一种基于深度学习的空地一体化协同调度方法与流程
本发明涉及低空管控领域,尤其涉及一种基于深度学习的空地一体化协同调度方法。
背景技术:
1、现有低空调度方法通常围绕待调度任务和空中节点运行状态进行任务派发,根据任务位置、任务执行时段、载荷需求、空中节点剩余航时和当前占用情况选择执行对象,并结合安全飞行走廊的通行时间、走廊占用情况和风险等级进行通行判断。部分方法还会引入地面节点的通信覆盖和能源补给能力,为空中节点提供辅助支撑,从而形成基础的空地协同调度流程。
2、但是,现有方法多采用单一规则或分阶段筛选方式处理任务、空中节点、地面节点和安全飞行走廊之间的关系,难以同时表达任务指派关系、走廊通行关系、区域到达关系和地面支撑关系。在多任务集中出现、空中节点状态动态变化、安全飞行走廊存在占用或风险波动时,容易产生任务分配冲突、空地支撑不匹配、走廊通行冲突和候选方案不可执行的问题,难以在统一调度过程中兼顾匹配强度、前向可达性和协同约束筛选。
3、因此,如何提供一种基于深度学习的空地一体化协同调度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深度学习的空地一体化协同调度方法,本发明充分利用了深度学习和可达性分析技术,实现空地协同调度,具备匹配准确、冲突少和可执行性高的优点。
2、根据本发明实施例的一种基于深度学习的空地一体化协同调度方法,包括如下步骤:
3、获取待调度任务数据、空中节点运行数据、地面节点运行数据和安全飞行走廊数据并进行预处理,生成空地协同调度基础数据集;
4、基于空地协同调度基础数据集提取任务需求状态、空中节点执行状态、地面节点支撑状态和安全飞行走廊基础状态,生成空地协同调度状态数据集;
5、基于空地协同调度状态数据集构建任务、空中节点、地面节点和安全飞行走廊之间的联合适配表征数据;
6、对联合适配表征数据进行适配关系汇聚和匹配强度量化,生成联合匹配评分;
7、将联合匹配评分输入gumbel-sinkhorn网络进行矩阵化匹配处理,生成任务空中节点匹配矩阵和空地节点协同匹配矩阵;
8、基于任务空中节点匹配矩阵、空地节点协同匹配矩阵、空中节点执行状态和安全飞行走廊基础状态构建混合zonotope,并进行前向可达性分析和协同约束筛选,生成空地协同候选调度方案;
9、对空地协同候选调度方案进行可执行调度关系编排,生成空地一体化协同调度方案。
10、可选的,所述空中节点指参与低空任务执行的飞行对象,所述地面节点指为低空任务执行过程提供支撑的地面设施或地面支撑对象,所述安全飞行走廊指空中节点执行任务过程中允许通行的低空路径范围,所述预处理包括时间对齐、空间坐标统一、任务区域标记、节点归属标记、异常数据剔除、缺失数据补齐和数据归一化处理。
11、可选的,所述空地协同调度状态数据集的生成具体包括:
12、对空地协同调度基础数据集中的待调度任务数据进行任务状态要素编排,并依据编排结果进行任务状态标记,生成任务需求状态;
13、对空中节点运行数据进行节点归属编排和执行能力提取,并结合任务需求状态判定空中节点当前执行可用情况,生成空中节点执行状态;
14、基于地面节点运行数据归集地面支撑状态要素,确定地面节点对任务区域和空中节点的支撑可用状态,生成地面节点支撑状态;
15、对安全飞行走廊数据进行走廊通行状态要素归集,确定安全飞行走廊在当前时间位置下的通行状态,生成安全飞行走廊基础状态;
16、对任务需求状态、空中节点执行状态、地面节点支撑状态和安全飞行走廊基础状态进行统一状态索引编排,生成空地协同调度状态数据集。
17、可选的,所述联合适配表征数据的构建具体包括:
18、对空地协同调度状态数据集中的任务需求状态和空中节点执行状态进行执行关系编排,生成任务与空中节点的执行适配数据;
19、对空中节点执行状态和安全飞行走廊基础状态进行通行关系编排,生成空中节点与安全飞行走廊的通行适配数据;
20、对安全飞行走廊基础状态和任务需求状态进行区域到达关系编排,生成安全飞行走廊与任务区域的到达适配数据;
21、对地面节点支撑状态和安全飞行走廊基础状态进行支撑关系编排,生成地面节点与安全飞行走廊的支撑适配数据,并对执行适配数据、通行适配数据、到达适配数据和支撑适配数据进行归集,生成联合适配表征数据。
22、可选的,所述联合匹配评分的生成具体包括:
23、对联合适配表征数据中的任务与空中节点的执行适配数据进行数值映射和执行字段汇集,生成任务与空中节点的执行匹配强度;
24、对空中节点与安全飞行走廊的通行适配数据进行状态赋值和通行字段聚合,生成空中节点与安全飞行走廊的通行匹配强度;
25、对安全飞行走廊与任务区域的到达适配数据进行距离时长换算和区域状态赋值,生成安全飞行走廊与任务区域的到达匹配强度;
26、对地面节点与安全飞行走廊的支撑适配数据进行覆盖状态赋值和支撑裕度量化,生成地面节点与安全飞行走廊的支撑匹配强度;
27、按照同一任务、同一空中节点、同一地面节点和同一安全飞行走廊的组合关系,对执行匹配强度、通行匹配强度、到达匹配强度和支撑匹配强度进行分层汇总,生成联合匹配评分。
28、可选的,所述任务空中节点匹配矩阵和空地节点协同匹配矩阵的生成具体包括:
29、按照任务标识、空中节点标识、地面节点标识和安全飞行走廊标识对联合匹配评分进行矩阵化编排,生成任务空中节点评分矩阵和空地节点协同评分矩阵;
30、将任务空中节点评分矩阵和空地节点协同评分矩阵输入gumbel-sinkhorn网络,通过gumbel扰动层对各矩阵位置的评分值进行扰动采样处理,生成任务空中节点扰动评分矩阵和空地节点协同扰动评分矩阵;
31、将任务空中节点扰动评分矩阵和空地节点协同扰动评分矩阵输入温度缩放层,对扰动评分值进行离散化程度调节,生成任务空中节点缩放评分矩阵和空地节点协同缩放评分矩阵;
32、将任务空中节点缩放评分矩阵和空地节点协同缩放评分矩阵输入sinkhorn迭代归一化层,对评分矩阵进行行列交替归一化处理,生成任务空中节点双随机匹配矩阵和空地节点协同双随机匹配矩阵;
33、对任务空中节点双随机匹配矩阵和空地节点协同双随机匹配矩阵进行匹配位置筛选和矩阵定型处理,生成任务空中节点匹配矩阵和空地节点协同匹配矩阵。
34、可选的,所述空地协同候选调度方案的生成具体包括:
35、依据任务空中节点匹配矩阵和空地节点协同匹配矩阵提取有效匹配位置,并将有效匹配位置与空中节点执行状态、安全飞行走廊基础状态进行组合关联,生成空地匹配组合数据;
36、对空地匹配组合数据进行状态范围编排和匹配关系嵌入,构建混合zonotope,所述混合zonotope为由中心状态、连续生成元、离散生成元和约束条件构成的可达性集合结构;
37、沿安全飞行走廊通行方向对混合zonotope进行前向可达性分析,生成空中节点前向可达集合;
38、对空中节点前向可达集合进行安全飞行走廊约束、空中节点执行约束和匹配关系约束筛选,生成协同约束筛选结果;
39、根据协同约束筛选结果保留满足约束的任务、空中节点、地面节点和安全飞行走廊组合,并进行候选字段归集,生成空地协同候选调度方案。
40、可选的,所述空地一体化协同调度方案的生成具体包括:
41、对空地协同候选调度方案按照任务优先级、预计到达时长、任务执行时段开始时间和剩余航时进行排序编排,生成候选方案排序数据;
42、对候选方案排序数据中的任务标识、空中节点标识、地面节点标识和安全飞行走廊标识进行调度对象映射,生成空地协同调度映射数据;
43、对空地协同调度映射数据进行节点占用核验、走廊通行核验和任务时段核验,生成可执行调度映射数据;
44、根据可执行调度映射数据编排调度执行顺序,生成空地一体化协同调度方案,所述空地一体化协同调度方案包括任务标识、空中节点标识、地面节点标识、安全飞行走廊标识、任务执行时段、任务目标位置和调度执行顺序,所述调度执行顺序包括任务执行顺序、空中节点执行顺序、地面节点支撑顺序和安全飞行走廊通行顺序。
45、本发明的有益效果是:
46、本发明通过对待调度任务数据、空中节点运行数据、地面节点运行数据和安全飞行走廊数据进行统一预处理,并进一步提取任务需求状态、空中节点执行状态、地面节点支撑状态和安全飞行走廊基础状态,使原本分散的任务信息、节点能力信息和走廊通行信息能够在同一空地协同调度状态数据集中表达。由此,调度过程不再仅依赖单一的距离、空闲状态或人工规则判断,而是能够同时反映任务时段、载荷需求、剩余航时、通信状态、地面支撑能力、走廊占用情况和风险等级,提高了低空调度数据表达的完整性和一致性。
47、本发明进一步构建任务、空中节点、地面节点和安全飞行走廊之间的联合适配表征数据,并对执行适配、通行适配、到达适配和支撑适配进行匹配强度量化,生成联合匹配评分;再通过gumbel-sinkhorn网络进行矩阵化匹配处理,使任务空中节点指派关系和空地节点协同关系能够在统一匹配框架下生成。相较于传统分阶段筛选方式,该处理能够减少任务分配冲突、节点重复占用和空地支撑不匹配问题,使候选调度方案更符合多对象协同调度需求。
48、本发明还基于任务空中节点匹配矩阵、空地节点协同匹配矩阵、空中节点执行状态和安全飞行走廊基础状态构建混合zonotope,并进行前向可达性分析和协同约束筛选,使调度方案在生成前能够对空中节点的连续运动范围、剩余航时、走廊通行边界、通行时间和风险状态进行联合校验。通过可执行调度关系编排生成最终的空地一体化协同调度方案,能够提高任务准时执行能力、降低走廊通行冲突,并增强调度方案在实际低空运行场景中的可执行性。
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