CN109991997A - 智能电网中一种高效节能的无人机电力巡线方案 - Google Patents
智能电网中一种高效节能的无人机电力巡线方案 Download PDFInfo
- Publication number
- CN109991997A CN109991997A CN201810000454.7A CN201810000454A CN109991997A CN 109991997 A CN109991997 A CN 109991997A CN 201810000454 A CN201810000454 A CN 201810000454A CN 109991997 A CN109991997 A CN 109991997A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- relaying
- indicate
- optimization
- energy consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 claims abstract description 62
- 238000005265 energy consumption Methods 0.000 claims abstract description 52
- 230000005540 biological transmission Effects 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 17
- 230000011664 signaling Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
- H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明是一种应用在智能电网中的高效节能的无人机电力巡线方案，首先无人机能耗最小化问题被建模成一个联合优化问题，包括大尺度优化和小尺度优化。其中大尺度优化包含轨迹调度，速度控制，频率调节三部分，小尺度优化包括中继选择和功率控制这两部分。其次，本发明采用动态规划算法来解决大尺度优化问题，同时联合拍卖理论和匹配算法来解决小尺度优化问题。最后，本发明在真实的电网拓扑结构下验证所提方案性能。
Description
技术领域
本发明属于无线通信领域，具体涉及一种应用智能电网中的高效节能的无人机电力巡线方案，能够在综合考虑无人机轨迹调度，速度控制，频率调节，中继选择和功率优化的情况下实现无人机能耗最小化。
背景技术
随着智能电网的发展，预计2020年美国输电线路总长将增加到59万公里以上。美国输电线路总长年复合增长率4％，而全球年增长率为3％。大规模增长的输电线路对线路检修和维护带来了新的挑战。传统电力线路检查主要通过工作人员巡视进行，主要存在以下问题：1）安全问题：数百千伏的高电压电力线产生的电磁场辐射对人体是有害的健康；2）准确性问题：由于电力线规模大，分布复杂，检查准确度不高；3）成本问题：劳动力，运输和设备成本可能会非常高。因此，开发一种高效节能的无人机电力巡线方案具有很重大的研究意义。
发明内容
本发明是一种应用智能电网中的高效节能的无人机电力巡线方案，首先无人机能耗最小化问题被建模成一个联合优化问题，包括大尺度优化和小尺度优化。其中大尺度优化包含轨迹调度，速度控制，频率调节三部分，小尺度优化包括中继选择和功率控制这两部分。其次，本发明采用动态规划算法来解决大尺度优化问题，同时联合拍卖理论和匹配算法来解决小尺度优化问题。最后，本发明在真实的电网拓扑结构下验证所提方案性能。其具体实施过程如下：
1） 图1为无人机巡线模型示意图，模型中包括了发电厂，输电塔，无人机，基站，用户等多个部分。用表示电网拓扑结构里的节点，表示现实中的输电塔或可再生能源发电厂。用和分别表示节点和之间的输电线路和距离，一群巡检无人机从节点处开始巡检，遍历巡检完个节点之后，回到源节点。在巡检过程中，无人机有两个任务，一是避免碰撞，二是完成对基站的图片内容传输。当巡检无人机离基站较远时，由于信道条件较差，此时需要借助其他正在执行任务的无人机作为中继进行内容传输。巡检无人机和中继无人机分别表示为和。巡检无人机在整个巡检过程中所产生的能耗有三部分，分别是飞行能耗，防碰撞能耗和内容传输能耗。
a) 飞行能耗
巡检无人机在飞行过程中的能耗可以建模为
其中为无人机推进功率，表达式为
表达式中和是与无人机自身及环境有关的参数。
b) 防碰撞能耗
巡检无人机在飞行过程中，会不断向四周传输信号，避免产生碰撞。
其碰撞概率模型可表示为
其中，表示碰撞概率。其发送信令的能耗可表示为
其中，，分别表示发送信令的功率，频率和时间。
c) 内容传输能耗模型
假设巡检无人机通过中继无人机对基站进行内容传递。中继无人机把接收到的内容转发给基站，这两跳链路的SNR可表示为
式中和分别表示第一跳和第二跳的SNR，公式分别为
其中，和表示巡检无人机和中继无人机的传输功率，表示巡检无人机和中继无人机之间的信道增益，表示中继无人机和基站之间的信道增益，表示噪声功率。整个传输过程的能耗可被表示为
其中表示数据传输过程的时间。
2）本发明采用一个二进制的值表示巡检无人机选择中继无人机m进行内容传输，则表示巡检无人机n不选择中继无人机m进行内容传输。同样的，表示巡检路段被选择，反之不被选择。优化变量的集合可定义为，其中表示速度，表示中继，表示路段，表示频率，表示功率。因此包含轨迹调度，速度控制，频率调节，中继选择和功率优化的联合优化问题可表示为
其中表示信号传输时间要小于信道相干时延，表示无人机碰撞需小于所设定的碰撞概率最大值，和表示无人机速度和传输功率的限制，保证无人机最多只连接一个中继无人机，表示无人机通信的SNR阈值。为解决优化问题，本发明联合动态规划，拍卖理论及匹配理论进行求解，具体求解过程如下：
a)问题转化
由于优化问题中无人机飞行及防碰撞能耗远大于匹配时内容传输所产生的能耗，因此优化问题可分解为两个子优化问题和。其表达式为
b)基于动态规划的轨迹调度，速度控制，频率调节算法
由于优化问题符合动态规划的条件，因此本发明把无人机巡检问题建模成一个推销员问题，并用动态规划进行求解。系统的状态方程可表示为
其中表示总的状态阶段数，是状态指标，和分别代表和两个阶段的状态，表示在阶段的策略，表示状态更新函数。本发明中与之对应的变量为,。因此，在阶段处的成本函数可表示为
式中表示无人机从到所需的最小能耗。对于具有有限个初始状态的推销员问题，其最小能耗表达式为
]
式中表示最后一个阶段的最小能耗，能用动态规划的方法逐阶段求解，求解方程为
采用动态规划求解时，涉及到未知参数的求解，的求解可通过求解获得，其表达式为
考虑到受到和的限制，其求解表达式为
优化问题可分为两种情况讨论：高速模式和低速模式。在高速模式下，即，这种情况下，优化问题可表示为
在低速模式下，即，这种情况下，优化问题可表示为
由于和都是凸函数，本发明运用KKT条件进行求解，假设和分别表示优化问题和的解，其表达式为
最优的也可对应求解。
c)基于拍卖理论的中继选择和功率分配的匹配算法
在最优速度和最优频率求解出来后，可以得到无人机最终飞行的路径和时间。假定N个巡检无人机在路段巡检时，周围有个中继无人机作为中继。此时优化问题可转化为巡检无人机和中继无人机的双边匹配问题。假设表示巡检无人机n选择中继无人机m进行内容传输，中继无人机的成本集合表示为。因此巡检无人机n对中继无人机m的喜好值可表示为
式中表示最优的功率分配策略，能通过求解优化问题得到，其中可表示为
,
求解可得最优功率表达式为
式中
然后，巡检无人机n会对M个中继无人机计算喜好值并建立喜好列表。喜好列表建立完成后，巡检无人机会向其喜好度最高的中继无人机发送匹配请求。如果任意一个中继无人机只接收到一个巡检无人机的请求，那么该巡检无人机将会与其所请求的中继无人机直接进行匹配；如果任意一个中继无人机接收到了多个巡检无人机的请求，则会产生匹配冲突的情况，因此本发明采取一种基于英式拍卖的匹配算法解决匹配冲突。英式拍卖模型包含四个元素：
拍卖商品：定义接收到多个巡检无人机请求的中继无人机的集合为𝓠，𝓠的元素即为拍卖商品。
拍卖商：定义基站为拍卖商，其主要任务为根据拍卖规则分配𝓠的归属。
投标人：定义具有匹配请求冲突的中继无人机的集合为𝓑，𝓑中的元素即为投标人。
竞标价格：即中继无人机的成本集合。在每一轮的竞标过程中，中继无人机竞标价格的增量为
定义为竞标拍卖轮次，在第轮拍卖过程中，巡检无人机对于中继无人机m的竞标价格为
基于以上公式，巡检无人机对于中继无人机的喜好度将减少，同时巡检无人机的喜好列表也将随之更新。由于在每一轮竞标过程中，竞标价格会提高，当中继无人机不再是巡检无人机最高喜好度的对象时，巡检无人机将放弃竞争中继无人机转而向其最高喜好度的中继发送匹配请求。经过多轮竞价后，最后能承担竞标价格的巡检无人机将与中继无人机进行匹配。整个竞价匹配的过程会一直持续到所有的巡检无人机或中继无人机全部匹配完。
附图说明：
图1是无人机巡线模型示意图。
图2是美国密西西比牛顿县的真实电力线拓扑图。
图3是能耗与速度和信令发送频率的关系图。
图4是总能耗随着巡线目标节点数目变化关系图。
图5是内容传输能耗随着巡检无人机数目变化关系图。
图6是能耗和计算复杂度随着优化变量数目变化关系图。
具体实施方式
本发明的实施方式总共分为两步，分别为模型建立过程和算法实现过程，能够在无人机轨迹调度，速度控制，频率调节，中继选择和功率优化的情况下实现无人机能耗最小化。
1) 图1是无人机巡线模型示意图。在巡检过程中，无人机有两个任务，一是避免碰撞，二是完成对基站的图片内容传输。当巡检无人机离基站较远时，由于信道条件较差，此时需要借助其他正在执行任务的无人机作为中继进行内容传输。巡检无人机在整个巡检过程中所产生的能耗有三部分，分别是飞行能耗，防碰撞能耗和数据传输能耗。
2) 为了解决上述问题，先无人机能耗最小化问题被建模成一个联合优化问题，包括大尺度优化和小尺度优化。其中大尺度优化包含轨迹调度，速度控制，频率调节三部分，小尺度优化包括中继选择和功率控制这两部分。其次，本发明采用动态规划算法来解决大尺度优化问题，同时联合拍卖理论和匹配算法来解决小尺度优化问题。最后，本发明在真实的电网拓扑结构下验证所提方案性能。
对于本发明，我们进行了大量仿真，在基于MATLAB的仿真环境下，基于真实地图对发明进行验证。图2是美国密西西比牛顿县的真实电力线拓扑图。图3为能耗与速度和信令发送频率的关系图，验证了无人机速度存在一个最优值，此时无人机能耗最小。图4为无人机总能耗随着巡线目标节点数目变化关系图变化情况，比较了在路径规划中随机分配算法，贪婪算法和本发明提出的动态规划算法。随着目标点数的增大，能耗不断上升，但本发明所提出的动态规划算法的能耗值最小。图5为内容传输能耗随着巡检无人机数目变化关系图，其中比较了在内容传输阶段的随机匹配算法，穷举算法和本发明提出的基于拍卖的匹配算法。随着无人机数目的增加，内容传输能耗也在增加，本发明所提出的基于拍卖的匹配算法与穷举算法性能最为接近，明显好于随机匹配算法。图6为能耗和计算复杂度随着优化变量数目变化关系图，比较了不同优化变量下的能耗和计算复杂度。随着速度，频率，轨迹，中继和功率的优化，无人机能耗大大降低，同时计算复杂度也相应提高。
尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。
Claims (3)
1.一种应用在智能电网中的高效节能的无人机电力巡线方案，其特征在于：
1）将无人机能耗最小化问题建模成一个联合优化问题，包括大尺度优化和小尺度优化两方面，其中大尺度优化包含轨迹调度，速度控制，频率调节三部分，小尺度优化包括中继选择和功率控制这两部分；
2）本发明采用动态规划算法来解决大尺度优化问题，同时联合拍卖理论和匹配算法来解决小尺度优化问题。
2.如权利要求1步骤1）所述的一个联合优化问题，其特征在于综合考轨迹调度，速度控制，频率调节，中继选择和功率控制等优化问题，实现无人机能耗最小化，具体包括以下两个步骤：
1) 建立模型：巡检无人机在整个巡检过程中所产生的能耗有三部分，分别是飞行能耗，防碰撞能耗和内容传输能耗
a) 飞行能耗
巡检无人机在飞行过程中的能耗可以建模为
其中为无人机推进功率，表达式为
表达式中和是与无人机自身及环境有关的参数；
b) 防碰撞能耗
巡检无人机在飞行过程中，会不断向四周传输信号，避免产生碰撞，其碰撞概率模型可表示为
其中，表示碰撞概率，其发送信令的能耗可表示为
其中，，分别表示发送信令的功率，频率和时间；
c) 内容传输能耗模型
假设巡检无人机通过中继无人机对基站进行内容传递，中继无人机把接收到的内容转发给基站，这两跳链路的SNR可表示为
式中和分别表示第一跳和第二跳的SNR，公式分别为
其中，和表示巡检无人机和中继无人机的传输功率，表示巡检无人机和中继无人机之间的信道增益，表示中继无人机和基站之间的信道增益，表示噪声功率，整个传输过程的能耗可被表示为
其中表示数据传输过程的时间；
2）确定优化目标函数
本发明采用一个二进制的值表示巡检无人机选择中继无人机m进行内容传输，则表示巡检无人机n不选择中继无人机m进行内容传输，同样的，表示巡检路段被选择，反之不被选择，优化变量的集合可定义为，其中表示速度，表示中继，表示路段，表示频率，表示功率，因此包含轨迹调度，速度控制，频率调节，中继选择和功率优化的联合优化问题可表示为
其中表示信号传输时间要小于信道相干时延，表示无人机碰撞需小于所设定的碰撞概率最大值，和表示无人机速度和传输功率的限制，保证无人机最多只连接一个中继无人机，表示无人机通信的SNR阈值。
3.如权利要求1步骤2）所述大尺度优化和小尺度优化问题，其特征在于采用动态规划算法来解决大尺度优化问题，同时联合拍卖理论和匹配算法来解决小尺度优化问题，具体优化过程如下
问题转化
由于优化问题中无人机飞行及防碰撞能耗远大于匹配时内容传输所产生的能耗，因此优化问题可分解为两个子优化问题和，其表达式为
基于动态规划的轨迹调度，速度控制，频率调节算法
由于优化问题符合动态规划的条件，因此本发明把无人机巡检问题建模成一个推销员问题，并用动态规划进行求解，系统的状态方程可表示为
其中表示总的状态阶段数，是状态指标，和分别代表和两个阶段的状态，表示在阶段的策略，表示状态更新函数，本发明中与之对应的变量为,，因此，在阶段处的成本函数可表示为
式中表示无人机从到所需的最小能耗，对于具有有限个初始状态的推销员问题，其最小能耗表达式为
]
式中表示最后一个阶段的最小能耗，能用动态规划的方法逐阶段求解，求解方程为
采用动态规划求解时，涉及到未知参数的求解，的求解可通过求解获得，其表达式为
考虑到受到和的限制，其求解表达式为
优化问题可分为两种情况讨论：高速模式和低速模式，在高速模式下，即，这种情况下，优化问题可表示为
在低速模式下，即，这种情况下，优化问题可表示为
由于和都是凸函数，本发明运用KKT条件进行求解，假设和分别表示优化问题和的解，其表达式为
最优的也可对应求解；
基于拍卖理论的中继选择和功率分配的匹配算法
在最优速度和最优频率求解出来后，可以得到无人机最终飞行的路径和时间，假定N个巡检无人机在路段巡检时，周围有个中继无人机作为中继，此时优化问题可转化为巡检无人机和中继无人机的双边匹配问题，假设表示巡检无人机n选择中继无人机m进行内容传输，中继无人机的成本集合表示为，因此巡检无人机n对中继无人机m的喜好值可表示为
式中表示最优的功率分配策略，能通过求解优化问题得到，其中可表示为
,
求解可得最优功率表达式为
式中
然后，巡检无人机n会对M个中继无人机计算喜好值并建立喜好列表，喜好列表建立完成后，巡检无人机会向其喜好度最高的中继无人机发送匹配请求，如果任意一个中继无人机只接收到一个巡检无人机的请求，那么该巡检无人机将会与其所请求的中继无人机直接进行匹配；如果任意一个中继无人机接收到了多个巡检无人机的请求，则会产生匹配冲突的情况，因此本发明采取一种基于英式拍卖的匹配算法解决匹配冲突，定义为竞标拍卖轮次，在第轮拍卖过程中，巡检无人机对于中继无人机m的竞标价格为
基于以上公式，巡检无人机对于中继无人机的喜好度将减少，同时巡检无人机的喜好列表也将随之更新，由于在每一轮竞标过程中，竞标价格会提高，当中继无人机不再是巡检无人机最高喜好度的对象时，巡检无人机将放弃竞争中继无人机转而向其最高喜好度的中继发送匹配请求，经过多轮竞价后，最后能承担竞标价格的巡检无人机将与中继无人机进行匹配，整个竞价匹配的过程会一直持续到所有的巡检无人机或中继无人机全部匹配完。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810000454.7A CN109991997B (zh) | 2018-01-02 | 2018-01-02 | 智能电网中一种高效节能的无人机电力巡线方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810000454.7A CN109991997B (zh) | 2018-01-02 | 2018-01-02 | 智能电网中一种高效节能的无人机电力巡线方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109991997A true CN109991997A (zh) | 2019-07-09 |
| CN109991997B CN109991997B (zh) | 2020-11-06 |
Family
ID=67128200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810000454.7A Active CN109991997B (zh) | 2018-01-02 | 2018-01-02 | 智能电网中一种高效节能的无人机电力巡线方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109991997B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111854754A (zh) * | 2020-06-19 | 2020-10-30 | 北京三快在线科技有限公司 | 无人机航线规划方法、装置、无人机及存储介质 |
| CN112180723A (zh) * | 2020-09-15 | 2021-01-05 | 东北大学 | 一种基于能量分析的无人机任务规划方法及装置 |
| CN113485416A (zh) * | 2021-06-29 | 2021-10-08 | 海南电网有限责任公司 | 一种电网安全检测方法 |
| CN113724415A (zh) * | 2021-09-01 | 2021-11-30 | 国网福建省电力有限公司龙岩供电公司 | 一种配电线路无人机交互式自动巡检方法及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1141656A1 (en) * | 1998-12-31 | 2001-10-10 | Honeywell Inc. | Multi-dimensional route optimizer |
| US20080021635A1 (en) * | 2006-07-19 | 2008-01-24 | Eads Deutschland Gmbh | Method for establishing optimized paths of movement of vehicles |
| CN104536442A (zh) * | 2014-12-11 | 2015-04-22 | 西北工业大学 | 一种基于动态规划的水下航行器路径规划方法 |
| CN105700549A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 |
| CN106454700A (zh) * | 2016-09-13 | 2017-02-22 | 华北电力大学 | 基于社交网络的d2d通信内容分发方案 |
| WO2017050893A1 (en) * | 2015-09-22 | 2017-03-30 | Pro-Drone Lda. | Autonomous inspection of elongated structures using unmanned aerial vehicles |
| US9671791B1 (en) * | 2015-06-10 | 2017-06-06 | Amazon Technologies, Inc. | Managing unmanned vehicles |
| CN106949894A (zh) * | 2017-04-13 | 2017-07-14 | 山东科技大学 | 一种用于无人机自动避撞的最优常值导引指令求解方法 |
| CN107071695A (zh) * | 2017-01-17 | 2017-08-18 | 华北电力大学 | 一种终端直通协作中继网络的路由和频谱资源管理方案 |
-
2018
- 2018-01-02 CN CN201810000454.7A patent/CN109991997B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1141656A1 (en) * | 1998-12-31 | 2001-10-10 | Honeywell Inc. | Multi-dimensional route optimizer |
| US20080021635A1 (en) * | 2006-07-19 | 2008-01-24 | Eads Deutschland Gmbh | Method for establishing optimized paths of movement of vehicles |
| CN104536442A (zh) * | 2014-12-11 | 2015-04-22 | 西北工业大学 | 一种基于动态规划的水下航行器路径规划方法 |
| US9671791B1 (en) * | 2015-06-10 | 2017-06-06 | Amazon Technologies, Inc. | Managing unmanned vehicles |
| WO2017050893A1 (en) * | 2015-09-22 | 2017-03-30 | Pro-Drone Lda. | Autonomous inspection of elongated structures using unmanned aerial vehicles |
| CN105700549A (zh) * | 2016-01-21 | 2016-06-22 | 北京理工大学 | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 |
| CN106454700A (zh) * | 2016-09-13 | 2017-02-22 | 华北电力大学 | 基于社交网络的d2d通信内容分发方案 |
| CN107071695A (zh) * | 2017-01-17 | 2017-08-18 | 华北电力大学 | 一种终端直通协作中继网络的路由和频谱资源管理方案 |
| CN106949894A (zh) * | 2017-04-13 | 2017-07-14 | 山东科技大学 | 一种用于无人机自动避撞的最优常值导引指令求解方法 |
Non-Patent Citations (3)
| Title |
|---|
| CHEN XU等: "Joint Relay Selection and Resource Allocation for Energy-Efficient D2D Cooperative Communications Using Matching Theory", 《APPLIED SCIENCES》 * |
| YONG ZENG等: "Energy-Efficient UAV Communication With Trajectory Optimization", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
| ZHENYU ZHOU等: "Energy-Efficient Vehicular Heterogeneous Networks for Green Cities", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111854754A (zh) * | 2020-06-19 | 2020-10-30 | 北京三快在线科技有限公司 | 无人机航线规划方法、装置、无人机及存储介质 |
| CN112180723A (zh) * | 2020-09-15 | 2021-01-05 | 东北大学 | 一种基于能量分析的无人机任务规划方法及装置 |
| CN112180723B (zh) * | 2020-09-15 | 2022-02-01 | 东北大学 | 一种基于能量分析的无人机任务规划方法及装置 |
| CN113485416A (zh) * | 2021-06-29 | 2021-10-08 | 海南电网有限责任公司 | 一种电网安全检测方法 |
| CN113724415A (zh) * | 2021-09-01 | 2021-11-30 | 国网福建省电力有限公司龙岩供电公司 | 一种配电线路无人机交互式自动巡检方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109991997B (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109991997A (zh) | 智能电网中一种高效节能的无人机电力巡线方案 | |
| CN110488861A (zh) | 基于深度强化学习的无人机轨迹优化方法、装置和无人机 | |
| Chung et al. | Placement and routing optimization for automated inspection with unmanned aerial vehicles: A study in offshore wind farm | |
| CN101477169B (zh) | 巡检飞行机器人对电力线路的检测方法 | |
| CN108632831A (zh) | 一种基于动态航迹的无人机群频谱资源分配方法 | |
| CN114690799A (zh) | 基于信息年龄的空天地一体化无人机物联网数据采集方法 | |
| Liu et al. | Study on UAV parallel planning system for transmission line project acceptance under the background of industry 5.0 | |
| CN108123772A (zh) | 一种基于梯度投影的无人机时频资源分配方法 | |
| CN108718454A (zh) | 一种多无人机通信中继平台协作自主布设方法 | |
| Peng et al. | Three-dimensional multi-constraint route planning of unmanned aerial vehicle low-altitude penetration based on coevolutionary multi-agent genetic algorithm | |
| CN111381499B (zh) | 基于三维空间射频地图学习的网联飞行器自适应控制方法 | |
| CN106959700A (zh) | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 | |
| CN110530373A (zh) | 一种机器人路径规划方法、控制器及系统 | |
| CN108040368A (zh) | 一种基于块坐标下降的无人机时频资源分配方法 | |
| CN108897222A (zh) | 多无人机策略攻击下输出反馈安全协同控制器及控制方法 | |
| CN110221290A (zh) | 基于蚁群算法优化的无人机目标搜索构建方法 | |
| CN116627162A (zh) | 基于多智能体强化学习的多无人机数据采集位置优化方法 | |
| Wang et al. | Bandwidth allocation and trajectory control in UAV-assisted IOV edge computing using multiagent reinforcement learning | |
| CN115499921A (zh) | 面向复杂无人机网络的三维轨迹设计及资源调度优化方法 | |
| Zhu et al. | Mission time minimization for multi-UAV-enabled data collection with interference | |
| Yang et al. | Federated imitation learning for uav swarm coordination in urban traffic monitoring | |
| Wang et al. | Robotic wireless energy transfer in dynamic environments: system design and experimental validation | |
| Yang et al. | Path planning of UAV base station based on deep reinforcement learning | |
| Zhang et al. | Energy consumption optimal design of power grid inspection trajectory for UAV mobile edge computing node | |
| Zhu et al. | Fairness-aware task loss rate minimization for multi-UAV enabled mobile edge computing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |