CN111782388A - 基于小型无人机的资源循环协作系统和方法 - Google Patents
基于小型无人机的资源循环协作系统和方法 Download PDFInfo
- Publication number
- CN111782388A CN111782388A CN202010567309.4A CN202010567309A CN111782388A CN 111782388 A CN111782388 A CN 111782388A CN 202010567309 A CN202010567309 A CN 202010567309A CN 111782388 A CN111782388 A CN 111782388A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- resource
- resources
- unmanned
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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"
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Educational Administration (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于小型无人机的资源循环协作系统和方法,包括携带无线资源的第一无人机和既携带资源又需要执行任务的第二无人机;第一无人机和第二无人机通过磁性连接进行资源交互,当无线资源消耗达到一定的阈值时,第一无人机返回地面进行资源补充,重新补充资源后,再飞抵第二无人机,对第二无人机消耗的资源进行补给;所述执行任务分为小范围长航时任务和大范围远距离任务。通过无人机磁性连接后进行资源循环协作,提升小型无人机的任务执行能力和效率。
Description
技术领域
本发明涉及无人机资源补给技术领域,具体地,涉及一种基于小型无人机的资源循环协作系统和方法,尤其涉及是一种小型无人机的资源补给方法。
背景技术
无人驾驶飞机简称“无人机”(UAV),是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。无人机实际上是无人驾驶飞行器的统称,从技术角度定义可以分为:无人固定翼飞机、无人垂直起降飞机、无人飞艇、无人直升机、无人多旋翼飞行器、无人伞翼机等。与载人飞机相比,它具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力较强等优点。由于无人驾驶飞机对未来空战有着重要的意义,世界各主要军事国家都在加紧进行无人驾驶飞机的研制工作。随着科技的发展,无人机技术正是朝着小型化方向发展,然而无人机小型化和任务执行能力的提高是一对显著的矛盾。通过小型无人机之间的资源协作,可以有效地解决这一矛盾。
专利文献CN111093255A公开一种基于UAV(无人机)边缘处理的能量定量供给基站的任务协同卸载方法,针对某电力包供电的地面基站覆盖的蜂窝区可能存在由于短时间涌入大量用户而使基站计算资源超载和能量资源短缺的情况,在空中部署一架附带有一定的计算能力UAV作为空中基站,以此减轻地面基站的负荷,提高用户的服务质量。考虑电力包供给基站能量数量,服务控制器分配最优基站,空中基站UAV接收任务数据并执行计算,将超载任务量转发至地面基站执行。即,UAV作为拥有边缘计算能力的空中基站接收地面用户的卸载任务并在其最大自身计算资源约束下实现与电力包供能地面基站的协同计算,最终实现提升用户服务质量与减轻地面基站负荷的均衡。上述专利文献的着眼点在于无人机与地面基站的交互,而未涉及到无人机资源分配。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于小型无人机的资源循环协作系统和方法。
根据本发明提供的一种基于小型无人机的资源循环协作系统,包括携带无线资源的第一无人机和既携带资源又需要执行任务的第二无人机;
第一无人机和第二无人机通过磁性连接进行资源交互,当无线资源消耗达到一定的阈值时,第一无人机返回地面进行资源补充,重新补充资源后,再飞抵第二无人机,对第二无人机消耗的资源进行补给;
所述执行任务分为小范围长航时任务和大范围远距离任务。
优选地,在小范围长航时任务的资源循环协作中,令第一无人机多次返回地面资源补给站进行资源补充,令第二无人机长时间在空中停留以接受第一无人机的资源补给。
优选地,在大范围远距离任务的资源循环协作中,令第一无人机补给时考虑到自身的能量损耗寻找最适合的地面资源补给站,令第二无人机以最远飞行距离为目标进行路径规划。
优选地,在所述第一无人机中设置无线资源调度中心;
第一无人机和第二无人机通过磁性连接后,分别预测自己所需资源,统计当前自已剩余资源,上报至无线资源调度中心,由无线资源调度中心进行资源分配。
优选地,所述磁性连接包括线形结构、环形结构、面状结构和任意形状结构中的任一种或任多种。
根据本发明提供的一种基于小型无人机的资源循环协作方法,包括携带无线资源的第一无人机和既携带资源又需要执行任务的第二无人机;
第一无人机和第二无人机通过磁性连接进行资源交互,当无线资源消耗达到一定的阈值时,第一无人机返回地面进行资源补充,重新补充资源后,再飞抵第二无人机,对第二无人机消耗的资源进行补给;
所述执行任务分为小范围长航时任务和大范围远距离任务。
与现有技术相比,本发明具有如下的有益效果:
1、通过无人机磁性连接后进行资源循环协作,提升小型无人机的任务执行能力和效率。
2、通过优化建模,采用建立优化任务的模型,如整数线性规划模型等,实现了在小范围长航时任务中无人机的补充资源频次的减少。
3、通过优化模板,执行相关的优化算法,如遗传算法等,实现了在大范围远距离任务中无人机的执行任务距离的增加。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为无人机联结组合示意图,(a)表示线形结构,(b)表示环形结构,(c)表示面状结构,(d)表示任意形状结构;
图2为基于小型无人机的无线资源协作资源模型示意图;
图3为基于小型无人机的协作无线资源再分配示意图,(a)表示UAV-RT执行任务前的组合状态,(b)表示UAV-RT执行任务时的分离状态。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明研究重点集中在基于小型无人机的无线资源协作与优化理论方面。小型无人机由于其荷载能力有限,一般不具备长时间或远距离任务执行的能力。在执行较长时间或远距离的无线任务时,有些无线资源会随着空时变化逐渐消耗掉。在单位时间内,如监控、巡逻、数据采集等任务,通常对无线资源需求较少。如果要保证任务不间断,通过少量的UAV-R对UAV-RT进行资源循环协作是一个可行的解决方案。UAV-R是携带无线资源而无需执行任务的无人机,UAV-RT是即携带资源又需要执行任务的无人机。由许多携带大量无线资源的无人机通过磁性连接组成UVA无线资源池,再结合地面资源补充,进行小范围长航时任务的资源循环协作,以及大范围远距离任务的资源循环协作。UVA 无线资源池由携带无线资源的无人机集合,无人机消耗的无线资源来源于该资源池中。地面资源补充是无人机可以前往进行资源的补充,类似于加油站性质。UAV-RT与UAV-R 通过磁性联结组合在一起,当无线资源消耗达到一定的阈值时,UAV-R可以返回地面进行资源补充,重新补充相应的资源,再飞抵UAV-RT,对其消耗的资源进行补给。通过无线资源动态协作,可以提高无人机的在时间上和空间上的任务执行能力和效率。其中,无线资源包括计算、存储、通信和能量资源。
针对小范围长航时任务进行优化建模,在小范围长航时任务中无人机的补充资源频次尽可能少。在小范围长航时任务中,UAV-RT可多次返回地面资源补充站进行资源补充,同时由于UAV-RT飞行距离不远,可以忽略自身损耗。因此可以将优化目标设定为UAV- RT的优化频次最少。
a)UAV-RT获取任务,预测所要完成任务所需要的资源cm,1,...,cm,n,同时判断自身所携带的资源能否满足任务执行的需求。如果UAV-RT不能单独执行任务,则UAV-RT通过自身的磁性联结,向其周边的UAV-R无人机发出需要补给的请求;
b)UAV-R在接收到UAV-RT的请求后,判断自身是否能够参与协作,如果可以参与协作,则计算自己可以提供的资源ri,1,...,ri,n,并向RSC发送自己可以提供参与协作的资源;
c)RSC在接收到各个UAV-R的反馈后,根据各个UAV-R及UAV-RT的位置,形成补给资源任务的拓扑结构,并根据各个UAV-R的位置和所提供的资源,建立优化任务的模型,如整数线性规划模型、网络优化模型等,执行相关的优化算法,如遗传算法、贪心算法、禁忌搜索、粒子群算法等得出每个UAV-R参与协作时需要提供的资源及相关路径规划;
d)UAV-R按照优化模型进行RSC与UAV-RT间的循环补给任务。
针对大范围远距离任务进行优化建模,在大范围远距离任务中无人机的执行任务距离尽可能远。在大范围远距离任务中,UAV-RT飞行距离及时间较长,存在一定自身损耗。因此可以将优化目标设定为UAV-RT的飞行距离最远。
a)UAV-RT获取任务,预测所要完成任务所需要的资源cm,1,...,cm,n,同时判断自身所携带的资源能否满足任务执行的需求。如果UAV-RT不能单独执行任务,则UAV-RT通过自身的磁性联结,向其周边的UAV-R无人机发出需要补给的请求;
b)UAV-R在接收到UAV-RT的请求后,判断自身是否能够参与协作,如果可以参与协作,则计算自己可以提供的资源ri,1,...,ri,n,并向RSC发送自己可以提供参与协作的资源;
c)RSC在接收到各个UAV-R的反馈后,根据各个UAV-R及UAV-RT的位置,考虑 UAV-RT的自身损耗,形成补给资源任务的拓扑结构,并根据各个UAV-R的位置和所提供的资源,建立优化任务的模型,如整数线性规划模型、网络优化模型等,执行相关的优化算法,如遗传算法、贪心算法、禁忌搜索、粒子群算法等得出每个UAV-R参与协作时需要提供的资源及相关路径规划;
d)UAV-R按照优化模型进行RSC与UAV-RT间的循环补给任务。
如图3所示,基于小型无人机的无线资源循环协作示意图。从图中可以看出,在执行任务时,UAV-RT与UAV-R通过磁性联结组合在一起。当无线资源消耗达到一定的阈值时,UAV-R可以返回地面,重新补充相应的资源,再飞抵UAV-RT,对其消耗的资源进行补给。通过无线资源动态协作,可以提高无人机的在时间上和空间上的任务执行能力和效率。
为了便于理解本发明的研究内容,先给出几种可能的基于磁性联结的无人机组合示意图。如图1所示,以六旋翼无人机为例的四种组合形状:(a)线形,可适用于丛林、室内等任务执行环境空间受限的场景;(b)和(c)分别是面状和环形,可适用于任务执行环境空间不受限的场景;(d)任意形状,可以根据任务需要进行自由组合,甚至进行拟态,以满足特殊场景下的特殊需要。
在组合状态下,我们假设无人机的各种无线资源,包括电池电量资源、计算资源、缓存资源等,可以在一定的约束条件下相互协作。不失去一般性,我们在图2中给出了基于小型无人机的无线资源协作简化模型。在此模型中,代表携带着资源且有任务执行的无人机(UAV-RT),也即编号分别为1,4和i的无人机;而代表只进行资源协作且无任何任务执行的无人机(UAV-R),也即编号为2,3,5,6的无人机。通过预先设定或根据任务执行的先后顺序,将第4号无人机作为组合状态下的无线资源调度中心(Resource Scheduling Center,RSC),也即UAV-RT。此外,在图2中,cm,n代表第m个任务对第n 类无线资源的消耗需求;ri,j代表第i个无人机携带的第j类无线资源的总量。
无人机首先对所执行的任务进行感知,并预测所需要的无线资源。根据预测的在单位时间内无人机对无线资源的动态需求,研究无线资源协作方式、分配策略、以及优化算法,以提高无人机的任务执行能力和资源利用效率。在执行任务时,如果UAV-RT所携带的资源不能满足任务执行的需求,通过磁性联结,UAV-R可以将其携带的资源与UAV- RT协作共享。当无人机完成组合后,各无人机先预测自己在执行任务或进行协作时所需要的各类资源,并统计当前自己所剩余的资源,然后将这些信息主动上报到RSC,RSC再根据各个无人机的需要,统一进行资源的分配和优化。由于无线任务会随着空间和时间动态地变化,无人机的资源状态也在动态变化,因此RSC需要动态地汇总个无人机的资源信息,并对资源进行合理的分配。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于小型无人机的资源循环协作系统,其特征在于,包括携带无线资源的第一无人机和既携带资源又需要执行任务的第二无人机;
第一无人机和第二无人机通过磁性连接进行资源交互,当无线资源消耗达到一定的阈值时,第一无人机返回地面进行资源补充,重新补充资源后,再飞抵第二无人机,对第二无人机消耗的资源进行补给;
所述执行任务分为小范围长航时任务和大范围远距离任务。
2.根据权利要求1所述的基于小型无人机的资源循环协作系统,其特征在于,在小范围长航时任务的资源循环协作中,令第一无人机多次返回地面资源补给站进行资源补充,令第二无人机长时间在空中停留以接受第一无人机的资源补给。
3.根据权利要求1所述的基于小型无人机的资源循环协作系统,其特征在于,在大范围远距离任务的资源循环协作中,令第一无人机补给时考虑到自身的能量损耗寻找最适合的地面资源补给站,令第二无人机以最远飞行距离为目标进行路径规划。
4.根据权利要求1所述的基于小型无人机的资源循环协作系统,其特征在于,在所述第一无人机中设置无线资源调度中心;
第一无人机和第二无人机通过磁性连接后,分别预测自己所需资源,统计当前自已剩余资源,上报至无线资源调度中心,由无线资源调度中心进行资源分配。
5.根据权利要求1所述的基于小型无人机的资源循环协作系统,其特征在于,所述磁性连接包括线形结构、环形结构、面状结构和任意形状结构中的任一种或任多种。
6.一种基于小型无人机的资源循环协作方法,其特征在于,包括携带无线资源的第一无人机和既携带资源又需要执行任务的第二无人机;
第一无人机和第二无人机通过磁性连接进行资源交互,当无线资源消耗达到一定的阈值时,第一无人机返回地面进行资源补充,重新补充资源后,再飞抵第二无人机,对第二无人机消耗的资源进行补给;
所述执行任务分为小范围长航时任务和大范围远距离任务。
7.根据权利要求6所述的基于小型无人机的资源循环协作方法,其特征在于,在小范围长航时任务的资源循环协作中,令第一无人机多次返回地面资源补给站进行资源补充,令第二无人机长时间在空中停留以接受第一无人机的资源补给。
8.根据权利要求6所述的基于小型无人机的资源循环协作方法,其特征在于,在大范围远距离任务的资源循环协作中,令第一无人机补给时考虑到自身的能量损耗寻找最适合的地面资源补给站,令第二无人机以最远飞行距离为目标进行路径规划。
9.根据权利要求6所述的基于小型无人机的资源循环协作方法,其特征在于,在所述第一无人机中设置无线资源调度中心;
第一无人机和第二无人机通过磁性连接后,分别预测自己所需资源,统计当前自已剩余资源,上报至无线资源调度中心,由无线资源调度中心进行资源分配。
10.根据权利要求6所述的基于小型无人机的资源循环协作方法,其特征在于,所述磁性连接包括线形结构、环形结构、面状结构和任意形状结构中的任一种或任多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567309.4A CN111782388B (zh) | 2020-06-19 | 2020-06-19 | 基于小型无人机的资源循环协作系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567309.4A CN111782388B (zh) | 2020-06-19 | 2020-06-19 | 基于小型无人机的资源循环协作系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111782388A true CN111782388A (zh) | 2020-10-16 |
CN111782388B CN111782388B (zh) | 2022-09-09 |
Family
ID=72757595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010567309.4A Active CN111782388B (zh) | 2020-06-19 | 2020-06-19 | 基于小型无人机的资源循环协作系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111782388B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571131A (zh) * | 2015-01-20 | 2015-04-29 | 西安电子科技大学宁波信息技术研究院 | 无人机编队分布式协作系统及其抗干扰方法 |
CN105302150A (zh) * | 2015-11-30 | 2016-02-03 | 上海理工大学 | 无人机无限续航系统 |
CN105449876A (zh) * | 2015-12-07 | 2016-03-30 | 浙江大学 | 一种电力巡线多旋翼飞行器的自主无线充电系统 |
CN107831790A (zh) * | 2017-09-21 | 2018-03-23 | 南京航空航天大学 | 一种基于多目标遗传算法的异构无人机协同搜索打击的联盟建立方法 |
CN108032742A (zh) * | 2017-11-15 | 2018-05-15 | 上海交通大学 | 无人机高空非接触式能量补给系统和方法 |
CN109032177A (zh) * | 2018-07-28 | 2018-12-18 | 江苏苏宁物流有限公司 | 一种优化无人机路径方法及装置 |
CN109866631A (zh) * | 2019-01-21 | 2019-06-11 | 南京航空航天大学 | 无人机编队空中无线充电方法 |
-
2020
- 2020-06-19 CN CN202010567309.4A patent/CN111782388B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104571131A (zh) * | 2015-01-20 | 2015-04-29 | 西安电子科技大学宁波信息技术研究院 | 无人机编队分布式协作系统及其抗干扰方法 |
CN105302150A (zh) * | 2015-11-30 | 2016-02-03 | 上海理工大学 | 无人机无限续航系统 |
CN105449876A (zh) * | 2015-12-07 | 2016-03-30 | 浙江大学 | 一种电力巡线多旋翼飞行器的自主无线充电系统 |
CN107831790A (zh) * | 2017-09-21 | 2018-03-23 | 南京航空航天大学 | 一种基于多目标遗传算法的异构无人机协同搜索打击的联盟建立方法 |
CN108032742A (zh) * | 2017-11-15 | 2018-05-15 | 上海交通大学 | 无人机高空非接触式能量补给系统和方法 |
CN109032177A (zh) * | 2018-07-28 | 2018-12-18 | 江苏苏宁物流有限公司 | 一种优化无人机路径方法及装置 |
CN109866631A (zh) * | 2019-01-21 | 2019-06-11 | 南京航空航天大学 | 无人机编队空中无线充电方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111782388B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109067490B (zh) | 蜂窝网联下多无人机协同移动边缘计算系统资源分配方法 | |
CN109099918B (zh) | 无人机辅助无线能量传输系统及节点调度与路径规划方法 | |
Liu et al. | Joint dynamic task offloading and resource scheduling for WPT enabled space-air-ground power Internet of Things | |
Chen et al. | VFC-based cooperative UAV computation task offloading for post-disaster rescue | |
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 | |
CN105763230A (zh) | 可移动式多旋翼无人机自主基站系统 | |
Wang et al. | Energy-efficient UAV deployment and task scheduling in multi-UAV edge computing | |
CN112564767B (zh) | 无人机网络中基于自组织优化协作的连续覆盖方法 | |
Zhang et al. | UAV-assisted multi-access edge computing: Technologies and challenges | |
CN113887138A (zh) | 一种基于图神经网络和强化学习的wrsn充电调度方法 | |
Liu et al. | Incentive UAV-enabled mobile edge computing based on microwave power transmission | |
Li et al. | Uav trajectory planning from a comprehensive energy efficiency perspective in harsh environments | |
Liang et al. | Charging UAV deployment for improving charging performance of wireless rechargeable sensor networks via joint optimization approach | |
Yu et al. | Charging strategy and scheduling algorithm for directional wireless power transfer in WRSNs | |
Zhao et al. | UAV dispatch planning for a wireless rechargeable sensor network for bridge monitoring | |
CN111782388B (zh) | 基于小型无人机的资源循环协作系统和方法 | |
Xu et al. | Aerial edge computing: Flying attitude-aware collaboration for multi-UAV | |
Zhang et al. | QoS maximization scheduling of multiple UAV base stations in 3D environment | |
CN112180974A (zh) | 基于小型无人机的资源分布式协作方法及系统 | |
Li et al. | Improving charging performance for wireless rechargeable sensor networks based on charging uavs: a joint optimization approach | |
Xiong et al. | Wireless resources cooperation of assembled small UAVs for data collections of IoT | |
Dong et al. | Research on computing task allocation method based on multi-UAVs collaboration | |
Arribas et al. | An optimal scheme to recharge communication drones | |
Hulaj et al. | An Efficient Tasks Scheduling Algorithm for Drone Operations in the Indoor Environment. | |
Huang | Hybrid device-to-device and device-to-vehicle networks for energy-efficient emergency communications |
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 |