2023, 39(6): 44-51.
[5]	刘爱华, 骆汉光, 温建中, 占治国. 面向多模态网络的隔离转发技术研究[J]. 电信科学, 2023, 39(6): 52-60.
[6]	邹涛, 张慧峰, 高万鑫, 徐琪, 沈丛麒, 朱俊, 潘仲夏, 国兴昌. 面向智能制造的多模态网络应用技术研究[J]. 电信科学, 2023, 39(6): 61-72.
[7]	何耀宇, 张超. 面向无人机应用的低轨卫星通信技术适航分析[J]. 电信科学, 2023, 39(6): 96-104.
[8]	王甫镔, 孙士渊, 王梦辉, 杨昉, 王小斐, 宋健. 多光源可见光通信关键技术[J]. 电信科学, 2023, 39(5): 3-10.
[9]	马天洋, 陈雄斌, 徐义武. 基于可见光通信的零能耗光标签[J]. 电信科学, 2023, 39(5): 20-27.
[10]	刘思聪, 苏丹萍, 卫天阔, 王先耀. 基于多节点协作的鲁棒可见光智能定位[J]. 电信科学, 2023, 39(5): 28-41.
[11]	胡珈玮, 刘晓谦, 唐昕柯, 董宇涵. 基于DQN的UUV辅助水下无线光通信轨迹规划系统[J]. 电信科学, 2023, 39(5): 42-47.
[12]	刘晓谦, 唐昕柯, 董宇涵. 水下无线光MIMO链路空间信道建模[J]. 电信科学, 2023, 39(5): 48-56.
[13]	张嗣宏, 张健. 以ChatGPT为代表的生成式AI对通信行业的影响和应对思考[J]. 电信科学, 2023, 39(5): 67-75.
[14]	马晓亮, 刘英, 杜德泉, 安玲玲. 运营商智能客服的关键技术和发展趋势[J]. 电信科学, 2023, 39(5): 76-89.
[15]	唐鑫新, 曾学文, 凌致远, 宋磊. 可编程数据平面技术综述[J]. 电信科学, 2023, 39(4): 1-16.