基于生态地理算法随机填充无人机装置的控制方法及系统与流程

1.本发明涉及无人机或气球或飞艇的多机组合无人运行技术领域，具体为一种基于生态地理算法随机填充无人机装置的控制方法及系统。


背景技术：

2.无人机/气球/飞艇的多机组合无人运行中，需要非常精密且稳定的通信才能形成完美的合作，
3.而现有无人机/气球/飞艇(haps)装置之间的通信属于传统通信方式，其缺点在于频率易于被干扰，尤其在森林、多建筑等类似场景，通信质量很差，而无人机/气球/飞艇(haps)装置本身在面对群体任务时，通信异常重要，即使是单个飞行，在复杂地形的通信质量也同样重要，因此需选用分形理论进行通信网络的随机最大填充架设。可理解的是，随机填充无人机/气球/飞艇(haps)装置所使用的分形理论在卫星电话和特种太赫兹通信中已有比较多的应用，但是至今大规模运用缺乏，因为全覆盖各参数的误差优化和控制成本高，相较于传统相等半径的蜂窝装置，随机半径的优势在于能够在多频率和平面中同时产生极高的覆盖运作效率，工作性能极佳，对于飞行器领域的组合通信来说是非常优异的，而对于复杂地貌中的基站网络架设也同样优秀，利用复杂生态地貌算法进行合理组网覆盖，则能够使通信收益最大化。
4.分形也称为自相似，其特征在于自身相同结构的无限自我复制和组合，呈现出波长的可递归性，由于其重复性，在基站群的建设中融入使用，则可以最大限度降低相互之间的通信成本，减少通信障碍，提高通信耦合度。
5.因而，急需提出一种随机最大填充无人机或气球或飞艇(haps)装置，利用分形的无限迭代原理，可在多个维度叠加形成有序且维系紧密的太赫兹基站群，即可应用于6g森林通信反射/透镜增强器领域。


技术实现要素：

6.针对现有技术存在的不足，本发明目的是提供一种基于生态地理算法随机填充无人机装置的控制方法及系统，以解决上述背景技术中提出的问题，本发明通过以算子群为导向对生态算法进行定位优化以结合两种算法的优势、利用生态算法交流社会信息能力和算子立体交叉能力相互配合、操作涉及算法的方法优化平面函数、算子理论中的混交思想优化了性能的方式，解决传统无人机/气球/飞艇(haps)装置只能在特定蜂窝频率时空进行优质通讯的问题，进一步解决了现有技术中的问题。
7.为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于生态地理算法随机填充无人机装置的控制方法，包括以下步骤：
8.第一步，从搭建在目标区域内的复数基站，根据获取的用于控制原始地面局部微波形状和实验生成实际6g卫星全局形状的至少两个目标控制参数；
9.第二步，基于半方差混交算法对每个目标控制参数进行混交计算，得到每个目标
控制参数的适应取值范围，其中，以每个所述适应取值范围中最优控制参数作为目标控制参数混交的中心；
10.第三步，对每个所述目标控制参数进行以是否满足生态地理算法终止条件的判断
11.s3-1，预设生态地理算法终止条件，其中，所述生态地理算法终止条件至少包括：两两所述基站的相对间距是否落入设定的最大间距值以及最小间距值中、两两所述基站间是否存在信号遮挡物以及每个所述基站大小是否与其基础配置高度呈正相关；
12.s3-2，若每个所述目标控制参数满足于生态地理算法终止条件，则顺序执行第五步，反之执行第四步；
13.第四步，通过生态地理算法对每个所述目标控制参数进行混交处理，并转入第二步；
14.第五步，将每个所述目标控制参数导入生态地理算法对随机电波叠加塔的形状进行优化，输出基站微波形状所对应的6g形状。
15.作为对本发明中所述一种基于生态地理算法随机填充无人机装置的控制方法的改进，第一步中，从目标区域内的复数基站中生成的至少两个目标控制参数均包括搭建基站的边角数信息、塔层数信息、基站波长信息、基站带宽信息、横坐标信息、纵坐标数据信息。
16.作为对本发明中所述一种基于生态地理算法随机填充无人机装置的控制方法的改进，第二步中，基于半方差混交算法对每个目标控制参数进行混交计算的具体实施方式包括：全局混交方式和局部混交方式，其中，
17.当生成的至少两个目标控制参数处于不相邻近的目标区域时，采用全局混交方式；
18.当生成的至少两个目标控制参数处于相邻近的目标区域时，采用局部混交方式；同时，
19.所述适应取值范围为随机电波叠加塔密度与森林密度的匹配程度。
20.作为对本发明中所述一种基于生态地理算法随机填充无人机装置的控制方法的改进，第四步中，所述生态地理算法的具体实施方式包括：
21.s4-1，首先确定所述基站的工作频率的上限fu与下限fd，通过rf＝fu/fd计算上限fu与下限fd的比例，其次依据迭代比例，计算得到覆盖基站全波段需要的迭代次数，具体计算公式为：n＝log(rf)/log(rr)；
22.s4-2，确定无人机装置的自相似的维度，其中，自相似的维度基于反射/透镜塔实现，且所述反射/透镜塔的数量与目标场景的选取复杂度呈正相关；
23.s4-3，首先，确定每次迭代时的生态覆盖范围半径xi，j，k，用于最大限度降低基站通信内部混乱，减少会导致人体危害的通信波，其中，i表示迭代次数，j表示塔层，k表示相叠半径；
24.其次，对每次迭代时的生态覆盖范围半径中的信号相交处进行平稳过渡，且设定初始生态覆盖范围半径为覆盖总区域范围长度的pi＝3.1415分之一；
25.最后，确定地理郁闭度的半径yi，j，k，其中，i表示迭代次数，j表示塔层，k表示相叠半径；
26.s4-4，控制生态地理算法所对应局部与全局迁移结构，并处理迁移中目标控制参
数的收敛，以达到对生态覆盖范围半径xi，j，k和地理郁闭度的半径yi，j，k的处理；
27.s4-5，基于仿真计算，以最小化辐射和最小化分配为基础，计算目标控制参数的和，同时，对其他参数进行优化，以确认并减少迁移函数的误差范围；得到生态地理算法的判断迁移函数；
28.s4-6，选取初始参数，以作为无人机装置的初始值，其中，所述初始参数包括生态覆盖范围半径xi，j，k和地理郁闭度的半径yi，j，k；
29.s4-7，确定随机选优机制，基于公式dp＝算术平均(pr，pl)-调和平均(pr，pl)，形成中间产物原生度部落，淘汰指标低的子代原生度部落，完成原生度部落再到算子混交的生态算法操作，其中，以pr表示左手算子优化的判断函数性能指标，pl表示右手算子优化的判断函数性能指标，以概率2*dp/(pr+pl)的概率选择左手的子代原生度部落，从而加快算法收敛速度，同时，以十分数表示森林郁闭度，当其森林郁闭度完全覆盖地面时记为1。
30.作为对本发明中所述一种基于生态地理算法随机填充无人机装置的控制方法的改进，第五步中，将每个所述目标控制参数导入生态地理算法对随机电波叠加塔的形状进行优化时，随机电波叠加塔计算包括两个或者三个由纵向、横向以及垂向组成的平面的计算分别合成，以用于降低反射/透镜塔的森林悬挂成本。
31.作为对本发明中所述一种基于生态地理算法随机填充无人机装置的控制方法的改进，第三步中，目标控制参数包括每次迭代的生态覆盖范围半径和森林郁闭度的半径，其中，目标控制参数均用复数表示。
32.作为对本发明中所述一种基于生态地理算法随机填充无人机装置的控制方法的改进，s4-2中，无人机装置包括分形发射器群构成的随机填充结构和c/c++仿真器软件包，所述随机填充无人机装置包括圆形平面结构和桶形立体结构。
33.在本发明的一种可能实现方式中，所述分形发射器群构成的随机填充结构本身设有塔形电波叠加结构，最大的分形发射器群构成的随机填充结构之间可根据反射或放大需求形成不同角度。
34.作为本发明的第二方面，提出一种基于生态地理算法随机填充无人机装置的控制系统，包括基于生态地理算法随机填充无人机装置的控制方法。
35.与现有技术相比，本发明的有益效果：
36.1、本发明中以算子群为导向对生态地理算法进行定位优化从而结合两种算法的优势，利用生态地理算法交流社会信息能力和算子立体交叉能力的相配合，在操作涉及算法的方法优化平面函数，在算子理论中的混交思想优化性能。
37.2、本发明中使用生态地理算法和半方差的混合模型，并根据算子理论中的高维度的混交关联模型的控制优化关系，深度提取隐含的郁闭度容差特征信息，确认卫星全局时空切割尺寸。
38.3、本发明中随机填充无人机装置利用分形随机填充结构，具有精确、紧密通信、提高带宽和低辐射性的优点，并且该随机填充无人机装置具有优质的频域覆盖面，拥有理想辐射方向图、高辐射效率以及低成本的优点。
39.4、本发明中随机填充无人机装置提出了n＝2次迭代，每次迭代的比例rr是有理数4，使随机填充无人机装置拥有小巧、低成本、安全、宽工作带宽以及适合卫星全局调整的宽带通信系统特征。
附图说明
40.参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制，在附图中，相同的附图标记用于指代相同的部件。其中：
41.图1为本发明一实施例中所提出基于生态地理算法随机填充无人机装置控制方法的整体流程示意图；
42.图2为本发明一实施例中所提出森林太赫兹组网立体示意图；
43.图3为本发明一实施例中所提出森林6g组网侧视示意图；
44.图4为本发明一实施例中所提出森林6g组网后视示意图；
45.图5为本发明一实施例中所提出森林6g组网俯视示意图；
46.图6为本发明一实施例中所提出三边自相似的埃菲尔铁塔结构示意图；
47.图7为本发明一实施例中所提出四边自相似的埃菲尔铁塔结构示意图；
48.图8为本发明一实施例中所提出五边自相似的埃菲尔铁塔结构示意图；
49.图9为本发明一实施例中所提出六边自相似的埃菲尔铁塔结构示意图；
50.图10为本发明一实施例中所提出n边自相似的埃菲尔铁塔桶型立体结构垂直悬挂塔示意图。
具体实施方式
51.容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
52.作为对本发明所基于的生态地理算法的理解，复杂生态地理(地貌)算法是一种基于种群的优化算法，其核心思路是借鉴自然界中的种子、孢子传播方式，共两种：1、如蒲公英、开伞菌类借用风力传播种子和孢子；2、如一般树木果实借用动物的消化系统进行种子传播。是一种借鉴种子随机落地的特性，选取合理范围的数据变化范围，并利用概率选择最终变化数值进行加减操作，最终得到优化后数据的算法模型。此模型可以无限迭代，直到得到符合要求的值。基于此，
53.如图1-10所示，作为本发明的一个实施例，本发明提供技术方案：一种基于生态地理算法随机填充无人机装置的控制方法，包括以下步骤：
54.第一步，从搭建在目标区域内的复数基站，根据获取的用于控制原始地面局部微波形状和实验生成实际6g卫星全局形状的至少两个目标控制参数，需要说明的是，从目标区域内的复数基站中生成的至少两个目标控制参数均包括搭建基站的边角数信息、塔层数信息、基站波长信息、基站带宽信息、横坐标信息、纵坐标数据信息；
55.第二步，基于半方差混交算法对每个目标控制参数进行混交计算，得到每个目标控制参数的适应取值范围，其中，以每个适应取值范围中最优控制参数作为目标控制参数混交的中心，可以理解的是，本发明所采用的半方差定义为根号均值的平方，半方差混交算法采取二选一的随机最优组合，因此，基于半方差混交算法对每个目标控制参数进行混交计算的具体实施方式包括：全局混交方式和局部混交方式，其中，当生成的至少两个目标控制参数处于不相邻近的目标区域时，采用全局混交方式；当生成的至少两个目标控制参数
处于相邻近的目标区域时，采用局部混交方式；同时，需要说明的是，适应取值范围为随机电波叠加塔密度与森林密度的匹配程度，(即所有目标区域的相对密度的均方差)；
56.第三步，对每个目标控制参数进行以是否满足生态地理算法终止条件的判断：
57.s3-1，预设生态地理算法终止条件，其中，生态地理算法终止条件至少包括：两两基站的相对间距是否落入设定的最大间距值以及最小间距值中、两两基站间是否存在信号遮挡物以及每个基站大小是否与其基础配置高度呈正相关，需要说明的是，在具体实施时，第一方面，基站与相邻至少一台基站间距离不超过500米，不小于1.2米，依据6g太赫兹基站属于高频基站，传播范围近，而最佳康养林的种植密度一亩地700棵树，即树与树间距在1.2米左右，基站则部署于树上；第二方面，基站与相邻至少一台基站间不能有遮挡物，依据6g太赫兹基站属于高频基站，频率特性接近于光波，被遮挡即失去信号；第三方面，所搭建的基站大小需要符合配置高度要求，越高应配置越大的基站，依据是越高遮挡越少，使用一台大功率基站即可满足更大范围的信号传播，而越低则遮挡越多，使用多台小功率基站进行信号转接以保证信号传播的连续性。
58.s3-2，若每个目标控制参数满足于生态地理算法终止条件，则顺序执行第五步，反之执行第四步；
59.第四步，通过生态地理算法对每个目标控制参数进行混交处理，并转入第二步，需要说明的是，在具体实施时，生态地理算法的具体实施方式包括：
60.s4-1，首先确定基站的工作频率的上限fu与下限fd，其依据美国无线电管理委员会建议的6g工作频率的上限与下限而设定，通过rf＝fu/fd计算上限fu与下限fd的比例，其次依据迭代比例，计算得到覆盖基站全波段需要的迭代次数，具体计算公式为：n＝log(rf)/log(rr)，可以理解的是，比如下限是fd＝95g微波，上限是fu＝1500g，假设1500g到3000g分配给下行波段，95g到1500g分配给上行波段，其次计算上下限的比例，rf＝fu/fd＝15.79，我们取每次迭代的比例rr＝4，然后计算覆盖全波段需要的迭代次数n＝log(rf)/log(rr)＝2,也就是2次迭代；
61.s4-2，确定无人机装置的自相似的维度，其中，自相似的维度基于反射/透镜塔实现，且反射/透镜塔的数量与目标场景的选取复杂度呈正相关，可以理解的是，反射镜用于信号路径修改，透镜用于增强信号，依场景需求确定，如果是平坦地势，采用平面的反射/透镜塔(如图5所示)，如果是高楼密布的场景，就采用三角反射/透镜塔(如图6、8、9所示)，如果是山林地貌就采用两角的反射/透镜塔(如图7所示)，总的来说，场景越复杂，反射/透镜塔个数应该越多，分布也应更加平均公平匹配地理环境，同时成本也会相应提高，因此，可以理解的是，无人机装置包括分形发射器群构成的随机填充结构和c/c++仿真器软件包，随机填充无人机装置包括圆形平面结构和随机桶形立体结构，分形随机填充结构本身设有塔形结构；
62.s4-3，首先，确定每次迭代时的生态覆盖范围半径xi，j，k，用于最大限度降低基站通信内部混乱，减少会导致人体危害的通信波，其中，i表示迭代次数，j表示塔层，k表示相叠半径；
63.其次，对每次迭代时的生态覆盖范围半径中的信号相交处进行平稳过渡，且设定初始生态覆盖范围半径为覆盖总区域范围长度的pi＝3.1415分之一；
64.最后，确定地理郁闭度的半径yi，j，k，其中，i表示迭代次数，j表示塔层，k表示相
叠半径；
65.s4-4，控制生态地理算法所对应局部与全局迁移结构，并处理迁移中目标控制参数的收敛，以达到对生态覆盖范围半径xi，j，k和地理郁闭度的半径yi，j，k的处理，在具体实施时，所有的目标控制参数的半方差计算结果采用复数格式，原理是复数的虚部可以保留更多数据信息，实部表示参数的大小，且只用正数；虚部表示参数的半径(即硬件差异导致的误差值范围)，可正可负，正的表示变大，负的表示变小，正的用左手算子代表，负的对应右手算子，半径由于硬件差异的随机性也会随机变大或者变小，不可人为控制；
66.s4-5，基于仿真计算，以最小化辐射和最小化分配为基础，计算目标控制参数的和，同时，对其他参数进行优化，以确认并减少迁移函数的误差范围；得到生态地理算法的判断迁移函数，可以理解的是，确定生态地理算法的计算判断迁移函数，有两种判断方法，一种是实验室测试，这种判断需要把无人机装置本身生产出来，周期比较长，所以通常我们采用仿真计算，比如调用预先写好的算法的c/c++软件包；
67.s4-6，选取初始参数，以作为无人机装置的的尺寸作为6g无人机装置的初始值，其中，初始参数包括生态覆盖范围半径xi，j，k和地理郁闭度的半径yi，j，k，可以理解的是，为了降低优化控制的时间与工作量，我们需要选取好的初始参数xi,j,k与yi,j,k，地面局部无人机装置有很多现有应用案例，所以我们可以直接借用微波无人机装置的尺寸作为6g无人机装置的初始值，作为目标控制参数，避免不断失误造成的时间浪费；
68.s4-7，确定随机选优机制，即选优过程，即算子迁移过程，基于公式dp＝算术平均(pr，pl)-调和平均(pr，pl)，形成中间产物原生度部落，淘汰指标低的子代原生度部落，完成原生度部落再到算子混交的生态算法操作，其中，以pr表示左手算子优化的判断函数性能指标，pl表示右手算子优化的判断函数性能指标，以概率2*dp/(pr+pl)的概率选择左手的子代原生度部落，保证从子代中选优，从而加快算法收敛速度，
69.同时，为了匹配森林郁闭度，(森林郁闭度，指的是林地内树冠的垂直投影面积与林地面积之比，通常用十分数表示，完全覆盖地面的为1)，利用上个循环人工引入电场后的算子入侵效应获得的新原生度部落，并持续与信号波产生作用，每个结果都与无人机位置比对，以判断信号波相对于无人机位置来说，传输到指定位置时其剩余的波强是否超过阈值，如果不超过则代表吻合度高，即采纳，吻合度低的话就重新跃迁，而吻合度用半方差计算，其中目标函数的评估不采用高斯方差，转而采用基于半方差计算和局部和全局迁移最佳生态算法优化，全局最优会合并一个由当前种群状态触发的重新初始化方案，结合每个变量更新和基于适应度的分组，通过使用复数加权的混交关联性算子学习策略来提供新的平面动力，使结果不会落入局部最佳的窘境；
70.第五步，将每个目标控制参数导入生态地理算法对随机电波叠加塔的形状进行优化，输出基站微波形状所对应的6g形状，可以理解的是，将每个目标控制参数导入生态地理算法对随机电波叠加塔的形状进行优化时，随机电波叠加塔计算包括两个或者三个由纵向、横向以及垂向组成的平面的计算分别合成，以用于降低反射/透镜塔的森林悬挂成本。
71.作为本发明的第二方面，提出了包括基于生态地理算法随机填充无人机装置的控制方法的的控制系统。
72.同时作为本发明的第二实施例，在上述技术构思不变的情况下，本发明提出的基于生态地理算法随机填充无人机装置的控制方法，适用于气球装置或飞艇(haps)装置的控
制。
73.本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。