CN110414722A - 基于能耗公平的无人机协同侦察路径规划方法 - Google Patents
基于能耗公平的无人机协同侦察路径规划方法 Download PDFInfo
- Publication number
- CN110414722A CN110414722A CN201910611764.7A CN201910611764A CN110414722A CN 110414722 A CN110414722 A CN 110414722A CN 201910611764 A CN201910611764 A CN 201910611764A CN 110414722 A CN110414722 A CN 110414722A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- path
- energy consumption
- hovering
- target point
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于能耗公平的无人机协同侦察路径规划方法,利用旅行商问题的算法,计算一条覆盖所有目标点的路径,使其总的能量消耗最小;利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的初始路径;将每架无人机的初始路径,加上无人机从起点飞行到侦察区域的路径,构成K架无人机的闭合路径。本发明有效降低了无人机的最大能耗,提高了无人机之间能耗公平性,保证了侦察任务顺利完成。
Description
技术领域
本发明属于无人机路径规划领域,具体为一种基于能耗公平的无人机协同侦察路径规划 方法。
背景技术
在侦察应用中,采用无人机执行侦察任务比载人飞机更经济、更安全。与此同时,高分 辨率摄像机、传感器和GPS可以安装在低成本的无人机上,保证了比地面传感器网络更好的 区域侦察效果。传统的侦察方式主要是部署静态的无人机覆盖地面网络进行侦察。但是对于 范围较大的侦察区域,需要部署的无人机数量较多,将会带来较大的开销。因此,采用动态 的无人机执行侦察任务会有效的提高侦察效率。但这就需要对无人机的路径进行规划。
现有的路径规划方法大多针对单架无人机的路径进行规划。但随着作战要求的不断提高 和防空体系的日益完善,依靠单架无人机执行侦察任务已不能满足当前需求,而以编队形式 执行任务的无人机群能有效克服单架无人机的性能缺陷,提高侦察的效能。但在实际应用中, 每架无人机能量有限,一旦能量耗尽将无法完成任务并且返回基地。因此,无人机之间的能 耗公平性问题是整个侦察任务能否成功的关键。与此同时,多无人机路径规划方法相对于单 无人机路径规划带来了新的难度,例如任务分配和无人机协同等。现有的多无人机路径规划 方法在进行路径规划、解决任务分配和协同等问题时,大多以最小化所有无人机总能耗为目 标,没有考虑多无人机之间的能耗公平性。这种方法往往可能会出现单架无人机能量消耗过 大而无法继续执行侦察任务的情况。
发明内容
本发明的目的在于提供一种基于能耗公平的无人机协同侦察路径规划方法。
实现本发明目的的技术方案如下:一种基于能耗公平的无人机协同侦察路径规划方法, 包括以下步骤:
步骤1、将地面目标点网络构建为完全无向图G=(V,E),其中,V中的每个顶点表示要 覆盖的目标点,E中的每条边代表无人机要飞行的路径;
步骤2、利用旅行商问题的算法,计算一条覆盖所有目标点的路径,使其总的能量消耗 最小;
步骤3、利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的 初始路径;
步骤4、将每架无人机的初始路径,加上无人机从起点飞行到侦察区域的路径,构成K 架无人机的闭合路径。
优选地,步骤3利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无 人机的初始路径的具体步骤为:
步骤3.1、根据步骤2得到的路径,计算运动能耗w(vj,vj+1)、悬停和通信能耗h(vj)以 及总能耗W(C),vj∈V表示目标点;
步骤3.2、计算路径分解向量B=(B1,...,Bi,...,BK),其中K为无人机数量;
步骤3.3、根据步骤2得到的路径,建立目标点和路径的组合序列 VE=(ve0=v0,ve1=e(v0,v1),ve2=v1,ve3=e(v1,v2),...,ve2n+1=v0),其中vm表示目标点,e(vm,vm+1) 表示目标点vj和vj+1之间的路径;
步骤3.4、计算目标点和路径的子序列(veo,ve1,...,vej(i))的总权重 wh(veo,ve1,ve2,ve3,...,vej(i))=h(ve0)+w(ve1)+h(ve2)+w(ve3)+....+h(vej(i))/w(vej(i)),其中 h(ve2j)为悬停和通信能耗之和,w(ve2j+1)为运动能耗;
步骤3.5、根据判定条件wh(veo,ve1,...,vej(i))≤Bi,在VE序列中寻找路径分界点vej(i), 1≤i≤K;
如果路径分界点vej(i)是边,则将该边删除,vej(i)=vej(i)-1作为无人机i初始路径的终点, ve′j(i)=vej(i)+1作为无人机i+1初始路径的起始点;
如果路径分界点vej(i)是点,则vej(i)=vej(i)-2作为无人机i初始路径的终点,ve′j(i)=vej(i)作为无人机i+1初始路径的起始点;
步骤3.6、重复步骤3.5,直到i=K,得到K架无人机路径片段C={C1,...,Ci,...,CK}, 其中Ci为无人机i的初始路径,即Ci=(ve′j(i-1),...,vej(i))。
优选地,运动能耗具体为:
w(vj,vj+1)=Q·l
其中,Q为单位长度能量消耗率;l为无人机飞行的路径长度;
悬停能耗为:
其中,为无人机在目标点j消耗的悬停能量;Phv为无人机悬停时的功率;tj为无人 机在目标点j的悬停时间;
通信能耗为:
其中,etx是1bit的数据量传输1米所需要的能量;α是传输介质的路径损耗指数,di,R为侦察无人机i与中继无人机R之间的距离;
总能耗W(C)由运动、悬停和通信能耗三部分组成,具体为:
其中UTi是无人机i的轨迹。
本发明与现有技术相比,其显著优点为:本发明以最小化能耗最大的无人机的能耗为目 标,在规划一条无人机路径后采用侦察目标点任务分配和路径分解的方法解决面向能耗公平 的多无人机协同侦察路径规划问题;本发明利用保证各个无人机之间的能耗公平性的算法来 对无人机的路径进行规划,有效降低了无人机的最大能耗,提高了无人机之间能耗公平性, 保证了侦察任务顺利完成。
附图说明
图1为面向多无人机的侦察系统示意图。
图2为单架无人机飞行过程中执行侦察任务时信息传输示意图。
图3为本发明的流程示意图。
图4为本发明各个无人机能耗与目标点数关系仿真结果图。
图5为本发明多无人机最大能耗与目标点数关系仿真结果图。
图6为本发明多无人机平均能耗与目标点数关系仿真结果图。
图7为本发明多无人机间能耗标准差与目标点数关系仿真结果图。
图8为本发明多无人机最大能耗与无人机个数关系仿真结果图。
图9为本发明多无人机平均能耗与无人机个数关系仿真结果图。
图10为本发明多无人机间能耗标准差与无人机个数关系仿真结果图。
具体实施方式
一种基于能耗公平的无人机协同侦察路径规划方法,如图所示,考虑有K架无人机协 同对目标点进行侦察,拍摄其视频信息并通过中继无人机传回基站。在考虑运动、通信和悬 停能耗的前提下,通过对K架无人机路径的规划,实现能耗的公平性,具体步骤为:
步骤1、基于能耗公平的无人机协同侦察路径规划问题等价于用K条路径覆盖图中的所 有顶点,使权重最大的无人机路径的权重最小化。利用图论的知识,将地面目标点网络构建 成一个完全无向图G=(V,E)。其中V中的每个顶点表示要覆盖的目标点,E中的每条边代 表无人机要飞行的路径。对于顶点vj∈V,用顶点权重h(vj)表示通信和悬停的能量消耗。 对于边e(vj,vj+1)∈E,边权重w(vj,vj+1)表示运动能耗。
路径规划的目的是用K架无人机覆盖图中的所有顶点,使点权重和边权重之和最大的 无人机路径的权重最小化。该问题的能耗模型主要包括运动、通信和悬停能耗。其中运动能 耗主要取决于无人机飞行路径的长度,可以表述为:
Em=Q·l
其中Q为单位长度能量消耗率,以J/m为单位,l为无人机飞行的路径长度。悬停能耗 主要与其悬停的时间有关,我们定义为:
成功的无线数据传输所需要的能量受两个通信节点之间的距离以及数据量、信道等因素 的影响。基于此,我们将通信能耗定义为:
其中etx是1bit的数据量传输1米所需要的能量;α是传输介质的路径损耗指数,这主 要取决于传输环境。此外,di,R为侦察无人机i与中继无人机R之间的距离。
侦察无人机的总能耗由运动、悬停和通信能耗三部分组成,可以表示为:
其中UTi是无人机i的轨迹。
为了实现各个无人机之间的能耗公平性,优化目标是使能耗最大的无人机能耗最小化。 该基于能耗公平的无人机协同侦察路径规划问题可被建模为如下优化问题:
该模型的优化目标是最小化耗能最多的无人机的总能耗,第一个限制条件保证了无人机 的飞行速度不超过其最大速度;第二个限制条件保证了多无人机飞行的时候避免碰撞,dmin为无人机之间保证避碰的最小距离;第三个限制条件保证了每个目标点vj有且只被一个侦 察无人机覆盖。
步骤2、利用旅行商问题的算法,计算一条覆盖所有目标点的路径C,使其总的能量消 耗最小。在某些实施例中,利用克里斯托菲德斯算法(Christofides algorithm)完成路径C的 计算,其是旅行商问题在度量空间(即距离对称且满足三角不等式)上的一个近似算法。该 算法可以保证相对最优哈密尔顿回路长度有3/2的近似比。
步骤3、利用路径分解算法将步骤2中得到的路径C进行分解,并且把N个侦察目标点分配给K架无人机,保证各个无人机之间的能耗公平性,具体如下:
步骤3.1、根据步骤2得到的路径,计算运动能耗w(vj,vj+1)、悬停和通信能耗h(vj)以 及总能耗W(C),vj∈V表示目标点;
运动能耗主要取决于无人机飞行路径的长度,具体为:
w(vj,vj+1)=Q·l
其中,Q为单位长度能量消耗率;l为无人机飞行的路径长度;
悬停能耗为:
其中,为无人机在目标点j消耗的悬停能量;Phv为无人机悬停时的功率;tj为无人 机在目标点j的悬停时间;
成功的无线数据传输所需要的能量受两个通信节点之间的距离以及数据量、信道等因素
的影响,则通信能耗为:
其中,etx是1bit的数据量传输1米所需要的能量;α是传输介质的路径损耗指数,di,R为侦察无人机i与中继无人机R之间的距离;
总能耗W(C)由运动、悬停和通信能耗三部分组成,具体为:
其中UTi是无人机i的轨迹。
步骤3.2、计算路径分解向量B=(B1,...,Bi,...,BK),其中
步骤3.3、根据步骤2得到的路径C,建立目标点和路径的组合序列 VE=(ve0=v0,ve1=e(v0,v1),ve2=v1,ve3=e(v1,v2),...,ve2n+1=v0),其中vm表示目标点,e(vm,vm+1) 表示目标点vj和vj+1之间的路径;
步骤3.4、计算目标点和路径的子序列(veo,ve1,...,vej(i))的总权重 wh(veo,ve1,ve2,ve3,...,vej(i))=h(ve0)+w(ve1)+h(ve2)+w(ve3)+....+h(vej(i))/w(vej(i)),其中 h(ve2j)为悬停和通信能耗之和,w(ve2j+1)为运动能耗;
步骤3.5、根据判定条件wh(veo,ve1,...,vej(i))≤Bi,在VE序列中寻找路径分界点vej(i), 1≤i≤K;
如果路径分界点vej(i)是边,则将该边删除,vej(i)=vej(i)-1作为无人机i初始路径的终点, ve′j(i)=vej(i)+1作为无人机i+1初始路径的起始点;
如果路径分界点vej(i)是点,则vej(i)=vej(i)-2作为无人机i初始路径的终点,ve′j(i)=vej(i)作为无人机i+1初始路径的起始点;
步骤3.6、重复步骤3.5,直到i=K,得到K架无人机路径片段C={C1,...,Ci,...,CK}, 其中Ci为无人机i的初始路径,即Ci=(ve′j(i-1),...,vej(i))。
步骤4、将每架无人机的初始路径,加上无人机从起点飞行到侦察区域的路径,构成K 架无人机的闭合路径。
实施例
如图2、3所示,一种基于能耗公平的无人机协同侦察路径规划方法,将其应用到具体 实例上,保证多无人机之间的能耗公平性,具体应用如下:
考虑用多架无人机对区域5km×5km的区域内N个目标点进行侦察。所有无人机都从初 始位置(0,0,50)开始飞行。无人机间避碰的最小距离为100m。无人机的运动能耗Q为13.19J/m,悬停功率Phv为237J/s,通信能量参数etx为10pJ/(m·bit)。本实施例比较了3 种不同的路径规划方法,分别为:1)每架无人机负责侦察的目标点数量相同。首先计算一 条覆盖所有目标点的路径,然后根据任务数相等的原理对路径进行分解;2)利用多旅行商 问题的算法得到每架无人机的轨迹;3)将N个目标点分为K个簇。然后使用利用旅行商问 题的算法计算每个簇的轨迹。
图4表示在目标点个数由10增长至100的过程中,三个无人机各自能耗变化趋势;图 5~7分别表示在无人机总个数为3时,目标点个数由10增长至100的过程中,无人机最大能耗、平均能耗和标准差的变化趋势;图8~10分别表示在目标个数为100时,无人机数由 2增加到10的过程中,无人机最大能耗、平均能耗和标准差的变化趋势;
如图4所示,随着目标点个数的增加,三架无人机之间能耗差距逐渐变小,可以保证侦 察无人机之间的能耗公平性。
如图5和图7所示,随着目标点个数的增多,采用本发明来对多无人机路径进行规划, 无人机的最大能耗和标准差都要小于其它三种方案。如图6所示,当目标点个数超过一定阈 值,本发明的无人机的平均能耗是最小的。
如图8~10所示,随着无人机个数的增多,本发明无人机的最大能耗、平均能耗和标准 差依然小于另外2方案。并且由图8和图9可得,无人机组个数小于等于5时,无人机最大 能耗和平均能耗下降较快,当无人机个数大于5时,两种能耗均下降迟缓,因此从经济角度, 无人机数可根据实验结果选择合适的值,达到经济高效的效果。
Claims (3)
1.一种基于能耗公平的无人机协同侦察路径规划方法,其特征在于,包括以下步骤:
步骤1、将地面目标点网络构建为完全无向图G=(V,E),其中,V中的每个顶点表示要覆盖的目标点,E中的每条边代表无人机要飞行的路径;
步骤2、利用旅行商问题的算法,计算一条覆盖所有目标点的路径,使其总的能量消耗最小;
步骤3、利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的初始路径;
步骤4、将每架无人机的初始路径,加上无人机从起点飞行到侦察区域的路径,构成K架无人机的闭合路径。
2.根据权利要求1所述的基于能耗公平的无人机协同侦察路径规划方法,其特征在于,步骤3利用路径分解算法将N个侦察目标点分配给K架无人机并得到每架无人机的初始路径的具体步骤为:
步骤3.1、根据步骤2得到的路径,计算运动能耗w(vj,vj+1)、悬停和通信能耗h(vj)以及总能耗W(C),vj∈V表示目标点;
步骤3.2、计算路径分解向量B=(B1,...,Bi,...,BK),其中K为无人机数量;
步骤3.3、根据步骤2得到的路径,建立目标点和路径的组合序列VE=(ve0=v0,ve1=e(v0,v1),ve2=v1,ve3=e(v1,v2),...,ve2n+1=v0),其中vm表示目标点,e(vm,vm+1)表示目标点vj和vj+1之间的路径;
步骤3.4、计算目标点和路径的子序列(veo,ve1,...,vej(i))的总权重wh(veo,ve1,ve2,ve3,...,vej(i))=h(ve0)+w(ve1)+h(ve2)+w(ve3)+....+h(vej(i))/w(vej(i)),其中h(ve2j)为悬停和通信能耗之和,w(ve2j+1)为运动能耗;
步骤3.5、根据判定条件wh(veo,ve1,...,vej(i))≤Bi,在VE序列中寻找路径分界点vej(i),1≤i≤K;
如果路径分界点vej(i)是边,则将该边删除,vej(i)=vej(i)-1作为无人机i初始路径的终点,ve′j(i)=vej(i)+1作为无人机i+1初始路径的起始点;
如果路径分界点vej(i)是点,则vej(i)=vej(i)-2作为无人机i初始路径的终点,ve′j(i)=vej(i)作为无人机i+1初始路径的起始点;
步骤3.6、重复步骤3.5,直到i=K,得到K架无人机路径片段C={C1,...,Ci,...,CK},其中Ci为无人机i的初始路径,即Ci=(ve′j(i-1),...,vej(i))。
3.根据权利要求2所述的基于能耗公平的无人机协同侦察路径规划方法,其特征在于,运动能耗具体为:
w(vj,vj+1)=Q·l
其中,Q为单位长度能量消耗率;l为无人机飞行的路径长度;
悬停能耗为:
其中,为无人机在目标点j消耗的悬停能量;Phv为无人机悬停时的功率;tj为无人机在目标点j的悬停时间;
通信能耗为:
其中,etx是1bit的数据量传输1米所需要的能量;α是传输介质的路径损耗指数,di,R为侦察无人机i与中继无人机R之间的距离;
总能耗W(C)由运动、悬停和通信能耗三部分组成,具体为:
其中UTi是无人机i的轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611764.7A CN110414722B (zh) | 2019-07-08 | 2019-07-08 | 基于能耗公平的无人机协同侦察路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910611764.7A CN110414722B (zh) | 2019-07-08 | 2019-07-08 | 基于能耗公平的无人机协同侦察路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110414722A true CN110414722A (zh) | 2019-11-05 |
CN110414722B CN110414722B (zh) | 2023-04-07 |
Family
ID=68360682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910611764.7A Active CN110414722B (zh) | 2019-07-08 | 2019-07-08 | 基于能耗公平的无人机协同侦察路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414722B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443731A (zh) * | 2020-04-15 | 2020-07-24 | 北京邮电大学 | 一种无人机控制方法、装置及控制设备 |
CN111811529A (zh) * | 2020-06-15 | 2020-10-23 | 中国人民解放军国防科技大学 | 一种多区域车机协同侦察路径规划方法及系统 |
CN112731967A (zh) * | 2020-12-24 | 2021-04-30 | 中科院计算技术研究所大数据研究院 | 一种基于聚类和遗传算法的多无人机协同任务规划方法 |
CN113008238A (zh) * | 2021-02-25 | 2021-06-22 | 中国人民解放军陆军工程大学 | 基于信息共享的无人机协同侦察路径规划方法 |
CN113268079A (zh) * | 2021-05-15 | 2021-08-17 | 南京逸智网络空间技术创新研究院有限公司 | 无人机飞行规划方法、装置、计算机设备和存储介质 |
CN113759971A (zh) * | 2021-08-30 | 2021-12-07 | 中国人民解放军国防科技大学 | 一种面向无人机协同侦察的路径规划方法 |
CN113759967A (zh) * | 2021-08-30 | 2021-12-07 | 中国人民解放军国防科技大学 | 一种基于预估的多无人机搜索任务能量均衡化方法 |
CN114442621A (zh) * | 2022-01-17 | 2022-05-06 | 浙江大学 | 一种基于四足机器人的自主探索和建图系统 |
CN116993928A (zh) * | 2023-09-27 | 2023-11-03 | 山东省国土测绘院 | 一种基于无人机遥感技术的城市工程测绘方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
-
2019
- 2019-07-08 CN CN201910611764.7A patent/CN110414722B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109933089A (zh) * | 2019-03-25 | 2019-06-25 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
Non-Patent Citations (1)
Title |
---|
高春庆等: "小型无人机协同覆盖侦察路径规划", 《系统工程与电子技术》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443731B (zh) * | 2020-04-15 | 2021-06-18 | 北京邮电大学 | 一种无人机控制方法、装置及控制设备 |
CN111443731A (zh) * | 2020-04-15 | 2020-07-24 | 北京邮电大学 | 一种无人机控制方法、装置及控制设备 |
CN111811529A (zh) * | 2020-06-15 | 2020-10-23 | 中国人民解放军国防科技大学 | 一种多区域车机协同侦察路径规划方法及系统 |
CN112731967B (zh) * | 2020-12-24 | 2021-11-19 | 中科院计算技术研究所大数据研究院 | 一种基于聚类和遗传算法的多无人机协同任务规划方法 |
CN112731967A (zh) * | 2020-12-24 | 2021-04-30 | 中科院计算技术研究所大数据研究院 | 一种基于聚类和遗传算法的多无人机协同任务规划方法 |
CN113008238A (zh) * | 2021-02-25 | 2021-06-22 | 中国人民解放军陆军工程大学 | 基于信息共享的无人机协同侦察路径规划方法 |
CN113008238B (zh) * | 2021-02-25 | 2024-02-13 | 中国人民解放军陆军工程大学 | 基于信息共享的无人机协同侦察路径规划方法 |
CN113268079A (zh) * | 2021-05-15 | 2021-08-17 | 南京逸智网络空间技术创新研究院有限公司 | 无人机飞行规划方法、装置、计算机设备和存储介质 |
CN113759971A (zh) * | 2021-08-30 | 2021-12-07 | 中国人民解放军国防科技大学 | 一种面向无人机协同侦察的路径规划方法 |
CN113759967A (zh) * | 2021-08-30 | 2021-12-07 | 中国人民解放军国防科技大学 | 一种基于预估的多无人机搜索任务能量均衡化方法 |
CN113759967B (zh) * | 2021-08-30 | 2023-02-28 | 中国人民解放军国防科技大学 | 一种基于预估的多无人机搜索任务能量均衡化方法 |
CN113759971B (zh) * | 2021-08-30 | 2023-11-07 | 中国人民解放军国防科技大学 | 一种面向无人机协同侦察的路径规划方法 |
CN114442621A (zh) * | 2022-01-17 | 2022-05-06 | 浙江大学 | 一种基于四足机器人的自主探索和建图系统 |
CN116993928A (zh) * | 2023-09-27 | 2023-11-03 | 山东省国土测绘院 | 一种基于无人机遥感技术的城市工程测绘方法及系统 |
CN116993928B (zh) * | 2023-09-27 | 2023-11-28 | 山东省国土测绘院 | 一种基于无人机遥感技术的城市工程测绘方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110414722B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414722A (zh) | 基于能耗公平的无人机协同侦察路径规划方法 | |
CN109831797B (zh) | 一种推动功率受限的无人机基站带宽和轨迹联合优化方法 | |
CN109286913B (zh) | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 | |
WO2022160554A1 (zh) | 高能效无人机绿色数据采集系统设计方法 | |
CN107040982B (zh) | 一种面向无人机中继网络的用户调度与功率分配联合优化方法 | |
CN111552313B (zh) | 基于边缘计算动态任务到达的多无人机路径规划方法 | |
CN112817330A (zh) | 一种多无人机四维航迹协同规划方法及系统 | |
CN109871032A (zh) | 一种基于模型预测控制的多无人机编队协同控制方法 | |
CN109839955B (zh) | 一种无人机与多个地面终端进行无线通信的轨迹优化方法 | |
CN108153328A (zh) | 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法 | |
CN104536454A (zh) | 一种用于双无人机协同的时空同步匹配方法 | |
CN105185163A (zh) | 飞行路径选择方法和装置、飞行器和空中交通管理系统 | |
CN108521667A (zh) | 一种低传输能耗的无人机数据传输方法 | |
Zhang et al. | Receding horizon optimization for energy-efficient UAV communication | |
CN105824323A (zh) | 一种多机会和下的飞机防撞方法 | |
CN113157002A (zh) | 一种基于多无人机多基站的空地协同全覆盖轨迹规划方法 | |
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 | |
Chakrabarty et al. | Energy maps for long-range path planning for small-and micro-UAVs | |
Han et al. | Deep reinforcement learning assisted spectrum management in cellular based urban air mobility | |
Recoskie | Autonomous hybrid powered long ranged airship for surveillance and guidance | |
Savkin et al. | Collision-free 3-D navigation of a UAV team for optimal data collection in Internet-of-Things networks with reconfigurable intelligent surfaces | |
CN116208968A (zh) | 基于联邦学习的轨迹规划方法及装置 | |
CN115065976A (zh) | 一种面向全域应急通信场景下高效绿色立体覆盖方案 | |
CN113495574B (zh) | 一种无人机群飞行的控制方法、装置 | |
CN110262542B (zh) | 一种转角与距离结合的旋翼无人机节能路径优化方法 |
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 |