CN109991997B - 智能电网中一种高效节能的无人机电力巡线方法 - Google Patents
智能电网中一种高效节能的无人机电力巡线方法 Download PDFInfo
- Publication number
- CN109991997B CN109991997B CN201810000454.7A CN201810000454A CN109991997B CN 109991997 B CN109991997 B CN 109991997B CN 201810000454 A CN201810000454 A CN 201810000454A CN 109991997 B CN109991997 B CN 109991997B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- relay
- patrol
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 36
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000005265 energy consumption Methods 0.000 claims description 51
- 230000005540 biological transmission Effects 0.000 claims description 30
- 238000007689 inspection Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 12
- 230000011664 signaling Effects 0.000 claims description 6
- 230000002860 competitive effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 230000008054 signal transmission Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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法,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法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法,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法性能。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K={0,…,k,…,K}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lkk′和dkk′分别表示节点k和k′之间的输电线路和距离,一群巡检无人机从节点k=0处开始巡检,遍历巡检完K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N={0,…,n,…,N}和M={0,…,m,…,M}。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
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,Prc(fk,k′)表示碰撞概率。其发送信令的能耗可表示为
其中Pc,fk,k′,tc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n通过中继无人机m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
其中Ts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n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lkk′被选择,反之不被选择。优化变量的集合可定义为其中vk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C1表示信号传输时间要小于信道相干时延,C2表示无人机碰撞需小于所设定的碰撞概率最大值,C3和C4表示无人机速度和传输功率的限制,C5保证无人机最多只连接一个中继无人机,C6表示无人机通信的SNR阈值。为解决优化问题P1,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P1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P1可分解为两个子优化问题P2和P3。其表达式为
s.t.C1~C3
s.t.C4~C6
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P2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
xτ+1=z(xτ,uτ),τ=0,1,...,ψ-1
式中g(ψ)表示最后一个阶段的最小能耗,J*(x0)能用动态规划的方法逐阶段求解,求解方程为
Jψ(xψ)=g(xψ),
s.t.C1~C3.
考虑到fk,k′受到C1和C2的限制,其求解表达式为
s.t.C1~C3.
s.t.C1~C3.
最优的fk,k′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lkk′巡检时,周围有Mk,k′个中继无人机作为中继。此时优化问题P3可转化为巡检无人机和中继无人机的双边匹配问题。假设χ(n)=m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
s.t.C4~C6.
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:
竞标价格:即中继无人机的成本集合Λ。在每一轮的竞标过程中,中继无人机竞标价格的增量为Δξm
定义lb为竞标拍卖轮次,在第(lb+1)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
ξm(lb+1)=ξm(lb)+Δξm
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Δξm,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Δξm,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法性能。
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 (1)
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法,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;综合考虑轨迹调度,速度控制,频率调节,中继选择和功率控制的优化问题,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
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,Pr(δk,k′)为巡检无人机在飞行过程中的能量增益的概率,Prc(fk,k′)表示碰撞概率,其发送信令的能耗可表示为:
其中Pc,fk,k′,tc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n通过中继无人机m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:
其中TS表示数据传输过程的时间;
②确定优化目标函数
采用一个二进制的值表示巡检无人机n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lk,k′被选择,反之不被选择,优化变量的集合可定义为其中vk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,用K={0,...,k,...,K}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,k、k′分别表示节点序号;N={0,…,n,…,N}表示巡检无人机,n表示巡检无人机序号;M={0,…,m,…,M}表示中继无人机,m表示中继无人机序号;C1表示信号传输时间要小于信道相干时延,C2表示无人机碰撞需小于所设定的碰撞概率最大值,C3和C4表示无人机速度和传输功率的限制,C5保证无人机最多只连接一个中继无人机,C6表示无人机通信的SNR阈值;
2)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
a)问题转化
由于优化问题P1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P1可分解为两个子优化问题P2和P3,其表达式为
s.t.C1~C3.
s.t.C4~C6.
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P2符合动态规划的条件,因此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:
xτ+1=z(xτ,uτ),τ=0,1,…,ψ-1
Jψ(xψ)=g(xψ),
s.t.C1~C3.
考虑到fk,k′受到C1和C2的限制,其求解表达式为
s.t.C1~C3.
s.t.C1~C3.
最优的fk,k′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lk,k′巡检时,周围有Mk,k′个中继无人机作为中继,此时优化问题P3可转化为巡检无人机和中继无人机的双边匹配问题,假设χ(n)=m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:
s.t.C4~C6.
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,因此采取一种基于英式拍卖的匹配算法解决匹配冲突,定义lb为竞标拍卖轮次,在第(lb+1)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
ξm(lb+1)=ξm(lb)+Δξm;
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Δξm,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Δξm,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 CN109991997A (zh) | 2019-07-09 |
CN109991997B true 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) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854754B (zh) * | 2020-06-19 | 2023-01-24 | 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 |
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 |
CN113485416B (zh) * | 2021-06-29 | 2022-06-17 | 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 (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1141656A1 (en) * | 1998-12-31 | 2001-10-10 | Honeywell Inc. | Multi-dimensional route optimizer |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006033347A1 (de) * | 2006-07-19 | 2008-01-31 | Eads Deutschland Gmbh | Verfahren zur Ermittlung optimierter Bewegungsbahnen von Fahrzeugen |
-
2018
- 2018-01-02 CN CN201810000454.7A patent/CN109991997B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1141656A1 (en) * | 1998-12-31 | 2001-10-10 | Honeywell Inc. | Multi-dimensional route optimizer |
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 |
---|
Energy-Efficient UAV Communication With Trajectory Optimization;Yong Zeng等;《IEEE Transactions on Wireless Communications》;20170328;第16卷(第6期);全文 * |
Energy-Efficient Vehicular Heterogeneous Networks for Green Cities;Zhenyu Zhou等;《IEEE Transactions on Industrial Informatics》;20171123;第14卷(第4期);全文 * |
Joint Relay Selection and Resource Allocation for Energy-Efficient D2D Cooperative Communications Using Matching Theory;Chen Xu等;《applied sciences》;20170510;第7卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109991997A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109991997B (zh) | 智能电网中一种高效节能的无人机电力巡线方法 | |
Jung et al. | Orchestrated scheduling and multi-agent deep reinforcement learning for cloud-assisted multi-UAV charging systems | |
CN109782779A (zh) | 基于种群超启发式算法的洋流环境下auv路径规划方法 | |
CN113254188B (zh) | 调度优化方法和装置、电子设备及存储介质 | |
CN116027807B (zh) | 一种异构无人机群协同电力巡检方法 | |
Qin et al. | Deep reinforcement learning-based energy minimization task offloading and resource allocation for air ground integrated heterogeneous networks | |
Zeng et al. | Periodic Collaboration and Real-Time Dispatch Using an Actor–Critic Framework for UAV Movement in Mobile Edge Computing | |
Cui et al. | Joint computation offloading and resource management for usvs cluster of fog-cloud computing architecture | |
Zhang et al. | Resource allocation in UAV assisted air ground intelligent inspection system | |
Yujie et al. | Optimization of fixed aviation support resource station configuration for aircraft carrier based on aircraft dispatch mission scheduling | |
Shi et al. | Multi-UAV-assisted computation offloading in DT-based networks: A distributed deep reinforcement learning approach | |
Yuan et al. | Joint Multi-Ground-User Edge Caching Resource Allocation for Cache-Enabled High-Low-Altitude-Platforms Integrated Network | |
CN116301038A (zh) | 一种基于航迹优化规划的无人机输电线路自主巡检方法 | |
Xu et al. | An efficient recharging task planning method for multi-robot autonomous recharging problem | |
CN116488705A (zh) | 一种基于最坏情况柔性策略评估的灾后无人机部署方法 | |
Li et al. | Improved genetic algorithm for multi-agent task allocation with time windows | |
Duo et al. | UAV‐aided distribution line inspection using double‐layer offloading mechanism | |
Li et al. | Exploring graph neural networks for joint cruise control and task offloading in UAV-enabled mobile edge computing | |
Jiang et al. | Optimisation of Multi-Type Logistics UAV Scheduling under High Demand | |
Shmelova et al. | Group flights of Unmanned Aviation Vehicles for smart cities | |
Zhang et al. | DRL-based Task and Computational Offloading for Internet of Vehicles in Decentralized Computing | |
Xiong et al. | RIS-empowered Topology Control for Distributed Learning in Urban Air Mobility | |
CN113867396B (zh) | 一种网联无人机航线规划与航线平滑方法及装置 | |
He et al. | Real-time stealth corridor path planning for fleets of unmanned aerial vehicles in low-altitude penetration | |
Zhang et al. | Dynamic Delay-Sensitive Observation-Data-Processing Task Offloading for Satellite Edge Computing: A Fully-Decentralized Approach |
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 |