[发明专利]一种无人机集群协同降落排序方法及系统

权利要求书

1.一种无人机集群协同降落排序方法，其特征在于，所述方法包括：

无人机集群中的每架无人机根据各自的运行状态数据计算自身的失效概率预测值；

每架无人机与所述无人机集群中的其他无人机进行通信，获得所有无人机的失效概率预测值；

依据所述失效概率预测值，确定每架无人机在无人机集群中的降落序号；

所述无人机集群中的每架无人机根据各自的运行状态数据计算自身的失效概率预测值包括：

每架无人机根据各自的运行状态数据计算自身的健康特征值；

依据所述健康特征值计算自身的失效概率预测值；

所述健康特征值为无人机的当前运行状态数据与正样本数据的欧氏距离，或者是输入向量与最佳匹配神经单元之间的欧氏距离；

其中，所述输入向量是由所述无人机的当前运行状态数据所对应的粗特征构成的一维向量在某运行周期内构成的向量。

2.如权利要求1所述的无人机集群协同降落排序方法，其特征在于，所述每架无人机与所述无人机集群中的其他无人机进行通信包括

每架无人机在无人机集群中广播自身的失效概率预测值；同时订阅其他无人机的失效概率预测值。

3.如权利要求1所述的无人机集群协同降落排序方法，其特征在于，依据所述失效概率预测值，确定每架无人机在无人机集群中的降落序号包括：

每架无人机在获得的包括自身在内的所有无人机的失效概率预测值中选择所述失效概率预测值最小的无人机最后降落。

4.如权利要求1所述的无人机集群协同降落排序方法，其特征在于，所述当前运行状态数据与正样本数据的欧氏距离按下式进行计算：

式中，d_ij：编号为i的无人机在第j个运行周期的状态数据与正样本数据之间的欧氏距离；m：第j个运行周期内采集的粗特征值数量；X_ik：当前状态数据，即编号为i的无人机在第j个运行周期的状态数据；u_ik：正样本数据；i：无人机编号；j：第j个运行周期；

所述输入向量U(t)与最佳匹配神经单元之间的欧氏距离，按下式进行计算：

式中：MQE_t：输入向量U(t)与BMU之间的欧氏距离，即最小量化误差；U(t)：输入向量；BMU：自组织特征映射模型的最佳匹配神经单元；F：矩阵Frobenius范数；t：第t个运行周期。

5.如权利要求1所述的无人机集群协同降落排序方法，其特征在于，所述依据所述健康特征值计算自身的失效概率预测值包括：

将所述健康特征值作为衰退特征值，采用经典衰退模型构建无人机的性能衰退轨迹模型；

采用蒙特卡罗方法对所述性能衰退轨迹模型参数进行抽样计算，得到可能的衰退轨道；

依据所述可能衰退轨道和预先设定软阈值计算未来运行周期内的失效概率预测值。

6.如权利要求5所述的无人机集群协同降落排序方法，其特征在于，所述性能衰退轨迹模型如下式所示：

y_ij＝η(τ_ij,φ,β_i)+ξ_ij

式中，y_ij：编号i的无人机在第j个运行周期时的健康特征值；η：描述性能衰退变量的函数；φ：常数；β_i：编号i的无人机的衰退率；ξ_ij：无人机性能变量变化不确定性的误差项；τ_ij：运行周期；

其中，描述性能衰退变量的函数η是τ_ij的单调非线性函数，也与参数β_i成非线性关系。

7.如权利要求5所述的无人机集群协同降落排序方法，其特征在于，所述失效概率预测值按下式进行计算：

式中，T：运行周期参数向量；τ：第τ个运行周期；y：衰退特征向量；P：第τ个运行周期时健康特征值的概率分布函数；y_τ：第τ个运行周期时的性能衰退特征值；D_th：预先定义的软阈值。

8.应用权利要求1-7所述的任意一种无人机集群协同降落排序方法的无人机集群降落排序系统，其特征在于，所述系统包括：计算模块、通信模块、选择模块；

计算模块：用于无人机集群中的每架无人机根据各自的运行状态数据计算自身的失效概率预测值；

通信模块：用于每架无人机与其他无人机进行通信，获得所有无人机的失效概率预测值；

选择模块：用于依据所述失效概率预测值，确定每架无人机在无人机集群中的降落序号。