一种基于知识图谱的无人机集群监测方法与流程
本发明涉及多无人机系统领域,尤其涉及一种基于知识图谱的无人机集群监测方法。
背景技术:
1、随着多无人机系统在协同巡检、区域监测、应急处置和复杂任务执行中的应用增多,无人机集群运行过程中形成了大量飞行状态、通信状态、编队状态和任务关联信息。现有无人机集群监测方法通常通过单机状态阈值判断、通信链路质量分析、编队偏差检测或基于历史数据的异常识别,对无人机运行状态进行监测。
2、现有方法对通信关系和编队关系多采用相互独立的分析方式,难以识别两类关系在持续演化过程中出现的不同步现象。当通信拓扑和编队拓扑分别保持局部有效,但其对应关系已经发生偏离时,仅依据单架无人机状态或单一关系变化难以及时发现集群协同状态异常。
3、此外,现有基于知识图谱的时序分析通常直接依据关系事件的发生时间进行关联和推理,未充分考虑信息传输、机载处理及控制响应产生的实际作用传播时间,容易将时间相邻但不存在真实传播先后关系的事件建立关联。同时,对于关系异常发生后各无人机对集群整体结构稳定性的影响,现有方法缺少基于通信关系与编队关系联合变化进行进一步分析的有效手段。
4、因此,如何提供一种基于知识图谱的无人机集群监测方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于知识图谱的无人机集群监测方法,本发明基于无人机集群监测数据构建无人机集群时间知识图谱,并基于tilp模型构建无人机tilp模型,通过双关系游走单元沿通信关系和编队关系同步执行约束随机游走,形成联合游走状态和关系分离状态;通过作用时间递推单元逐段累计通信传输时间、机载处理时间和控制响应时间,得到作用到达区间;通过时间逻辑规则单元学习无人机集群时间逻辑规则,并由关系失效反推单元根据通信关系、编队关系及通信关系与编队关系的虚拟断开结果确定集群结构风险值,形成无人机集群监测结果,从而提高无人机集群监测的准确性和完整性。
2、根据本发明实施例的一种基于知识图谱的无人机集群监测方法,包括如下步骤:
3、采集无人机集群对应的无人机集群监测数据;
4、基于无人机集群监测数据构建无人机集群时间知识图谱;
5、构建无人机tilp模型,包括双关系游走单元、作用时间递推单元、时间逻辑规则单元和关系失效反推单元;
6、调用双关系游走单元,在无人机集群时间知识图谱中执行约束随机游走,分别形成通信关系链和编队关系链,记录联合游走状态和关系分离状态;
7、将联合游走状态作为作用时间递推单元的输入,沿通信关系链和编队关系链分别逐段累计得到作用到达区间;
8、基于时间逻辑规则单元,根据作用到达区间确定时间关系,筛选联合游走状态,结合关系分离状态和时间关系确定无人机集群时间逻辑规则;
9、调用关系失效反推单元,针对关系分离状态对应的各无人机,重新应用无人机集群时间逻辑规则,确定规则失效程度,计算集群结构风险值,生成无人机集群监测结果。
10、可选的,所述无人机集群监测数据包括飞行状态数据、通信状态数据、编队状态数据、任务关联数据和作用时间数据。
11、可选的,所述构建无人机集群时间知识图谱包括:
12、基于无人机集群监测数据,读取任务关联数据,确定需要同时维持通信关系和编队关系的对应无人机对,构建无人机实体;
13、读取对应无人机对的通信状态数据,确定无人机实体之间的通信关系;
14、读取相同采集时间下对应无人机对的飞行状态数据和编队状态数据,确定无人机实体之间的编队关系;
15、基于通信关系和采集时间确定对应通信关系的原始时间区间,基于编队关系和采集时间确定对应编队关系的原始时间区间;
16、将通信关系和编队关系在一个连续原始时间区间内的发生确定为一个关系事件;
17、按照对应无人机对和采集时间,将无人机实体、通信关系、编队关系、关系事件和原始时间区间写入无人机集群时间知识图谱。
18、可选的,所述构建无人机tilp模型包括:
19、调用原始tilp模型中的约束随机游走机制、时间逻辑规则学习机制和规则应用机制;
20、基于约束随机游走机制,将沿单一关系路径执行约束随机游走的处理结构改造为沿通信关系和编队关系同步执行约束随机游走的处理结构,构建双关系游走单元;
21、在双关系游走单元之后新增作用时间递推单元,构建由联合游走状态、作用时间数据和原始时间区间共同参与作用到达区间生成的处理路径;
22、基于时间逻辑规则学习机制,将原始时间区间直接参与时间关系确定的连接方式改造为作用到达区间参与时间关系确定的连接方式,设置联合游走状态筛选结构,构建时间逻辑规则单元;
23、基于规则应用机制,将根据时间逻辑规则对候选实体执行规则匹配的处理结构,改造为针对关系分离状态对应的无人机建立关系虚拟断开的规则应用过程,构建关系失效反推单元;
24、基于双关系游走单元、作用时间递推单元、时间逻辑规则单元和关系失效反推单元,构建无人机tilp模型。
25、可选的,所述记录联合游走状态和关系分离状态包括:
26、调用双关系游走单元,针对每个对应无人机对,分别以对应无人机对中的2架无人机作为初始实体各执行1次双关系同步约束随机游走;
27、基于无人机集群时间知识图谱,从初始实体开始按照tilp模型的约束随机游走机制逐轮执行关系转移;
28、按照游走轮次依次记录通信关系经过的关系事件和当前到达的无人机,形成通信关系链,按照相同游走轮次依次记录编队关系经过的关系事件和当前到达的无人机,形成编队关系链,将同一初始实体和相同游走轮次对应的两条关系链当前到达的无人机和当前经过的关系事件组合,形成联合游走状态;
29、针对同一初始实体形成的各联合游走状态,比较相同游走轮次下通信关系链与编队关系链当前到达的无人机,确定关系分离状态;
30、以通信关系链和编队关系链当前到达的无人机作为对应关系下一游走轮次的关系转移起点,持续更新通信关系链、编队关系链和联合游走状态,完成双关系同步约束随机游走,得到各联合游走状态及对应的关系分离状态。
31、可选的,所述累计得到作用到达区间包括:
32、将联合游走状态和作用时间数据作为作用时间递推单元的输入,按照通信关系链和编队关系链中关系事件的排列顺序分别读取关系事件,并读取与对应无人机对一致且采集时间对应关系事件发生时间的作用时间数据;
33、对于通信关系链和编队关系链中的各关系事件,基于同一关系链中前一关系事件对应的累计时间,与当前关系事件对应的作用时间数据,计算生成当前关系事件对应的累计时间;
34、针对通信关系链和编队关系链中的每个关系事件,基于关系事件对应原始时间区间和对应的累计时间,移动原始时间区间确定对应关系事件的作用到达区间;
35、将关系事件、原始时间区间、累计时间和作用到达区间对应记录,得到通信关系链和编队关系链中各关系事件对应的作用到达区间。
36、可选的,所述确定无人机集群时间逻辑规则包括:
37、调用时间逻辑规则单元,按照游走轮次分别读取通信关系链和编队关系链中的关系事件及对应的作用到达区间,将同一通信关系链和同一编队关系链中相邻2个游走轮次对应的关系事件依次确定为前一关系事件和后一关系事件;
38、分别比较前一关系事件和后一关系事件对应作用到达区间的起始时刻与结束时刻,确定对应关系事件之间的时间关系;
39、在无人机集群时间逻辑规则学习之前,当前一关系事件的作用到达区间起始时刻晚于后一关系事件的原始时间区间起始时刻时,筛除后一关系事件对应的联合游走状态,并停止使用对应的关系分离状态和时间关系;
40、保留前一关系事件的作用到达区间起始时刻不晚于后一关系事件原始时间区间起始时刻对应的联合游走状态,保留对应通信关系链和编队关系链中的关系事件、关系分离状态和时间关系;
41、按照tilp模型的时间逻辑规则学习机制,将保留的关系事件及其时间关系作为规则条件,将对应联合游走状态是否为关系分离状态作为规则结论,学习得到无人机集群时间逻辑规则。
42、可选的,所述生成无人机集群监测结果包括:
43、调用关系失效反推单元,针对每个关系分离状态对应的无人机,在虚拟断开前逐条应用无人机集群时间逻辑规则,记录满足的无人机集群时间逻辑规则;
44、针对同一无人机,分别删除无人机集群时间知识图谱中与该无人机实体相连且对应通信关系的关系事件、对应编队关系的关系事件以及同时对应通信关系和编队关系的关系事件,完成3种虚拟断开;
45、分别将3种虚拟断开后的无人机集群时间知识图谱重新应用于虚拟断开前满足的无人机集群时间逻辑规则,确定无人机集群时间逻辑规则失效;
46、分别统计3种虚拟断开情况下失效的无人机集群时间逻辑规则数量,结合虚拟断开前满足的无人机集群时间逻辑规则数量,确定规则失效程度;
47、基于单独断开通信关系、单独断开编队关系时失效的无人机集群时间逻辑规则数量和两种单独断开情况下均失效的相同无人机集群时间逻辑规则数量,确定单独断开规则失效比例,结合规则失效程度,计算集群结构风险值;
48、按照集群结构风险值排列关系分离状态对应的无人机,记录各无人机对应的关系分离状态和集群结构风险值,得到无人机集群监测结果。
49、本发明的有益效果是:
50、首先,本发明通过无人机tilp模型沿通信关系和编队关系同步执行约束随机游走,并将两类关系的当前到达结果组合形成联合游走状态,在通信关系链与编队关系链分别仍能够持续演化的情况下识别关系分离状态,从而能够发现单独分析通信状态或编队状态时难以识别的集群协同关系偏离,提高无人机集群监测对关系演化异常的识别能力。
51、其次,本发明沿通信关系链和编队关系链逐段累计通信传输时间、机载处理时间和控制响应时间,将关系事件的原始时间区间转换为作用到达区间,并在无人机集群时间逻辑规则学习前筛除实际作用尚未传播到达的联合游走状态,从而减少仅因关系事件在时间上相邻而形成的不合理时间关联,提高无人机集群时间逻辑规则与实际信息传输及控制响应过程的一致性。
52、此外,本发明针对关系分离状态对应的无人机分别虚拟断开通信关系、编队关系以及通信关系与编队关系,并通过虚拟断开前后无人机集群时间逻辑规则的失效变化确定集群结构风险值,从而能够进一步区分不同无人机对通信关系和编队关系共同维持集群结构的影响程度,使无人机集群监测结果能够反映关系分离及其对应的集群结构风险。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com