一种多无人机编队划分方法

摘要

本发明提供了一种多无人机编队划分方法，依次获得空战各个目标态势信息数据，并进行标准化处理；初始化隶属矩阵，使其满足约束条件；计算聚类中心；计算价值函数J，若满足计算终止的跳出条件，则算法停止，否则计算新的隶属矩阵，并返回上一步，重新计算聚类中心；满足跳出条件后，得到最终隶属矩阵；根据最终的隶属矩阵内各数据值对多目标进行聚类划分。本发明有效地降低多目标编队执行任务分配时的解算维数，减少运算量，提高解算速度。

主权项

1.一种多无人机编队划分方法，其特征在于包括下述步骤：步骤1：获得各个无人机态势信息数据；并采用下式标准化$x_{\mathrm{kj}}=\frac{x_{\mathrm{kj}}^{\prime }-{\bar{x}}_j}{{\sigma }_j}$式中，x'_kj表示第k个无人机的第j个属性值的原始数据，x_kj表示归一化后的第k个无人机的第j个属性值，1≤k≤m，1≤j≤n，m表示无人机数目，n表示无人机属性，分别取无人机的经度、纬度、高度，${\bar{x}}_j=\frac{1}{m}\underset{k=1}{\overset{m}{\Sigma }}{x}_{\mathrm{kj}},$${\sigma }_j=\sqrt{\frac{1}{m-1}\underset{k=1}{\overset{m}{\Sigma }}{(x_{\mathrm{kj}}-{\bar{x}}_j)}^2};$步骤2：用值在0，1间的随机数初始化隶属矩阵U＝(μ_ik)_c×m，使其满足约束条件μ_ik∈(0,1)，μ_ik表示第k个无人机属于第i个类的隶属度值，1≤i≤c，c表示聚类数目，$c=\left\{\begin{array}{cc}[m/4],& m\%4=0\\ [m/4]+1,& \mathrm{else}\end{array}\right.,$[]表示取整，%表示取余；步骤3：计算c个聚类中心式中，1≤i≤c，h为模糊权重系数，取2-6之间，V_i表示各个属性的第i个聚类中心，V_i＝(v_i1,v_i2,…,v_in)，X_k表示第k架无人机各个属性值，X_k＝(x_k1,x_k2,…,x_kn)；步骤4：计算价值函数$J=\underset{i=1}{\overset{c}{\Sigma }}\underset{k=1}{\overset{m}{\Sigma }}{\left({\mu }_{\mathrm{ik}}\right)}^h{d}_{\mathrm{ik}}=\underset{i=1}{\overset{c}{\Sigma }}\underset{k=1}{\overset{m}{\Sigma }}{\left({\mu }_{\mathrm{ik}}\right)}^h{\left|\right|X_k-V_i\left|\right|}^2;$如果J小于阀值ε，其中阈值ε＝0.000001，或J相对上次价值函数值的改变量小于ε，则算法停止，跳到步骤6；式中，d_jk＝||X_k-V_i||²＝(X_k-V_i)^T(X_k-V_i)；步骤5：重新计算隶属矩阵U＝(μ_ik)_c×m，返回步骤3；步骤6：得到最终的隶属矩阵$U={\left({\mu }_{\mathrm{ik}}\right)}_{c\times m}=\left[\begin{array}{cccc}{\mu }_{11}& {\mu }_{12}& ...& {\mu }_{1m}\\ {\mu }_{21}& {\mu }_{22}& ...& {\mu }_{2m}\\ .& & & .\\ .& & & .\\ .& ...& ...& .\\ {\mu }_{c1}& {\mu }_{c2}& ...& {\mu }_{\mathrm{cm}}\end{array}\right];$步骤7：计算第k个无人机类属的标号式中，c_k表示，1≤i≤c，表示1≤i≤c时，μ_ik最大时的i的取值步骤8：最终可以得到每个无人机的归属类号，将同一类号的无人机归到一起，确定为一个编队，得到所有的编队划分结果。