本发明公开了一种基于k‑means算法的天地一体化无人机群调度方法，属于空中基站无人机群技术领域，包括以下步骤：步骤1、通过无人机群内切换条件方程建立卫星或中继无人机节点之间的星间链路，利用k‑means算法对建立了星间链路的无人机群进行聚类，生成无人机核心节点群；从无人机核心节点群中选取最优无人机群核心节点；步骤2、对最优无人机群核心节点采用细菌觅食优化算法调度无人机，计算无人机的健康度，符合健康度的无人机继承非健康无人机的坐标及中继点传输级服务任务，完成无人机群调度。通过无人机群内切换保证热
(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116961731 A (43)申请公布日 2023.10.27 (21)申请号 9.5 (22)申请日 2023.08.11 (71)申请人 中电信数智科技有限公司 地址 100036 北京市海淀区复兴路33号 (72)发明人 王玉梁 (74)专利代理机构 南京钟山专利代理有限公司 32252 专利代理师 张力 (51)Int.Cl. H04B 7/185 (2006.01) G06V 30/19 (2022.01) G06N 3/006 (2023.01) 权利要求书2页 说明书7页 附图2页 (54)发明名称 一种基于k-means算法的天地一体化无人机 群调度方法 (57)摘要 本发明公开了一种基于k‑means算法的天地 一体化无人机群调度方法，属于空中基站无人机 群技术领域，包括以下步骤：步骤1、通过无人机 群内切换条件方程建立卫星或中继无人机节点 之间的星间链路，利用k‑means算法对建立了星 间链路的无人机群进行聚类，生成无人机核心节 点群；从无人机核心节点群中选取最优无人机群 核心节点；步骤2、对最优无人机群核心节点采用 细菌觅食优化算法调度无人机，计算无人机的健 康度，符合健康度的无人机继承非健康无人机的 坐标及中继点传输级服务任务，完成无人机群调 A 度。通过无人机群内切换保证热点持续性，确保 1 了每架无人机收获的利益和消耗的能力相差不 3 7 1 大，大大减少了无人机在空间内搜索的时间。 6 9 6 1 1 N C CN 116961731 A 权利要求书 1/2页 1.一种基于k‑means算法的天地一体化无人机群调度方法，其特征在于，包括以下步 骤： 步骤1、通过无人机群内切换条件方程建立卫星或中继无人机节点之间的星间链路，利 用k‑means算法对建立了星间链路的无人机群进行聚类，生成无人机核心节点群；从无人机 核心节点群中选取最优无人机群核心节点； 步骤2、对最优无人机群核心节点采用细菌觅食优化算法调度无人机，计算无人机的健 康度，符合健康度的无人机继承非健康无人机的坐标及中继点传输级服务任务，完成无人 机群调度。 2.如权利要求1所述的基于k‑means算法的天地一体化无人机群调度方法，其特征在 于，步骤1中，所述通过无人机群内切换条件方程建立卫星或中继无人机节点之间的星间链 路具体为： 所述无人机群内切换条件方程为： (Re+h)cos(alpha/2)＝Re+Hp 其中，h为卫星高度，Hp为余隙，Re为地球半径，alpha为星间地心角； 最小余隙对应最大星间地心角alpha(max)，当alphaalpha(max)时，两卫星之间建立 星间链路，反之则不能建立链路。 3.如权利要求1所述的基于k‑means算法的天地一体化无人机群调度方法，其特征在 于，步骤1中，所述利用k‑means算法对建立了星间链路的无人机群进行聚类，生成无人机核 心节点群具体为： 确定初始聚点，根据初始聚点将无人机群划分为多组，计算每组的中心点，将中心点作 为新的聚点，判断是否满足终止条件，若满足，则终止聚类，若不满足，则重新划分无人机群 的分组； 采集聚类完成后的每一组无人机的每一个无人机的在每一个空中商用场景的无线数 据，所述空中商用场景包括但不限于空中避障、地面救援和空中服务；统计无线数据经过无 人机的次数，选出每一组无人机中无线数据经过次数最多的节点作为无人机核心节点，各 组无人机中的无人机核心节点组成无人机核心节点群。 4.如权利要求3所述的基于k‑means算法的天地一体化无人机群调度方法，其特征在 于，所述确定初始聚点采用的方法包括经验选择法、随机选择法和抽样法； 所述经验选择法具体为：根据以往经验确定如何划分无人机群及分组数量，选择每一 组中有代表性的对象作为聚点； 所述随机选择法具体为：将无人机群随机地分成几组，取每组的中心作为聚点； 所述抽样法具体为：先随机抽取一部分无人机群对其进行聚类，然后取每组的中心作 为聚点。 5.如权利要求4所述的基于k‑means算法的天地一体化无人机群调度方法，其特征在 于，步骤1中，所述从无人机核心节点群中选取最优无人机群核心节点具体为： 将通过所述经验选择法、随机选择法和抽样法获得的所述无人机核心节点群利用最大 最小法选择聚点后重新聚类，将聚类完成后每一类无人机的中心节点作为最优无人机群核 心节点； 所述最大最小法具体为：先选取所述无人机核心节点群中相距最远的两个无人机为聚 2 2 CN 116961731 A 权利要求书 2/2页 点，然后选择第三个聚点，使第三个聚点与已经确定的聚点的最小距离比其余无人机与前 两个聚点的距离都大；按照同样的规则选择下一个聚点，直到选择完所有聚点。 6.如权利要求1所述的基于k‑means算法的天地一体化无人机群调度方法，其特征在 于，步骤2具体包括： 步骤2.1、最优无人机群核心节点执行趋化运动，第i个无人机节点根据下式更新位置： i i θ(j+1，k，l) θ(j，k，l)+C∠φ i 式中，θ(j，k，l)是第i个无人机节点在第j次趋化，第k次复制和第l次迁徙操作中的位 置；C是趋化步长；∠φ是翻转运动中的随机产生的角度，范围为[0～2π)； 步骤2.2、所有最优无人机群核心节点完成趋化后，计算无人机的健康度，计算公式为： i 式中， 表示第i个无人机的健康度，N表示趋化步骤的最大次数；J (j,k,l)表示第 c i个无人机节点在第j次趋化、第k次复制和第l次迁徙操作时的暂时健康度； 步骤2.3、将全部S个无人机节点根据健康度进行升序排序，淘汰后S (S＝S/2)个无人 r r 机节点，保留前S 个无人机节点作为健康母无人机节点；复制N次健康母无人机节点得到子 r 无人机节点； 步骤2.4、迁徙子无人机节点，以概率p选取部分子无人机节点将其随机驱散到其他位 置，剩余子无人机节点的位置保持不变。 3 3 CN 116961731 A 说明书 1/7页 一种基于k‑means算法的天地一体化无人机群调度方法 技术领域 [0001] 本发明涉及空中基站无人机群技术领域，具体涉及一种基于k‑means算法的天地 一体化无人机群调度方法。 背景技术 [0002] 目前全球仍有超过30亿人没有基本的互联网接入，其中大多数人分布在农村和偏 远地区，地面通信网络高昂的建网成本使电信运营企业难以负担。无人区、远洋海域 的通 信需求，如南极科学考察的高速通信、远洋货轮的宽带接入等，也无法通过部署地面网络来 满足。除了地球表面，无人机、飞机等空中设备也存在越来越多的连接需求。随着业务的逐 渐融合和部署场景的不断扩展，地面蜂窝网与包括高轨卫星网络、中低轨卫星网络、高空平 台、无人机在内的空间网络相互融合，将构建起全球广域覆盖的空天地一体化三维立体网 络，为用户提供无盲区的宽带移动通信服务。全域覆盖将实现全时全地域的宽带接入能力， 为偏远地区、飞机、无人机、汽车、轮船等提供宽带接入服务；为全球没有地面网络覆盖的地 区提供广域物联网接入，保障应急通信、农作物监控、珍稀动物无人区监控、海上浮标信息 收集、远洋集装箱信息收集等服务；提供精度为厘米级的高精度定位，实现高精度导航、精 准农业等服务；此外，通过高精度地球表面成像，可实现应急救援、交通调度等服务。 [0003] 自由市场类算法是一大类静态任务分配算法。它来源于资本主义社会市场经济体 制。市场经济能够利用自由的市场行为，进行自主的资源调配与流动。最后，由于市场类方 法，只考虑个体的收益最大，而不考虑整体的收益最大，不需要对所有的情况进行全面的考 虑，从而减少了空间中搜索的时间。但是由于市场中的盲目性，往往不能得到最佳的分配方 案。 发明内容 [0004] 本发明针对现有技术中的不足，提供一种基于k‑means算法的天地一体化无人机 群调度方法，针对无人机群在空中根据不同应用场景结合静态/动态任务分配算法进行空 中避障，地面救援、空中服务等商用行为。并通过自有卫星和合作卫星地面设施群组件的核 心网进行跨卫星及地面设施数据共享完成基于空天地海一体化的商用卫星合作模式。通过 空中调度模型结合不同应用场景结合人工智能进行5.5G向6G过渡。 [0005] 为实现上述目的，本发明采用以下技术方案： [0006] 一种基于k‑means算法的天地一体化无人机群调度方法，包括以下步骤： [0007] 步骤1、通过无人机群内切换条件方程建立卫星或中继无人机节点之间的星间链 路，利用k‑means算法对建立了星间链路的无人机群进行聚类，生成无人机核心节点群；从 无人机核心节点群中选取最优无人机群核心节点； [0008] 步骤2、对最优无人机群核心节点采用细菌觅食优化算法调度无人机，计算无人机 的健康度，符合健康度的无人机继承非健康无人机的坐标及中继点传输级服务任务，完成 无人机群调度。 4 4 CN 116961731 A 说明书 2/7页 [0009] 为优化上述技术方案，采取的具体措施还包括： [0010] 进一步地，步骤1中，所述通过无人机群内切换条件方程建立卫星或中继无人机节 点之间的星间链路具体为： [0011] 所述无人机群内切换条件方程为： [0012] (Re+h)cos(alpha/2)＝Re+Hp [0013] 其中，h为卫星高度，Hp为余隙，Re为地球半径，alpha为星间地心角； [0014] 最小余隙对应最大星间地心角alpha(max)，当alphaalpha(max)时，两卫星之间 建立星间链路，反之则不能建立链路。 [0015] 进一步地，步骤1中，所述利用k‑means算法对建立了星间链路的无人机群进行聚 类，生成无人机核心节点群具体为： [0016] 确定初始聚点，根据初始聚点将无人机群划分为多组，计算每组的中心点，将中心 点作为新的聚点，判断是否满足终止条件，若满足，则终止聚类，若不满足，则重新划分无人 机群的分组； [0017] 采集聚类完成后的每一组无人机的每一个无人机的在每一个空中商用场景的无 线数据，所述空中商用场景包括但不限于空中避障、地面救援和空中服务；统计无线数据经 过无人机的次数，选出每一组无人机中无线数据经过次数最多的节点作为无人机核心节 点，各组无人机中的无人机核心节点组成无人机核心节点群。 [0018] 进一步地，所述确定初始聚点采用的方法包括经验选择法、随机选择法和抽样法； [0019] 所述经验选择法具体为：根据以往经验确定如何划分无人机群及分组数量，选择 每一组中有代表性的对象作为聚点； [0020] 所述随机选择法具体为：将无人机群随机地分成几组，取每组的中心作为聚点； [0021] 所述抽样法具体为：先随机抽取一部分无人机群对其进行聚类，然后取每组的中 心作为聚点。 [0022] 进一步地，步骤1中，所述从无人机核心节点群中选取最优无人机群核心节点具体 为： [0023] 将通过所述经验选择法、随机选择法和抽样法获得的所述无人机核心节点群利用 最大最小法选择聚点后重新聚类，将聚类完成后每一类无人机的中心节点作为最优无人机 群核心节点； [0024] 所述最大最小法具体为：先选取所述无人机核心节点群中相距最远的两个无人机 为聚点，然后选择第三个聚点，使第三个聚点与已经确定的聚点的最小距离比其余无人机 与前两个聚点的距离都大；按照同样的规则选择下一个聚点，直到选择完所有聚点。 [0025] 进一步地，步骤2具体包括： [0026] 步骤2.1、最优无人机群核心节点执行趋化运动，第i个无人机节点根据下式更新 位置： [0027] i i θ(j+1,k,l)＝θ(j,k,l)+C∠φ [0028] i 式中，θ(j，k，l)是第i个无人机节点在第j次趋化，第k次复制和第l次迁徙操作中 的位置；C是趋化步长；∠φ是翻转运动中的随机产生的角度，范围为[0～2π)； [0029] 步骤2.2、所有最优无人机群核心节点完成趋化后，计算无人机的健康度，计算公 式为： 5 5 CN 116961731 A 说明书 3/7页 [0030] [0031] i 式中， 表示第i个无人机的健康度，N表示趋化步骤的最大次数；J (j,k,l) c 表示第i个无人机节点在第j次趋化、第k次复制和第l次迁徙操作时的暂时健康度； [0032] 步骤2 、将全部S个无人机节点根据健康度进行升序排序，淘汰后S (S＝S/2)个 .3 r r 无人机节点，保留前S 个无人机节点作为健康母无人机节点；复制N次健康母无人机节点得 r 到子无人机节点； [0033] 步骤2.4、迁徙子无人机节点，以概率p选取部分子无人机节点将其随机驱散到其 他位置，剩余子无人机节点的位置保持不变。 [0034] 本发明的有益效果是： [0035] 本发明在选取最优无人机群核心节点的阶段采用的方法可以针对复杂多变的空 中和地面商业服务场景给出一个都能满足的中心点的同时还能聚焦更加准确的无人机节 点；本发明通过无人机群内切换保证热点持续性，确保了每架无人机收获的利益和消耗的 能力相差不大，大大减少了无人机在空间内搜索的时间。 附图说明 [0036] 图1为本发明的整体流程图； [0037] 图2为聚类示意图； [0038] 图3为k‑means算法的流程图； [0039] 图4为空天地海一体化的商用卫星结合PBFO技术原理图。 具体实施方式 [0040] 现在结合附图对本发明作进一步详细的说明。 [0041] 本发明提出了一种基于k‑means算法的天地一体化无人机群调度方法，该方法的 整体流程图如图1所示，包括以下步骤： [0042] 步骤1、通过无人机群内切换条件方程建立卫星或中继无人机节点之间的星间链 路，利用k‑means算法对建立了星间链路的无人机群进行聚类，生成无人机核心节点群；从 无人机核心节点群中选取最优无人机群核心节点； [0043] 步骤2、对最优无人机群核心节点采用细菌觅食优化算法(Bacterial Foraging Optimization algorithm,BFO)调度无人机，计算无人机的健康度，符合健康度的无人机继 承非健康无人机的坐标及中继点传输级服务任务，完成无人机群调度。 [0044] 空中基站各层卫星的主要特征、时延、坐标及应用场景如表1所示。 [0045] 表1空中基站各层卫星的主要特征、时延及坐标 6 6 CN 116961731 A 说明书 4/7页 [0046] 7 7 CN 116961731 A 说明书 5/7页 [0047] 8 8 CN 116961731 A 说明书 6/7页 [0048] [0049] 步骤1中，所述通过无人机群内切换条件方程建立卫星或中继无人机节点之间的 星间链路具体为： [0050] 所述无人机群内切换条件方程为： [0051] (Re+h)cos(alpha/2)＝Re+Hp [0052] 其中，h为卫星高度，Hp为余隙(星间链路与地球表面的距离)，Re为地球半径， alpha为星间地心角； [0053] 最小余隙对应最大星间地心角alpha(max)，当alphaalpha(max)时，两卫星之间 建立星间链路，反之则不能建立链路。 [0054] 静态空中无人机群做为商用热点提高区域网络支持，超出热点范围则商用服务出 现空中服务质量问题，通过无人机群内切换保证热点持续性。 [0055] 步骤1中，所述利用k‑means算法对建立了星间链路的无人机群进行聚类，生成无 人机核心节点群具体为： [0056] 确定初始聚点，根据初始聚点将无人机群划分为多组，计算每组的中心点，将中心 点作为新的聚点，判断是否满足终止条件，若满足，则终止聚类，若不满足，则重新划分无人 机群的分组； [0057] 采集聚类完成后的每一组无人机的每一个无人机的在每一个空中商用场景的无 线数据，所述空中商用场景包括但不限于空中避障、地面救援和空中服务；统计无线数据经 过无人机的次数，选出每一组无人机中无线数据经过次数最多的节点作为无人机核心节 点，各组无人机中的无人机核心节点组成无人机核心节点群。 [0058] 所述确定初始聚点采用的方法包括经验选择法、随机选择法和抽样法； [0059] 所述经验选择法具体为：根据以往经验确定如何划分无人机群及分组数量，选择 每一组中有代表性的对象作为聚点； [0060] 所述随机选择法具体为：将无人机群随机地分成几组，取每组的中心作为聚点； [0061] 所述抽样法具体为：先随机抽取一部分无人机群对其进行聚类，然后取每组的中 心作为聚点。 [0062] 步骤1中，所述从无人机核心节点群中选取最优无人机群核心节点具体为： [0063] 将通过所述经验选择法、随机选择法和抽样法获得的所述无人机核心节点群利用 最大最小法选择聚点后重新聚类，将聚类完成后每一类无人机的中心节点作为最优无人机 群核心节点； 9 9 CN 116961731 A 说明书 7/7页 [0064] 所述最大最小法具体为：先选取所述无人机核心节点群中相距最远的两个无人机 为聚点，然后选择第三个聚点，使第三个聚点与已经确定的聚点的最小距离比其余无人机 与前两个聚点的距离都大；按照同样的规则选择下一个聚点，直到选择完所有聚点。 [0065] 步骤2具体包括： [0066] 步骤2.1、最优无人机群核心节点执行趋化运动，第i个无人机节点根据下式更新 位置： [0067] i i θ(j+1,k,l)＝θ(j,k,l)+C∠φ [0068] i 式中，θ(j，k，l)是第i个无人机节点在第j次趋化，第k次复制和第l次迁徙操作中 的位置；C是趋化步长；∠φ是翻转运动中的随机产生的角度，范围为[0～2π)； [0069] 步骤2.2、所有最优无人机群核心节点完成趋化后，计算无人机的健康度，计算公 式为： [0070] [0071] i 式中， 表示第i个无人机的健康度，N表示趋化步骤的最大次数；J (j,k,l) c 表示第i个无人机节点在第j次趋化、第k次复制和第l次迁徙操作时的暂时健康度； [0072] 步骤2.3、将全部S个无人机节点根据健康度进行升序排序，淘汰后S (S＝S/2)个 r r 无人机节点，保留前S 个无人机节点作为健康母无人机节点；复制N次健康母无人机节点得 r 到子无人机节点；为计算方便，S设为2的整数倍。 [0073] 步骤2.4、迁徙子无人机节点，以概率p选取部分子无人机节点将其随机驱散到其 他位置，剩余子无人机节点的位置保持不变。 [0074] 步骤2实现对复杂多变场景及自有卫星和合作卫星地面设施群组件的核心网进行 跨卫星及地面设施数据共享的服务及应用，完成基于空天地海一体化的商用卫星合作模 式。空天地海一体化的商用卫星结合PBFO技术原理如图4所示。 [0075] 以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例， 凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的 普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护 范围。 10 10 CN 116961731 A 说明书附图 1/2页 图1 图2 图3 11 11 CN 116961731 A 说明书附图 2/2页 图4 12 12
2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问加。
3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
一种聚苯胺-磷酸锌-三聚磷酸铝复合水性环氧树脂防腐涂料及其制备方法.pdf
《GNSS定位测量技术》 课件 子项目1、2 GNSS定位技术的发展；坐标系统与时间系统.ppt
生物制药实验室管理软件：LabVantage二次开发_（5）Vantage用户界面定制.docx
原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者
