CN110362105A - 基于多uav的传感器网络无线充电方法 - Google Patents

基于多uav的传感器网络无线充电方法 Download PDF

Info

Publication number
CN110362105A
CN110362105A CN201910519493.2A CN201910519493A CN110362105A CN 110362105 A CN110362105 A CN 110362105A CN 201910519493 A CN201910519493 A CN 201910519493A CN 110362105 A CN110362105 A CN 110362105A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
task
uavi
flight
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
Application number
CN201910519493.2A
Other languages
English (en)
Other versions
CN110362105B (zh
Inventor
刘贵云
黄家俊
蒋文俊
向建化
彭百豪
唐冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou University
Original Assignee
Guangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou University filed Critical Guangzhou University
Priority to CN201910519493.2A priority Critical patent/CN110362105B/zh
Publication of CN110362105A publication Critical patent/CN110362105A/zh
Application granted granted Critical
Publication of CN110362105B publication Critical patent/CN110362105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries

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)
  • Power Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及传感器网络的充电技术，为基于多UAV的传感器网络无线充电方法，包括以下步骤：采用拍卖算法对无人机为传感器节点进行无线充电的任务进行分配；在任务分配的同时，对无人机的飞行路径进行规划，使无人机执行任务时跨越固定障碍物，并避让其他无人机以及移动障碍物；无人机根据任务分配和路径规划的结果，执行飞行任务，为传感器网络节点进行充电。本发明无线充电方法采用拍卖算法对无人机任务进行分配，同时考虑任务分配和路径规划，进行联合优化求解。

Description

基于多UAV的传感器网络无线充电方法
技术领域
本发明涉及传感器网络的充电技术，具体为基于多UAV(无人机)的传感器网络无线充电方法。
背景技术
无人机(UAV)在现代的军事、工业、农业和商业等领域上都有非常广泛的应用，而且现在对无人机执行任务的能力也有越来越高要求，因此关于无人机任务分配问题和路径规划问题的研究就变得格外重要。在工农业的应用上，由于无线传感器节点一般处于不方便人为更换电池的地方，而且为了节约成本或者环境受限，大部分无线传感器节点不会配备太阳能、风能或者热能等能量采集的装置，所以利用无人机为分布在各处的无线传感器节点充电是热门应用之一。
基于多无人机的传感器网络无线充电策略设计的主要目的，是通过算法为多个无人机规划出飞行的路径和分配好任务，所述任务指的是无人机为传感器网络中的节点进行无线充电。如果有大量的无线传感器节点需要充电，就需要多架无人机协同才能高效地完成任务。那么为了节约无人机的总飞行成本(尤其是巡航消耗时间)，就需要设计算法来为无人机分配任务和规划路径，使得无人机的总飞行成本尽可能小。
在利用多个无人机对传感器网络的无线充电策略进行设计的时候，传统的步骤是先分配任务再规划路径，这样的算法找到的解可能收益不高，所以本发明提出同时考虑任务分配和路径规划，进行联合优化求解。
发明内容
为解决现有技术所存在的技术问题，本发明提供基于多UAV的传感器网络无线充电方法，采用拍卖算法对无人机任务进行分配，同时考虑任务分配和路径规划，进行联合优化求解。
本发明采用以下技术方案来实现：基于多UAV的传感器网络无线充电方法，包括以下步骤：
S1、采用拍卖算法对无人机为传感器节点进行无线充电的任务进行分配；
S2、在任务分配的同时，对无人机的飞行路径进行规划，使无人机执行任务时跨越固定障碍物，并避让其他无人机以及移动障碍物；
S3、无人机根据任务分配和路径规划的结果，执行飞行任务，为传感器网络节点进行充电。
本发明在拍卖算法的基础原理上加入了各无人机之间、无人机与移动障碍物之间的避让设计和无人机跨越固定障碍物的环节，进行了优化和改进；与现有技术相比，具有如下优点和有益效果：
1、由于充电时间在总消耗时间里的占比不小，况且无人机主要任务是为传感器节点充电，所以不应该忽略充电时间；为此本发明改进了拍卖算法，在普通的拍卖算法基础上考虑了无人机为传感器节点充电的充电时间。
2、本发明加入了无人机跨越固定障碍物的设计，使得系统的模型更贴近真实场景。在算法中，每一次生成新的飞行路径集之后的第一步，是进行跨越固定障碍物的设计，计算出跨越固定障碍物所需的垂直上升和下降时间。
3、本发明的算法中还加入了无人机之间相互避让和无人机避让移动障碍物的设计，进一步避免发生无人机碰撞的事故。在跨越固定障碍物设计这一步结束后，接着就是无人机之间相互避让和无人机避让移动障碍物的设计，计算无人机为了避让其他无人机或者移动障碍物而产生的停留时间。在这些避让设计中提出了“无人机优先级”这个概念，优先级高的无人机无需避让优先级低的无人机，移动障碍物用一架无人机来表示，它的优先级最高(即所有无人机必须避让移动障碍物)。
附图说明
图1是一个任务阶段内的时间关系示意图；
图2是本发明无线充电方法的流程图；
图3是无人机跨越固定障碍物示意图(截面图)；
图4是不规则障碍物的处理(截面图)；
图5是1架UAV充电任务完成后的俯视图；
图6是2架UAV充电任务完成后的俯视图；
图7是3架UAV充电任务完成后的俯视图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此实施例。
参见图1-7，本发明基于多UAV的传感器网络无线充电方法，包括以下步骤：
S1、采用拍卖算法对无人机为传感器节点进行无线充电的任务进行分配；
拍卖算法属于一种协商协议算法，它的原理是无人机通过投标竞标的方式来分配任务，投标价最高的无人机才能得到该任务。拍卖算法的优势之一是它有明确的计算投标价规则，首先所有无人机根据自身的状态(当前的飞行路径、剩余的巡航时间)和感知到的传感器节点信息(坐标位置、剩余能量水平)选择多个节点进行投标，然后与其他无人机交换投标信息，确定中标者只需在单个任务层面上独立并行进行，节省了任务分配的收敛时间；而且路径规划和任务分配是联合考虑的，避免了像传统算法那样(先分配任务，再规划路径)造成性能损失。
任务分配的目标是使得无人机的总收益最大化。假设uij是第i个无人机UAVi为第j个传感器节点充电所带来的收益，则uij与UAVi的pi、staytimei、crosstimei直接相关，其中：
pi表示第i个无人机UAVi的飞行路径集合，它是按照无人机UAVi执行任务的先后顺序来进行排列的；
staytimei表示第i个无人机UAVi在每个任务阶段中(从基站到节点并充电，或从节点到节点并充电，或从节点回基站算作一个任务阶段)，为了避让其他无人机UAV以及移动障碍物而在基站或节点上空额外停留的时间集合，它的目的在于让无人机UAV之间保持安全距离；
crosstimei表示第i个无人机UAVi在飞行阶段中(从基站到节点，或从节点到节点，或从节点到基站的飞行过程算作一个飞行阶段)跨越固定障碍物所需要的垂直上升或垂直下降时间汇总的集合。
图1是一个任务阶段内的时间关系示意图，无人机的一轮执行任务是由多个任务阶段组成的。其中：停留阶段无人机位于A点(基站或节点)正上方；飞行阶段包括了水平飞行阶段和垂直飞行阶段，t_fly是无人机沿着直线从A点水平飞到B点的时间；充电阶段无人机位于B点(基站或节点，当B点为基站时充电时间t_charge＝0s)正上方，如图3所示。
无人机为传感器节点进行无线充电的任务分配问题可以如下表示：
其中，I和J分别表示无人机UAV和传感器节点的集合；
公式(3a)表示了所有无人机的总收益最大化的情况下的任务分配和路径规划策略；
公式(3b)表示xij的取值只能是0或1，xij默认为0，当xij＝1时说明第j个传感器节点任务的中标者是UAVi；
公式(3c)表示一个传感器节点只能由一个无人机进行充电；
公式(3d)表示无人机单趟飞行执行任务所消耗的资源∑c不能超过无人机所拥有的总资源C，在本发明中总资源C指的是续航时间。
S2、在任务分配的同时，对无人机的飞行路径进行规划，使无人机执行任务时跨越固定障碍物，并避让其他无人机以及移动障碍物；
根据系统模型的数学表达式，可知本算法在无人机资源受限、无人机之间需保持安全距离、无人机需跨越固定障碍物等条件下，寻找一种任务分配不冲突、无人机总收益最大化、同时考虑路径规划的充电策略。
在本实施例中，假定有N个具有无线通信和无线充电功能的无人机在基站中待命，基站周围的广泛区域内有M个随机分布的无线传感器节点(基站处于区域的中间位置)，这些传感器节点的剩余电量水平呈异构特性；区域内有随机分布的固定障碍物，这些固定障碍物的高度比无人机的默认飞行高度要高，无人机遇到固定障碍物时需要从固定障碍物上方跨过；有随机的移动障碍物会在区域内出现(算法中将移动障碍物用一架无人机代替)，无人机需要避让移动障碍物，最终无人机到达传感器节点正上方进行无线充电，一个传感器节点只能由一个无人机进行充电。
在现在的系统模型之下，无人机执行任务时的飞行状态有四种：垂直上升飞行、垂直下降飞行、保持在默认的飞行高度向着目标点直线飞行、保持在比固定障碍物高的飞行高度向着目标点直线飞行。无人机执行任务时的垂直投影位置始终处在规划的飞行路线上，不会出现偏离航线的情况。
在本实施例中，无人机位于传感器节点正上方为节点充电，假设无人机充电时高度恒定，且不考虑节点电池的能量水平对充电功率的影响，那么充电时间＝节点需求能量/充电功率。由于无人机搭载的电池容量远远大于传感器节点的电池容量，而且无人机为节点充电使用的能量极少，所以忽略无人机给节点充电所消耗的能量，那么，无人机执行任务的资源消耗就可以用无人机的已巡航时间来代替，无人机的总资源用无人机的最大巡航时间来代替。
S3、无人机根据任务分配和路径规划的结果，执行飞行任务，为传感器网络节点进行充电；
图2是无人机UAVi的飞行策略流程图，是在完成任务分配和路径规划之后，无人机执行任务的具体流程。在本实施例中，无人机在飞行的时候会判断前方是否有固定障碍物，并能够跨越固定障碍物飞行(参考图3，A点是飞行阶段的起始点，B点是飞行阶段的目标点)。具体实现的方法如下：
首先，无人机在每个任务阶段中的飞行阶段中(如图1)，在默认飞行高度上从A点到B点，每隔一个固定时间计算一次当前时刻t无人机的位置坐标xy(t)(只需计算横坐标和纵坐标；上述固定时间是指算法的时间步长tstep，步长越小，计算的无人机离散位置坐标越密集)、上一时刻t-tstep无人机的位置坐标xy(t-tstep)和下一时刻t+tstep无人机的位置坐标xy(t+tstep)；
接着，判断无人机在这三个时刻的位置坐标与固定障碍物k(K是所有固定障碍物的集合)之间的位置关系；若出现这种情况：当前时刻t无人机的位置坐标xy(t)不在固定障碍物k范围之内，而下一时刻t+tstep无人机的位置坐标xy(t+tstep)在固定障碍物k范围之内，则说明无人机在下一时刻会撞上固定障碍物k；
那么从下一时刻开始无人机不能继续向着B点水平飞行，应该垂直向上飞行，直至上一时刻t-tstep无人机的飞行高度z(t-tstep)不大于固定障碍物k的高度，而当前时刻t无人机的飞行高度z(t)大于固定障碍物k的高度。接下来一段时间内无人机保持飞行高度z(t)在固定障碍物k上方向着B点水平直线飞行，直至上一时刻t-tstep无人机的位置坐标xy(t-tstep)在固定障碍物k范围之内，而当前时刻t无人机的位置坐标xy(t)不在固定障碍物k范围之内，说明无人机刚离开固定障碍物的范围，下方已经没有固定障碍物。
接下来无人机垂直下降飞行，直到无人机的飞行高度等于默认飞行高度，然后保持默认飞行高度向着B点水平直线飞行。无人机在默认飞行高度向着B点水平飞行但没有到达目标点B之前，无人机需要不断判断前方是否有固定障碍物，若有固定障碍物，则需要跨越固定障碍物飞行，否则无人机保持默认飞行高度向着B点水平直线飞行。
无人机跨越固定障碍物设计的示意图如图3所示。通过一段离散时间对应一组离散位置坐标，近似得到无人机在每个时刻的位置，飞行轨迹的精度可以通过算法的时间步长tstep来调节。
在本实施例中，假设固定障碍物的形状为长方体，如图3，而在实际情况中，障碍物的形状可能是不规则的。在建立系统模型的时候，可以将不规则障碍物近似等价于一个长方体，如图3-4所示，其中水平线为无人机默认飞行高度线，曲线表示不规则障碍物，矩形是由不规则障碍物通过近似处理得到的理想固定障碍物形状。
在本实施例中，为了避免多架无人机在执行任务的过程中发生碰撞的情况，设计了一种无人机间避让的方法。无人机执行任务时避让其他无人机的设计以及避让移动障碍物Moving Object的设计进行如下介绍：
首先提出“无人机优先级”这个概念，对无人机的优先级进行设定，优先级低的无人机要避让优先级高的无人机。每个无人机都有一个唯一的编号，将这个编号作为无人机优先级，即UAV1的优先级为1，UAV2的优先级为2，......以此类推。
无人机间避让原则：无人机一定需要避让移动障碍物(假设移动障碍物为无人机UAV0)；UAV1的优先级最高，所以它只需避让移动障碍物；UAV2的优先级第二，则它只需要避让UAV1和移动障碍物；UAV3的优先级第三，故它需要同时避让UAV1、UAV2和移动障碍物；......以此类推。若UAVi在一个任务阶段中的某个时刻，与优先级比自己高的UAVI之间水平距离小于安全距离(安全距离可自定义)，则UAVi需要停留在原地避让UAVI，直到UAVi与UAVI之间的距离不小于安全距离后UAVi才能继续执行任务。
无人机在基站或节点正上方时(A点)，规划下一个任务阶段j的避让策略(A点到B点并充电)，即计算出UAVi在A点的停留时间staytimeij，采用类似方法(tstep为算法的时间步长)：
UAVi在每个任务阶段j中，每隔一个固定的时间tstep计算一次当前时刻t无人机UAVi和UAVI的位置坐标xyi(t)和xyI(t)、下一时刻t+tstep无人机UAVi和UAVI的位置坐标xyi(t+tstep)和xyI(t+tstep)；
然后计算当前时刻t无人机UAVi与UAVI之间的距离d(t)、下一时刻t+tstep无人机UAVi与UAVI之间的距离d(t+tstep)；
若d(t)小于安全距离或d(t+tstep)小于安全距离、而且UAVI不在基站，那么当前时刻t无人机UAVi需要停留在原地避让UAVI，并使staytimeij加一个tstep时间；
最后得到一个通过叠加而来的停留时间staytimeij，在之后实际执行任务的时候，UAVi只需要在A点额外停留时间staytimeij即可。
在拍卖算法的任务分配中，每个无人机UAVi需要在本地建立7个矢量、2个标量和三维位置坐标。7个矢量和2个标量如表格1所示：
表格1参量描述表
其中，I为无人机的集合，无人机架数N＝|I|；下文用到的J为传感器节点任务的集合，传感器节点个数M＝|J|；C表示无人机的最大总资源；表示在飞行路径集pi中的第L个元素后面插入新任务j所得到的新飞行路径集，若L＝0，则将新任务j插入到pi的第一个元素前面，以上述这种形式来表示新飞行路径集。
本实施例中，分配任务的过程联合考虑了路径规划过程，分配任务的算法主要分为四个阶段，每个阶段之间环环相扣，处于一个大循环之中，第一阶段是准备工作，第二阶段是更新飞行路径集，第三阶段是选出中标者，第四阶段是消除矛盾。
S11、准备工作，在此阶段中，无人机之间共享任务和路径的信息，并更正出现矛盾的参数(最高投标价集)，为第二阶段的计算做好准备。
表格2准备工作的算法伪代码
表2中伪代码说明：
Step1-step2：每个UAVi将自己本地的三个集合(飞行路径集pi、跨越时间集crosstimei和停留时间集staytimei)发送给其他UAV，并接收来自其他UAV的这三个集合。
Step3：每个UAVi在本地进行检查操作，若某个任务对应的所有UAV投标价都为零，那么就将该任务的最大投标价置零，以避免上一轮的投标价对这一轮造成影响。
S12、更新飞行路径集，在此阶段中，每生成一个新的飞行路径集pi，必须先进行路径规划(包括无人机跨越障碍物的设计和无人机间避让的设计)，即计算对应的跨越时间集crosstimei和停留时间集staytimei，然后再计算总收益。对于本文的无人机为传感器节点充电这种对时间量比较敏感的问题，它的收益函数比较符合非减边际收益递减函数特性，所以本实施例在这里引入一个时间折扣型收益函数来形象的表达非减边际收益递减函数特性：
公式(3e)中，λ为固定的折扣因子，0<λ<1；time(i→pi→j)表示UAVi从基站出发、沿着飞行路径集pi到达任务j所需的时间；earningsj是任务j的参考收益，本实施例中用任务j的待充电量来表示。
在这个阶段里，通过不断在原飞行路径集中插入新任务来更新飞行路径集，更新飞行路径集的根本原则是总收益最大化。其中新任务的选取是关键，每一个选出来的新任务带来的收益应该是最大的，这个收益和无人机飞行的时间是直接相关的，无人机飞行的时间又与飞行轨迹和充电时间直接相关，无人机的飞行轨迹是在飞行路径集的基础上考虑了障碍物的位置和无人机之间的位置规划出来的。在分配任务的同时又进行路径规划，将路径规划和任务分配有机的结合了起来，提高了算法性能。
表格3更新飞行路径集的算法伪代码
表3中伪代码说明：
Step1-step14：第二阶段部分是一个while循环，h是跳出循环参数，该循环一直进行，直到UAVi的资源剩余量不能再承担新任务，或者没有收益大于当前最大投标价的任务为止。
Step2-step4：UAVi对不属于飞行路径集pi的任务j分别计算，找出新任务j插入飞行路径集pi中的最优位置best_L(j)，使得新任务j插入飞行路径集pi后带来的总收益最大。
Step5：将上一步中所有的新飞行路径集带来的总收益进行比较，找出最大的总收益及其所对应的新任务best_j和它的最优插入位置best_L(best_j)。
Step6：计算新任务best_j加入pi后所带来的收益u。
Step7-step13：若新任务best_j加入pi后所带来的收益u大于原来的最大投标价，且新任务best_j加入pi后的总资源消耗不超过最大资源，则正式将新任务best_j加入飞行路径集pi得到一个新的飞行路径集pi，然后重新计算并更新UAVi沿着飞行路径集pi执行任务的总资源消耗ci pi、中标者集合zi、投标价集合yi、跨越时间集crosstimei和停留时间集staytimei。
S13、选出中标者，在此阶段中，根据各个无人机对任务的投标价选出中标者。对某个任务没有中标的无人机需要删除该任务以及该任务后面的全部任务，因为该任务后面的任务所带来的收益是在该任务的基础之上计算出来的，排在前面的任务会影响排在后面的任务。
表格4选出中标者的算法伪代码
表4中伪代码说明：
Step1-step2：每个UAVi将自己本地的两个集合(所有任务的投标价集合yi和所有任务的中标者集合zi)发送给其他UAV，并接收来自其他UAV的这两个集合。
step3-step6：每个UAVi在本地对所有任务逐个操作，对于某个任务，在所有的无人机投标价中找出最大的投标价，并记录给出最大投标价的无人机为中标者。
step7：UAVi对自己的飞行路径集pi按顺序进行判断，找出首个没有中标的任务，并记录首个没有中标的任务是飞行路径集pi中第几个任务(first_n)。
step8-step12：UAVi将飞行路径集pi中排在first_n后面的且中了标的任务的投标价和中标者置零。
step13：UAVi将飞行路径集pi中first_n和first_n之后的全部任务删除。
S14、消除矛盾，在此阶段中，由于在第三阶段选出中标者的算法中各无人机在本地进行操作，所以可能会出现不同无人机所记录的中标者不同的矛盾，那么在本阶段就需要找出并消除这种矛盾。通过第四阶段消除矛盾的算法之后，得到的各无人机飞行路径集中的任务都是唯一的，即确定了传感器节点任务的唯一中标者。
表格5消除矛盾的算法伪代码
表5中伪代码说明：
Step1-step2：每个UAVi再次将自己本地的两个集合(所有任务的投标价集合yi和所有任务的中标者集合zi)发送给其他UAV，并接收来自其他UAV的这两个集合。
step4-step6：在UAVi本地中，对于某个任务j，若无人机UAVk记录的任务j没有中标者，而无人机UAVi记录的任务j的中标者为UAVk，则出现了矛盾。这个矛盾产生的原因是：任务j的中标者UAVk在第三阶段中的最后删除了任务j，而UAVi却仍然认为任务j的中标者是UAVk。为了消除这个矛盾，UAVi只需将任务j的投标价置零。
step7-step8：对于某个任务，在所有的无人机投标价中找出最大的投标价，并记录给出最大投标价的无人机为中标者。
在上述的四个阶段结束后，判断所有无人机UAVi的飞行路径集pi与四个阶段前的飞行路径集last_pi是否一模一样，若是，则拍卖算法结束。
利用MATLAB对本发明改进后的拍卖算法进行仿真验证。仿真基本参数设置如表格6所示：
表格6仿真基本参数
利用MATLAB软件分别仿真验证N架(1架、2架和3架)UAV时的改进拍卖算法充电策略，在这3次仿真中，传感器节点均采用相同的位置分布情况和相同的剩余能量水平，以便分析不同UAV数量时的充电策略。通过编写MATLAB程序设置三维动态效果，以便更好地观察仿真情况，对仿真结果录制视频，并对视频进行的部分截图如下：图5是1架UAV充电任务完成后的俯视图；图6是2架UAV充电任务完成后的俯视图；图7是3架UAV充电任务完成后的俯视图。
仿真说明：如图5-7所示，x轴和y轴用来表示平面距离(单位：m)，z轴用来表示高度(按一定比例缩小)和能量水平(标幺值)；窗口右上角的数字表示一轮内无人机的执行任务时间，单位是s；仿真区域正中间小圆柱体部分为基站，UAV初始时就位于基站顶端，不同UAV用不同小三角形表示；障碍物用两个长方体表示；移动障碍物用菱形表示，移动障碍物走过的路径用数个黑色圆圈表示；从上往下看，小正方形表示传感器节点，节点z轴方向上的小圆柱体表示该传感器节点的剩余能量水平；在仿真区域内z＝0平面上的折线表示无人机的飞行轨迹投影(其中虚线表示UAV回基站的路线)；在1架UAV的情况中一般无人机一轮不能把所有传感器节点充满电，所以有第二轮等充电，N架UAV时就会有N轮充电。
在图7中，最下方的那个传感器节点旁有一个数字：376，这个数字代表了UAV飞行至此处给传感器节点充电完成后，还需额外停留等待的时间(单位：s)，这个停留时间就是无人机之间相互避让以及无人机避让移动障碍物设计的具体表现，让UAV在原地等待停留一段时间再出发飞行，以达到保持参考安全距离的效果。多无人机情况下，各个无人机不是同时从基站出发的，而是有先后顺序地离开基站，这也是无人机之间相互避让设计所产生的效果。
对上述的四个仿真得到的收益和用时数据进行整理，得到了下面两个表格：
表格7拍卖算法仿真的收益情况(收益为标幺值)
表格8拍卖算法仿真的用时情况(用时单位为s)
从上面两个表格可以得知：利用改进的拍卖算法设计充电策略，在一定范围内，增加UAV的数量，可以使得总收益增大，但是所有UAV的总用时会大幅增加；UAV的任务用时与收益之间没有必然的联系，一般情况下，由于优先级越低的无人机需要避让的情况越多，所以花在停留等待的时间也就越长。在上述的仿真情况中，使用3架无人机执行任务所用的最大时间与使用2架无人机执行任务所用的最大时间几乎一样，这是因为在使用3架无人机执行任务的场景中，无人机UAV2在为最后一个传感器节点充完电后为了避让移动障碍物，还停留了376s，所以使得无人机UAV2回到基站的时间有所推迟，造成了总用时的增加，当然这属于正常情况，这个情况验证了无人机避让设计的有效性。
对于仿真中的这种传感器节点情况来说，使用2个或3个UAV来充电是较为合理和高效的选择，可以推测，在类似的无线传感器网络场景中，使用两三个无人机也是最佳选择。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.基于多UAV的传感器网络无线充电方法，其特征在于，包括以下步骤：
S1、采用拍卖算法对无人机为传感器节点进行无线充电的任务进行分配；
S2、在任务分配的同时，对无人机的飞行路径进行规划，使无人机执行任务时跨越固定障碍物，并避让其他无人机以及移动障碍物；
S3、无人机根据任务分配和路径规划的结果，执行飞行任务，为传感器网络节点进行充电。
2.根据权利要求1所述的传感器网络无线充电方法，其特征在于，无人机为传感器节点进行无线充电的任务分配，表示如下：
其中，I和J分别表示无人机UAV和传感器节点的集合；uij是第i个无人机UAVi为第j个传感器节点充电所带来的收益；pi表示第i个无人机UAVi的飞行路径集合；staytimei表示第i个无人机UAVi在每个任务阶段中，为了避让其他无人机UAV以及移动障碍物而在基站或节点上空额外停留的时间集合；crosstimei表示第i个无人机UAVi在飞行阶段中跨越固定障碍物所需要的垂直上升或垂直下降时间汇总的集合；
公式(3a)表示了所有无人机的总收益最大化的情况下的任务分配和路径规划策略；
公式(3b)表示xij的取值只能是0或1，xij默认为0，当xij＝1时说明第j个传感器节点任务的中标者是UAVi；
公式(3c)表示一个传感器节点只能由一个无人机进行充电；
公式(3d)表示无人机单趟飞行执行任务所消耗的资源∑c不能超过无人机所拥有的总资源C，总资源C为续航时间。
3.根据权利要求1所述的传感器网络无线充电方法，其特征在于，无人机的一轮执行任务包括停留阶段、飞行阶段和充电阶段，其中停留阶段无人机位于基站或节点正上方；飞行阶段包括水平飞行阶段和垂直飞行阶段；充电阶段无人机位于基站或节点正上方。
4.根据权利要求1所述的传感器网络无线充电方法，其特征在于，无人机执行任务时的飞行状态包括四种：垂直上升飞行、垂直下降飞行、保持在默认的飞行高度向着目标点直线飞行、保持在比固定障碍物高的飞行高度向着目标点直线飞行；无人机执行任务时的垂直投影位置始终处在规划的飞行路线上。
5.根据权利要求1所述的传感器网络无线充电方法，其特征在于，步骤S3中，无人机在执行飞行任务时判断前方是否有固定障碍物，并跨越固定障碍物飞行的步骤如下：
首先，无人机在每个任务阶段中的飞行阶段中，在默认飞行高度上从A点到B点，每隔一个固定时间计算一次当前时刻t无人机的位置坐标xy(t)、上一时刻t-tstep无人机的位置坐标xy(t-tstep)和下一时刻t+tstep无人机的位置坐标xy(t+tstep)；
接着，判断无人机在这三个时刻的位置坐标与固定障碍物k之间的位置关系，K是所有固定障碍物的集合；若出现这种情况：当前时刻t无人机的位置坐标xy(t)不在固定障碍物k范围之内，而下一时刻t+tstep无人机的位置坐标xy(t+tstep)在固定障碍物k范围之内，则说明无人机在下一时刻会撞上固定障碍物k；
那么从下一时刻开始无人机不能继续向着B点水平飞行，应该垂直向上飞行，直至上一时刻t-tstep无人机的飞行高度z(t-tstep)不大于固定障碍物k的高度，而当前时刻t无人机的飞行高度z(t)大于固定障碍物k的高度；接下来一段时间内无人机保持飞行高度z(t)在固定障碍物k上方向着B点水平直线飞行，直至上一时刻t-tstep无人机的位置坐标xy(t-tstep)在固定障碍物k范围之内，而当前时刻t无人机的位置坐标xy(t)不在固定障碍物k范围之内；
接下来无人机垂直下降飞行，直到无人机的飞行高度等于默认飞行高度，然后保持默认飞行高度向着B点水平直线飞行；无人机在默认飞行高度向着B点水平飞行但没有到达目标点B之前，无人机需要不断判断前方是否有固定障碍物，若有固定障碍物，则需要跨越固定障碍物飞行，否则无人机保持默认飞行高度向着B点水平直线飞行。
6.根据权利要求1所述的传感器网络无线充电方法，其特征在于，步骤S3中，无人机执行任务时避让其他无人机以及避让移动障碍物的过程如下：
每个无人机都有一个唯一的编号，将这个编号作为无人机优先级，优先级低的无人机要避让优先级高的无人机；
无人机间避让原则：无人机需要避让移动障碍物，并假设移动障碍物为无人机UAV0；无人机UAV1的优先级最高，只需避让移动障碍物；无人机UAV2的优先级第二，需要避让无人机UAV1和移动障碍物；无人机UAV3的优先级第三，需要同时避让无人机UAV1、UAV2和移动障碍物，以此类推；若无人机UAVi在一个任务阶段中的某个时刻，与优先级比自己高的无人机UAVI之间水平距离小于安全距离，则无人机UAVi需要停留在原地避让无人机UAVI，直到无人机UAVi与无人机UAVI之间的距离不小于安全距离后无人机UAVi才能继续执行任务；
无人机在基站或节点A正上方时，规划下一个任务阶段j的避让策略：
无人机UAVi在每个任务阶段j中，每隔一个固定的时间tstep计算一次当前时刻t无人机UAVi和无人机UAVI的位置坐标xyi(t)和xyI(t)、下一时刻t+tstep无人机UAVi和无人机UAVI的位置坐标xyi(t+tstep)和xyI(t+tstep)；
然后计算当前时刻t无人机UAVi与无人机UAVI之间的距离d(t)、下一时刻t+tstep无人机UAVi与无人机UAVI之间的距离d(t+tstep)；
若d(t)小于安全距离或d(t+tstep)小于安全距离，而且UAVI不在基站，那么当前时刻t无人机UAVi需要停留在原地避让无人机UAVI，并使staytimeij加一个tstep时间；
最后得到一个通过叠加而来的停留时间staytimeij，在之后实际执行任务的时候，无人机UAVi只需要在A点额外停留时间staytimeij即可。
7.根据权利要求1所述的传感器网络无线充电方法，其特征在于，步骤S1中分配任务的过程联合考虑了步骤S2中路径规划过程，分配任务的算法包括四个阶段：第一阶段是准备工作，第二阶段是更新飞行路径集，第三阶段是选出中标者，第四阶段是消除矛盾；每个阶段之间环环相扣，处于一个大循环之中。
8.根据权利要求7所述的传感器网络无线充电方法，其特征在于，在分配任务的算法所包括的四个阶段中：
准备工作阶段中，无人机之间共享任务和路径的信息，并更正出现矛盾的参数，为第二阶段的计算做好准备；
更新飞行路径集阶段中，每生成一个新的飞行路径集pi，必须先进行路径规划，包括无人机跨越障碍物的规划和无人机间避让的规划，计算对应的跨越时间集crosstimei和停留时间集staytimei，然后再计算总收益；
选出中标者阶段中，根据各个无人机对任务的投标价选出中标者；对某个任务没有中标的无人机需要删除该任务以及该任务后面的全部任务；
消除矛盾阶段中，消除不同无人机所记录的中标者不同的矛盾，得到各无人机飞行路径集中的任务都是唯一的。
CN201910519493.2A 2019-06-17 2019-06-17 基于多uav的传感器网络无线充电方法 Active CN110362105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910519493.2A CN110362105B (zh) 2019-06-17 2019-06-17 基于多uav的传感器网络无线充电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910519493.2A CN110362105B (zh) 2019-06-17 2019-06-17 基于多uav的传感器网络无线充电方法

Publications (2)

Publication Number Publication Date
CN110362105A true CN110362105A (zh) 2019-10-22
CN110362105B CN110362105B (zh) 2022-07-19

Family

ID=68216299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910519493.2A Active CN110362105B (zh) 2019-06-17 2019-06-17 基于多uav的传感器网络无线充电方法

Country Status (1)

Country Link
CN (1) CN110362105B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111006669A (zh) * 2019-12-12 2020-04-14 重庆邮电大学 一种无人机系统任务协同及路径规划方法
CN111273177A (zh) * 2019-10-23 2020-06-12 浙江零跑科技有限公司 一种估计电池剩余可用能量的方法
CN111954268A (zh) * 2020-09-15 2020-11-17 上海交通大学 一种基于小型无人机的协作资源再分配方法及系统
CN112506215A (zh) * 2020-11-18 2021-03-16 广州工程技术职业学院 物联网数据采集方法和无人机
CN114217630A (zh) * 2021-11-02 2022-03-22 武汉大学 一种基于注意力机制的动态时空无人机充电方法
WO2022077954A1 (zh) * 2020-10-14 2022-04-21 国防科技大学 一种基于双充电模式的无人机路径规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0406402D0 (en) * 2003-05-28 2004-04-21 Northrop Grumman Corp Target acquisition and tracking system
CN102901498A (zh) * 2012-09-21 2013-01-30 北京航空航天大学 一种不确定环境下的无人飞行器编队协同搜索和动态任务分配方法
CN106875090A (zh) * 2017-01-09 2017-06-20 中南大学 一种面向动态任务的多机器人分布式任务分配形成方法
CN109451556A (zh) * 2018-11-28 2019-03-08 广州大学 基于uav对无线传感网充电的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0406402D0 (en) * 2003-05-28 2004-04-21 Northrop Grumman Corp Target acquisition and tracking system
CN102901498A (zh) * 2012-09-21 2013-01-30 北京航空航天大学 一种不确定环境下的无人飞行器编队协同搜索和动态任务分配方法
CN106875090A (zh) * 2017-01-09 2017-06-20 中南大学 一种面向动态任务的多机器人分布式任务分配形成方法
CN109451556A (zh) * 2018-11-28 2019-03-08 广州大学 基于uav对无线传感网充电的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LINHUI CHENG: "A staged adaptive firefly algorithm for UAV charging planning in wireless sensor networks", 《COMPUTER COMMUNICATIONS》 *
胡洁: "一种为地面WSN充电的无人机碰撞规避路径规划方法", 《计算机科学》 *
胡洁: "一种为地面节点充电的多UAV任务分配与路线规划方法", 《电讯技术》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111273177A (zh) * 2019-10-23 2020-06-12 浙江零跑科技有限公司 一种估计电池剩余可用能量的方法
CN111006669A (zh) * 2019-12-12 2020-04-14 重庆邮电大学 一种无人机系统任务协同及路径规划方法
CN111954268A (zh) * 2020-09-15 2020-11-17 上海交通大学 一种基于小型无人机的协作资源再分配方法及系统
CN111954268B (zh) * 2020-09-15 2023-10-31 上海交通大学 一种基于小型无人机的协作资源再分配方法及系统
WO2022077954A1 (zh) * 2020-10-14 2022-04-21 国防科技大学 一种基于双充电模式的无人机路径规划方法
CN112506215A (zh) * 2020-11-18 2021-03-16 广州工程技术职业学院 物联网数据采集方法和无人机
CN114217630A (zh) * 2021-11-02 2022-03-22 武汉大学 一种基于注意力机制的动态时空无人机充电方法
CN114217630B (zh) * 2021-11-02 2023-08-11 武汉大学 一种基于注意力机制的动态时空无人机充电方法

Also Published As

Publication number Publication date
CN110362105B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN110362105B (zh) 基于多uav的传感器网络无线充电方法
CN110865653B (zh) 一种分布式集群无人机队形变换方法
Liu et al. Distributed and energy-efficient mobile crowdsensing with charging stations by deep reinforcement learning
US10459437B2 (en) Air-ground heterogeneous robot system path planning method based on neighborhood constraint
CN110308740B (zh) 一种面向移动目标追踪的无人机群动态任务分配方法
CN107977743B (zh) 多无人机协同任务分配方法及装置
Li et al. Trajectory planning for UAV based on improved ACO algorithm
Chen et al. VFC-based cooperative UAV computation task offloading for post-disaster rescue
CN112766813A (zh) 一种空天协同观测复杂任务调度方法及系统
CN114594794B (zh) 一种考虑子系统执行能力的多机协同任务规划方法
Sujit et al. Self assessment-based decision making for multiagent cooperative search
CN111580561A (zh) 基于粒子群算法优化的无人机调度方法、系统和可读存储介质
CN114326827B (zh) 一种无人机集群多任务动态分配方法及系统
CN116880561A (zh) 基于改进粒子群无人机路径规划安全增强的优化方法及系统
CN113283827A (zh) 一种基于深度强化学习的两阶段无人机物流路径规划方法
CN112363532A (zh) 一种基于quatre算法的多无人机同时起飞集结方法
CN117826867B (zh) 无人机集群路径规划方法、装置和存储介质
CN115494873A (zh) 时序约束下一种基于蒙特卡洛树搜索架构的异构多无人机协同任务分配方法
CN111798097A (zh) 一种基于市场机制的自主移动机器人任务分配处理方法
CN115016537A (zh) 一种seda场景下异构无人机配置与任务规划联合优化方法
Wang et al. Research on dynamic task allocation method of heterogeneous multi-UAV based on consensus based bundle algorithm
CN114201303A (zh) 工业物联网环境下固定路径agv的任务卸载优化方法
CN117724524A (zh) 一种基于改进球面向量粒子群算法的无人机航线规划方法
CN115713222B (zh) 一种效用驱动的无人机感知网络充电调度方法
Zhao et al. Collaborative computation offloading and wireless charging scheduling in multi-UAV-assisted MEC networks: A TD3-based 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