面向网络化无人机集群分阶段任务可靠性的三层复杂网络建模框架
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Addressing Phased Mission Reliability for Networked Unmanned Aerial Vehicle Swarms: A Three-Layer Complex Network Modeling Framework
【字体:
大
中
小
】
时间:2026年09月18日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7
编辑推荐:
**主要贡献**
• 提出了面向无人机集群分阶段任务可靠性的三层框架。
• 追踪了跨任务阶段的有效组件年龄和健康状态继承。
• 将任务网络重构嵌入到分阶段可靠性评估中。
• 将框架与PMS-BDD进行基准对比,并测试了扩展到150架无人机的可扩展性。
**引言**
无人
**主要贡献**
• 提出了面向无人机集群分阶段任务可靠性的三层框架。
• 追踪了跨任务阶段的有效组件年龄和健康状态继承。
• 将任务网络重构嵌入到分阶段可靠性评估中。
• 将框架与PMS-BDD进行基准对比,并测试了扩展到150架无人机的可扩展性。
**引言**
无人机集群展现出卓越的灵活性、高任务载荷冗余以及优越的协同执行效率,支持其在军事和民用领域的广泛部署[[1], [2]]。凭借低廉的运行成本和零伤亡风险,无人机集群非常适合执行战场侦察、紧急救援和目标打击等高复杂度的任务[[3], [4], [5]]。然而,运行环境的不确定性和动态变异性显著增加了集群系统故障和失效的风险[[6], [7]]。因此,准确建模和定量评估对无人机集群在关键任务应用中的安全部署和稳定运行至关重要。
随着无人机技术的进步,飞行平台和任务载荷等核心子系统日益集成和耦合[[8], [9], [10]]。同时,集群规模扩展倾向于引发系统级联故障,显著增加了可靠性建模的复杂性[11]。作为典型的系统之系统(SoS),无人机集群集成了异质子系统(如飞行平台、通信系统、任务载荷),并呈现复杂的集群内部联故障依赖关系[[12], [13], [14]]。此外,集群内部的信息交互形成了观察—判断—决策—行动(OODA)循环,赋予了系统独特的网络化协作特性[[15], [16]]。因此,传统的以平台为中心的可靠性模型不足以对无人机集群进行面向任务的评估[[17], [18], [19], [20], [21]],这促使了复杂网络理论在无人机集群建模中的应用[[22], [23], [24]]。
早期研究主要通过单层网络模型分析无人机集群性能,其中每架无人机被抽象为单个节点[[25], [26], [27]]。尽管这些模型能够粗略地刻画拓扑交互,但它们未能充分解耦物理实体、信息流和功能执行,导致对跨层故障传播和协作任务行为的描述不精确[[28], [29], [30], [31]]。例如,某架无人机的平台故障可能引发其通信和任务载荷的级联故障,而任务载荷的部分故障并不妨碍无人机完成任务。这些差异可能导致评估结果与实际任务条件之间存在显著偏差。
为解决这些缺陷,多层网络模型被应用于提高无人机集群的建模粒度和保真度。Wang等人提出了一种通信—结构—任务三层网络用于鲁棒性分析,并将其扩展到任务可靠性评估[[32], [33], [34]]。Feng等人使用基于智能体的建模方法隐式集成了平台层和通信层以表征自主协作机制[12]。Yang等人使用通信—任务双层网络分析了系统脆弱性[15]。Gong等人显式解耦了平台、通信和任务载荷层,用于高性能无人机集群的可靠性分析[35]。Zhang等人[36]和Chen等人[37]分别使用平台—通信和通信—任务双层网络进行了弹性评估和优化。Kong等人[38]和Wang等人[39]利用三层网络研究了弹性和自适应策略。Wang等人进一步引入了指挥中心层,构建了指挥—通信—任务框架[16]。现有的无人机集群多层网络建模框架总结于表1。
尽管如此,现有的无人机集群多层网络模型缺乏标准化的数学描述,尤其是在节点依赖定义方面。更为关键的是,无人机集群的任务过程本质上是分阶段的。然而,现有的多层网络研究局限于单阶段静态分析,忽略了分阶段任务的影响[41]。子系统在不同任务阶段的激活和工作应力不同,任务载荷仅在需要时激活,推进系统在起飞时承受更高载荷[42]。
随着分阶段任务系统(PMS)可靠性建模在电力系统、航天器及其他工程系统中的广泛应用[[43], [44], [45]],无人机集群的分阶段任务研究也随之涌现。Li等人将无人机集群建模为连续k-out-of-n PMS,并提出了一种考虑通信约束的可靠性模型[46]。Zhao等人开发了一种任务成功概率模型,其中每架无人机在每个阶段作为k-out-of-n系统运行,并在预算约束下优化了任务成功率[47]。Feng等人将无人机集群表示为基于覆盖的k-out-of-n系统,并使用重要性度量评估了集群规模的影响[48]。Chen等人提出了一种用于k-out-of-n系统可靠性分析的多值决策图(MDD)方法[49]。Yang等人使用着色Petri网建立了多平台PMS可靠性模型[50]。
然而,大多数现有研究遵循基于组合模型或状态空间模型的传统PMS分析方法。对于拥有大量组件的大规模无人机集群,组合模型的建模难度急剧增加,而基于状态的方法则面临状态空间爆炸问题。此外,分布式网络拓扑、节点交互和动态重构机制仍然表征不足[51]。
与传统的PMS不同,无人机集群的分布式网络化特性决定了任务成功不仅取决于组件级可靠性,还取决于集群内部的动态交互和协作。例如,如果无人机A的感知系统故障,集群内部任务闭环的完整性仍可以通过融合无人机B的感知数据来维持。从根本上说,无人机集群是一个复杂的冗余系统。其任务成功不仅由串联、并联和k-out-of-n逻辑决定,还受复杂网络中的拓扑连接和通信链路的影响[52]。为此,本研究首次提出了传统PMS与网络化PMS在无人机集群中的多维对比,如表2所示。
作为典型的系统之系统,无人机集群具有网络化协同执行、分阶段任务演化、跨层级联故障以及动态重构支持的容错能力等核心特征。然而,现有的可靠性建模方法面临明显的局限性。基于复杂网络理论的研究无法耦合分阶段任务的分阶段切换特性,也无法表征任务执行的全周期可靠性演化。最相关的现有三层网络框架(如文献[35])仅针对单阶段静态任务开发。这些框架无法支持阶段切换、阶段依赖的状态更新或跨阶段可靠性演化。传统PMS解析方法采用基本的冗余逻辑,包括串并联和k-out-of-n结构。这些传统逻辑无法刻画集群网络拓扑、协作任务闭环和跨层级联故障机制。此外,在集群场景中,它们容易面临状态空间爆炸和计算复杂度的指数增长问题。同时,当前的多层网络模型缺乏标准化的数学框架和统一的节点依赖定义,导致对跨层故障传播的描述不完整。此外,需要将有效的重构策略纳入分阶段任务可靠性建模过程。本研究在文献[35]的三层网络架构和重构机制基础上,将框架从静态单阶段任务扩展到分阶段任务。该扩展引入了阶段依赖的状态更新、有效年龄累积、跨阶段状态继承以及分阶段可靠性评估和重构。本工作的主要贡献总结如下:
(1)正式定义了一个包含平台层、通信层和任务载荷层的三层网络及其对应的任务网络。该公式规定了层内和层间依赖关系,并将物理实体和信息交互与任务执行联系起来。
(2)首次将基于网络的可靠性框架扩展到分阶段任务,通过耦合阶段依赖的组件激活、有效年龄累积、条件存活抽样和跨阶段状态继承。
(3)将任务网络重构纳入分阶段可靠性评估中。使用PMS-BDD基准、替代重构算法以及不同无人机集群规模的可扩展性测试对框架进行了评估。
代表性研究与本工作的对比呈现于表3。
本文其余部分组织如下。第2节建立了无人机集群的三层网络模型并分析了节点依赖关系。第3节提出了无人机集群在分阶段任务中的任务可靠性评估方法,并将任务重构纳入评估过程。第4节通过案例研究验证了所提方法的有效性,并对关键模型参数进行了敏感性分析。第5节对全文进行了总结并展望了未来研究方向。
**模型假设与范围**
所提框架基于以下假设:
(1)假设地面控制站和综合支持系统保持可靠,同时任务阶段、阶段持续时间和激活的子系统为预先定义的。
(2)组件和功能节点以二元运行/失效状态表示。组件故障在任务期间不可修复,未激活的组件不累积有效年龄。
(3)平台故障会使其载机的通信和任务载荷失效。
**分阶段任务中无人机集群的任务可靠性评估**
前文已建立了三层网络模型和任务网络模型。本节从任务执行的角度出发,开发了一个面向任务的无人机集群任务可靠性建模框架,支持分阶段任务评估。
**案例研究**
使用12架异构无人机的案例来验证所提方法,以及贪心启发式重构策略带来的性能提升。
**结论**
本研究开发了一种集成三层复杂网络建模与分阶段任务可靠性演化的任务可靠性评估框架,适用于网络化无人机集群。通过正式化跨层依赖关系,并将跨阶段退化历史与任务闭环可用性及重构相耦合,该框架将组件故障与集群级任务成功联系起来。据我们所知,这是首次将基于网络的无人机集群可靠性模型扩展到分阶段任务。
**CRediT作者贡献声明**
胡歌熙:撰写—审阅与编辑、撰写—初稿、可视化、验证、软件、方法论、形式化分析、数据整理、概念化。
龚锋:监督、资源、概念化。
刘一菲:验证。
杨春波:概念化。
徐文韬:方法论。
李波:监督、项目管理、调查。
胡歌熙 | 龚锋 | 刘一菲 | 杨春波 | 徐文韬 | 李波
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号