CN111861218A - 用于海上救援的无人机控制方法及系统 - Google Patents
用于海上救援的无人机控制方法及系统 Download PDFInfo
- Publication number
- CN111861218A CN111861218A CN202010710518.XA CN202010710518A CN111861218A CN 111861218 A CN111861218 A CN 111861218A CN 202010710518 A CN202010710518 A CN 202010710518A CN 111861218 A CN111861218 A CN 111861218A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- task
- working
- idle
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于海上救援的无人机控制方法及系统，所述方法包括接收到海上救援任务时，判断是否存在空闲无人机；如果是，则获取各个空闲无人机的前一次任务完成时刻和前一次任务耗时时长；根据各个空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机；将海上救援任务分配给执行任务的空闲无人机；如果否，则获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻；根据工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机；将海上救援任务分配给执行任务的工作无人机。本发明实现了自动均衡分配无人机的工作任务，提高了任务分配效率。
Description
技术领域
本发明涉及无人机技术领域，具体是指一种用于海上救援的无人机控制方法及系统。
背景技术
无人驾驶飞机简称“无人机”，英文缩写为“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机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太“愚钝，肮脏或危险”的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。
随着科技的快速发展，无人机在救援中也起到了越来越重要的作用。例如，当灾害发生时，使用无人机进行灾情侦查，可以无视地形和环境，做到机动灵活开展侦查，特别是一些急难险重的灾害现场，侦查小组无法开展侦查的情况下，无人机能够迅速展开侦查。从而大大提高侦查的效率，第一时间查明灾害事故的关键因素，以便指挥员作出正确决策。同时，使用无人机能够有效规避人员伤亡，既能避免人进入有毒、易燃易爆等危险环境中，又能全面、细致掌握现场情况，还可以通过集成侦检模块进行检测。例如，当海上有人遇到危险时，无人机可以快速赶到发生的地点，投放救生物资。
然而，现有的无人机的海上救援任务一般是通过工作人员人工进行分配，这种方式效率很低，并且任务分配可能无法实现均衡，可能会导致有些无人机超负荷工作，而有些无人机长期闲置的情况。一方面，对于超负荷工作的无人机来说，损耗很大，加速了老化，并且很容易出现故障，另一方面，对于一些很紧急的任务，可能没有办法及时完成。
发明内容
为了解决现有技术中的问题，本发明提供了一种用于海上救援的无人机控制方法及系统，自动均衡分配无人机的工作任务，提高任务分配效率。
为了实现上述目的，本发明具有如下构成：
本发明提供了一种用于海上救援的无人机控制方法，所述方法包括如下步骤：
接收到海上救援任务时，判断是否存在空闲无人机；
如果是，则获取各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长；
根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机；
将所述海上救援任务分配给所述执行任务的空闲无人机；
如果否，则获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻；
根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机；
将所述海上救援任务分配给所述执行任务的工作无人机。
可选地，所述根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，包括如下步骤：
计算各个所述空闲无人机的前一次任务完成时刻与当前时刻的时间差；
选择时间差最大的预设数量的空闲无人机作为备选空闲无人机；
从所述备选空闲无人机中选择前一次任务耗时时长最短的空闲无人机作为执行任务的空闲无人机。
可选地，所述根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，包括如下步骤：
选择前一次任务耗时时长最短的预设数量的空闲无人机作为备选空闲无人机；
计算各个所述备选空闲无人机的前一次任务完成时刻与当前时刻的时间差；
从所述备选空闲无人机中选择时间差最大的空闲无人机作为执行任务的空闲无人机。
可选地，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
计算所述工作无人机与接收到的海上救援任务的任务地点的距离；
选择距离最小的预设数量的工作无人机作为备选工作无人机；
计算备选工作无人机的预测任务完成时刻与当前时刻的时间差；
从所述备选工作无人机中选择时间差最小的工作无人机，作为执行任务的工作无人机。
可选地，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
计算工作无人机的预测任务完成时刻与当前时刻的时间差；
选择时间差最小的预设数量的工作无人机作为备选工作无人机；
计算所述备选工作无人机与接收到的海上救援任务的任务地点的距离；
从所述备选工作无人机中选择距离最小的工作无人机，作为执行任务的工作无人机。
可选地，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
获取所述工作无人机的任务列表中的剩余任务数量；
将剩余任务数量最少的第一预设数量的工作无人机作为第一备选工作无人机；
计算所述第一备选工作无人机与接收到的海上救援任务的任务地点的距离；
选择距离最小的第二预设数量的第一备选工作无人机作为第二备选工作无人机，所述第二预设数量小于所述第一预设数量；
计算第二备选工作无人机的预测任务完成时刻与当前时刻的时间差；
从所述第二备选工作无人机中选择时间差最小的工作无人机，作为执行任务的工作无人机。
可选地，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
获取所述工作无人机的任务列表中的剩余任务数量；
将剩余任务数量最少的第一预设数量的工作无人机作为第一备选工作无人机；
计算所述第一备选工作无人机的预测任务完成时刻与当前时刻的时间差；
选择时间差最小的第二预设数量的工作无人机作为第二备选工作无人机，所述第二预设数量小于所述第一预设数量；
计算所述第二备选工作无人机与接收到的海上救援任务的任务地点的距离；
从所述第二备选工作无人机中选择距离最小的工作无人机，作为执行任务的工作无人机。
可选地，所述获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻，包括如下步骤：
与当前工作中的工作无人机进行通信，获取所述工作无人机当前的位置；
获取所述工作无人机当前执行的任务的特征数据，将所述特征数据输入训练好的时间预测模型，得到预测任务耗时时长；
根据所述预测任务耗时时长和当前执行的任务的开始时间，得到所述工作无人机的预测任务完成时刻。
可选地，所述时间预测模型为卷积神经网络，所述方法还包括采用如下步骤训练所述时间预测模型：
采集多个工作无人机已完成的任务数据，从所述任务数据中解析得到每个任务的特征数据和耗时时长，采用所述耗时时长对所述任务的特征数据进行标记后加入训练集；
采用所述训练集训练所述时间预测模型。
本发明实施例还提供一种用于海上救援的无人机控制系统，应用于所述的用于海上救援的无人机控制方法，所述系统包括：
任务接收模块，用于接收海上救援任务；
状态判断模块，用于在所述任务接收模块接收到海上救援任务时，判断是否存在空闲无人机；
第一选择模块，用于如果存在空闲无人机，则获取各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长，根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，以及将所述海上救援任务分配给所述执行任务的空闲无人机；
第二选择模块，用于如果不存在空闲无人机，则获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，以及将所述海上救援任务分配给所述执行任务的工作无人机。
综上所述，与现有技术相比，本发明自动均衡分配无人机的工作任务，无需人工分配任务给无人机，提高了任务分配效率，在接到新的任务时，优先将任务分配给当前空闲的无人机，在给空闲的无人机分配时，优先选择休息时间长的空闲无人机，在给工作的无人机分配时，优先选择能最快完成当前执行的任务的无人机，从而一方面可以保证每个无人机的工作时长基本均衡，另一方面可以保证接收到的海上救援任务快速执行。
附图说明
图1为本发明一实施例的用于海上救援的无人机控制方法的流程图；
图2为本发明一实施例的用于海上救援的无人机控制系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员应意识到，没有特定细节中的一个或更多，或者采用其它的方法、组元、材料等，也可以实践本发明的技术方案。在某些情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本发明。
如图1所示，为了解决现有技术中的技术问题，本发明提供了一种用于海上救援的无人机控制方法，包括如下步骤：
接收到海上救援任务时，判断是否存在空闲无人机；此处海上救援任务可以是海上灾难探测、海上救援物资投放等等；
如果是，则优先选择一个空闲无人机来执行该新接收到的海上救援任务，即获取各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长；
根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机；
将所述海上救援任务分配给所述执行任务的空闲无人机，可以通过无线通信模块将任务信息发送给该执行任务的空闲无人机，将该任务加入到该执行任务的空闲无人机的任务列表中，将该空闲无人机的状态改为工作中；
如果否，则获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻；
根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机；
将所述海上救援任务分配给所述执行任务的工作无人机，可以通过无线通信模块将任务信息发送给该执行任务的工作无人机，将该任务加入到该执行任务的工作无人机的任务列表中。
本发明的用于海上救援的无人机控制方法可以实现自动均衡分配无人机的工作任务，无需人工分配任务给无人机，提高了任务分配效率，在接到新的任务时，首先判断当前是否存在空闲的无人机，如果有空闲的无人机，则优先将任务分配给当前空闲的无人机，在给空闲的无人机分配时，优先选择休息时间长的空闲无人机，在给工作的无人机分配时，优先选择能最快完成当前执行的任务的无人机，从而一方面可以保证每个无人机的工作时长基本均衡，另一方面可以保证接收到的海上救援任务快速执行。
在该实施例，所述根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，包括如下步骤：
计算各个所述空闲无人机的前一次任务完成时刻与当前时刻的时间差；
选择时间差最大的预设数量的空闲无人机作为备选空闲无人机，即首先根据该时间差对空闲无人机进行初选，保证选择到的备选空闲无人机是已经休息了一定时间的；
从所述备选空闲无人机中选择前一次任务耗时时长最短的空闲无人机作为执行任务的空闲无人机，从而实现空闲无人机的任务均衡分配。
在另一种可替代的实施方式中，所述根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，也可以采用如下步骤：
选择前一次任务耗时时长最短的预设数量的空闲无人机作为备选空闲无人机，即根据前一次任务耗时时长进行空闲无人机的初筛；
计算各个所述备选空闲无人机的前一次任务完成时刻与当前时刻的时间差；
从所述备选空闲无人机中选择时间差最大的空闲无人机作为执行任务的空闲无人机，即选择休息时间最长的空闲无人机，实现空闲无人机的任务的均衡分配。
在该实施例，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
计算所述工作无人机与接收到的海上救援任务的任务地点的距离；
选择距离最小的预设数量的工作无人机作为备选工作无人机，即首先按照距离来进行初筛，保证备选工作无人机在完成当前的任务时可以快速赶往新的任务的执行地点；
计算备选工作无人机的预测任务完成时刻与当前时刻的时间差；
从所述备选工作无人机中选择时间差最小的工作无人机，作为执行任务的工作无人机，从而实现任务均衡分配的同时，也可以保证新的任务的快速执行。
在另一种可替代的实施方式中，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，还可以采用如下步骤：
计算工作无人机的预测任务完成时刻与当前时刻的时间差；
选择时间差最小的预设数量的工作无人机作为备选工作无人机，即首先按照时间差进行初筛，保证选择的备选工作无人机能够快速完成当前执行的任务，避免耽误新的任务的执行；
计算所述备选工作无人机与接收到的海上救援任务的任务地点的距离；
从所述备选工作无人机中选择距离最小的工作无人机，作为执行任务的工作无人机，从而可以保证工作无人机在完成当前任务之后可以快速赶往新的任务的执行地点。
在再一种可替代的实施方式中，在选择执行任务的工作无人机时，如果工作无人机的任务列表中有多个任务时，还需要考虑剩余任务的数量。具体地，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，也可以采用如下步骤：
获取所述工作无人机的任务列表中的剩余任务数量；
将剩余任务数量最少的第一预设数量的工作无人机作为第一备选工作无人机，从而根据剩余任务数量进行第一次初筛；
计算所述第一备选工作无人机与接收到的海上救援任务的任务地点的距离；
选择距离最小的第二预设数量的第一备选工作无人机作为第二备选工作无人机，所述第二预设数量小于所述第一预设数量，即根据距离进行第二次初筛；
计算第二备选工作无人机的预测任务完成时刻与当前时刻的时间差；
从所述第二备选工作无人机中选择时间差最小的工作无人机，作为执行任务的工作无人机，从而实现工作无人机的任务均衡分配，并且保证新的任务的快速执行。
在又一种可替代的实施方式中，与前一种实施方式相比，可以变更第二次初筛和最终选择的顺序。具体地，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，还可以采用如下步骤：
获取所述工作无人机的任务列表中的剩余任务数量；
将剩余任务数量最少的第一预设数量的工作无人机作为第一备选工作无人机，即同样根据剩余任务数量完成第一次初筛；
计算所述第一备选工作无人机的预测任务完成时刻与当前时刻的时间差；
选择时间差最小的第二预设数量的工作无人机作为第二备选工作无人机，所述第二预设数量小于所述第一预设数量，即根据时间差进行第二次筛选；
计算所述第二备选工作无人机与接收到的海上救援任务的任务地点的距离；
从所述第二备选工作无人机中选择距离最小的工作无人机，作为执行任务的工作无人机，从而实现工作无人机的任务均衡分配，并且保证新的任务的快速执行。
上述多种选择工作无人机的方法可以根据实际需要进行选择。
进一步地，在该实施例，还可以根据机器学习模型来自动预测当前工作无人机的当前执行任务的完成时间。具体地，所述获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻，包括如下步骤：
与当前工作中的工作无人机进行通信，获取所述工作无人机当前的位置，所述工作无人机可以包括定位模块，例如GPS定位模块，可以实时获取自身当前所在的位置，所述工作无人机还可以包括无线通信模块，用于发送定位数据和接收海上救援任务信息；
获取所述工作无人机当前执行的任务的特征数据，将所述特征数据输入训练好的时间预测模型，得到预测任务耗时时长；任务的特征数据可以包括海上救援的类型、海上救援的位置、海上救援任务的属性数据等；
根据所述预测任务耗时时长和当前执行的任务的开始时间，得到所述工作无人机的预测任务完成时刻，即将当前执行的任务的开始时间加上所述预测任务耗时时长，得到所述工作无人机的预测任务完成时刻。
在该实施例，所述时间预测模型为卷积神经网络，所述时间预测模型可以包括卷积层和池化层，用于提取所述工作无人机的特征数据中的特征，还可以包括全连接层，对所述特征进行分类。卷积神经网络(Convolutional Neural Networks，CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(deeplearning)的代表算法之一。在其他可替代的实施方式中，所述卷积神经网络也可以不采用所述卷积神经网络，也可以采用支持向量机、决策树、随机森林等其他机器学习模型，均属于本发明的保护范围之内。
所述用于海上救援的无人机控制方法还包括采用如下步骤训练所述时间预测模型：
采集多个工作无人机已完成的任务数据，从所述任务数据中解析得到每个任务的特征数据和耗时时长，采用所述耗时时长对所述任务的特征数据进行标记后加入训练集；
采用所述训练集训练所述时间预测模型，例如可以采用梯度下降法迭代训练所述时间预测模型，训练至所述模型的损失函数小于预设损失阈值，即所述时间预测模型达到收敛。在迭代训练时，可以首先将所述训练集中任务的特征数据输入到模型中，得到模型预测的时长，与标记的耗时时长一起构建softmax损失函数，根据softmax损失函数的值反向优化所述时间预测模型的参数，使得softmax损失函数变小。
如图2所示，本发明实施例还提供一种用于海上救援的无人机控制系统，应用于所述的用于海上救援的无人机控制方法，所述系统包括：
任务接收模块M100，用于接收海上救援任务；
状态判断模块M200，用于在所述任务接收模块M100接收到海上救援任务时，判断是否存在空闲无人机；
第一选择模块M300，用于根据状态判断模块M200的判断结果判断出存在空闲无人机时，优先选择空闲无人机作为执行任务的无人机，即获取各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长，根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，以及将所述海上救援任务分配给所述执行任务的空闲无人机；
第二选择模块M400，用于根据状态判断模块M200的判断结果判断出不存在空闲无人机时，则需要从工作无人机中选择一个能够快速完成当前任务并赶到新任务位置的工作无人机来执行该新的海上救援任务，即获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，以及将所述海上救援任务分配给所述执行任务的工作无人机。
本发明的用于海上救援的无人机控制系统可以通过第一选择模块M300和第二选择模块M400实现自动均衡分配无人机的工作任务，无需人工分配任务给无人机，提高了任务分配效率，在通过任务接收模块M100接到新的任务时，首先采用状态判断模块M200判断当前是否存在空闲的无人机，如果有空闲的无人机，则优先将任务分配给当前空闲的无人机，在第一选择模块M300给空闲的无人机分配时，优先选择休息时间长的空闲无人机，在采用第二选择模块M400给工作的无人机分配时，优先选择能最快完成当前执行的任务的无人机，从而一方面可以保证每个无人机的工作时长基本均衡，另一方面可以保证接收到的海上救援任务快速执行。
本发明的用于海上救援的无人机控制系统中，各个模块的功能实现方式可以采用所述用于海上救援的无人机控制方法中各个步骤的具体实施方式，此处不予赘述。
综上所述，与现有技术相比，本发明自动均衡分配无人机的工作任务，无需人工分配任务给无人机，提高了任务分配效率，在接到新的任务时，优先将任务分配给当前空闲的无人机，在给空闲的无人机分配时，优先选择休息时间长的空闲无人机，在给工作的无人机分配时，优先选择能最快完成当前执行的任务的无人机，从而一方面可以保证每个无人机的工作时长基本均衡，另一方面可以保证接收到的海上救援任务快速执行。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
Claims (10)
1.一种用于海上救援的无人机控制方法，其特征在于，所述方法包括如下步骤：
接收到海上救援任务时，判断是否存在空闲无人机；
如果是，则获取各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长；
根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机；
将所述海上救援任务分配给所述执行任务的空闲无人机；
如果否，则获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻；
根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机；
将所述海上救援任务分配给所述执行任务的工作无人机。
2.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，所述根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，包括如下步骤：
计算各个所述空闲无人机的前一次任务完成时刻与当前时刻的时间差；
选择时间差最大的预设数量的空闲无人机作为备选空闲无人机；
从所述备选空闲无人机中选择前一次任务耗时时长最短的空闲无人机作为执行任务的空闲无人机。
3.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，所述根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，包括如下步骤：
选择前一次任务耗时时长最短的预设数量的空闲无人机作为备选空闲无人机；
计算各个所述备选空闲无人机的前一次任务完成时刻与当前时刻的时间差；
从所述备选空闲无人机中选择时间差最大的空闲无人机作为执行任务的空闲无人机。
4.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
计算所述工作无人机与接收到的海上救援任务的任务地点的距离；
选择距离最小的预设数量的工作无人机作为备选工作无人机；
计算备选工作无人机的预测任务完成时刻与当前时刻的时间差；
从所述备选工作无人机中选择时间差最小的工作无人机，作为执行任务的工作无人机。
5.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
计算工作无人机的预测任务完成时刻与当前时刻的时间差；
选择时间差最小的预设数量的工作无人机作为备选工作无人机；
计算所述备选工作无人机与接收到的海上救援任务的任务地点的距离；
从所述备选工作无人机中选择距离最小的工作无人机，作为执行任务的工作无人机。
6.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
获取所述工作无人机的任务列表中的剩余任务数量；
将剩余任务数量最少的第一预设数量的工作无人机作为第一备选工作无人机；
计算所述第一备选工作无人机与接收到的海上救援任务的任务地点的距离；
选择距离最小的第二预设数量的第一备选工作无人机作为第二备选工作无人机，所述第二预设数量小于所述第一预设数量；
计算第二备选工作无人机的预测任务完成时刻与当前时刻的时间差；
从所述第二备选工作无人机中选择时间差最小的工作无人机，作为执行任务的工作无人机。
7.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，包括如下步骤：
获取所述工作无人机的任务列表中的剩余任务数量；
将剩余任务数量最少的第一预设数量的工作无人机作为第一备选工作无人机；
计算所述第一备选工作无人机的预测任务完成时刻与当前时刻的时间差；
选择时间差最小的第二预设数量的工作无人机作为第二备选工作无人机，所述第二预设数量小于所述第一预设数量；
计算所述第二备选工作无人机与接收到的海上救援任务的任务地点的距离；
从所述第二备选工作无人机中选择距离最小的工作无人机，作为执行任务的工作无人机。
8.根据权利要求1所述的用于海上救援的无人机控制方法，其特征在于，所述获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻，包括如下步骤：
与当前工作中的工作无人机进行通信，获取所述工作无人机当前的位置；
获取所述工作无人机当前执行的任务的特征数据，将所述特征数据输入训练好的时间预测模型，得到预测任务耗时时长；
根据所述预测任务耗时时长和当前执行的任务的开始时间，得到所述工作无人机的预测任务完成时刻。
9.根据权利要求8所述的用于海上救援的无人机控制方法，其特征在于，所述时间预测模型为卷积神经网络，所述方法还包括采用如下步骤训练所述时间预测模型：
采集多个工作无人机已完成的任务数据，从所述任务数据中解析得到每个任务的特征数据和耗时时长，采用所述耗时时长对所述任务的特征数据进行标记后加入训练集；
采用所述训练集训练所述时间预测模型。
10.一种用于海上救援的无人机控制系统，其特征在于，应用于权利要求1至9中任一项所述的用于海上救援的无人机控制方法，所述系统包括：
任务接收模块，用于接收海上救援任务；
状态判断模块，用于在所述任务接收模块接收到海上救援任务时，判断是否存在空闲无人机；
第一选择模块，用于如果存在空闲无人机，则获取各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长，根据各个所述空闲无人机的前一次任务完成时刻和前一次任务耗时时长选择一空闲无人机，作为执行任务的空闲无人机，以及将所述海上救援任务分配给所述执行任务的空闲无人机；
第二选择模块，用于如果不存在空闲无人机，则获取当前工作中的工作无人机的位置和工作无人机的预测任务完成时刻，根据所述工作无人机的位置和工作无人机的预测任务完成时刻选择一工作无人机，作为执行任务的工作无人机，以及将所述海上救援任务分配给所述执行任务的工作无人机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010710518.XA CN111861218A (zh) | 2020-07-22 | 2020-07-22 | 用于海上救援的无人机控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010710518.XA CN111861218A (zh) | 2020-07-22 | 2020-07-22 | 用于海上救援的无人机控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111861218A true CN111861218A (zh) | 2020-10-30 |
Family
ID=73001908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010710518.XA Withdrawn CN111861218A (zh) | 2020-07-22 | 2020-07-22 | 用于海上救援的无人机控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861218A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112801409A (zh) * | 2021-02-26 | 2021-05-14 | 上海博联工程监理有限公司 | 一种基于bim的工程监理信息管理方法、系统、以及存储介质 |
| CN115903898A (zh) * | 2022-11-17 | 2023-04-04 | 新疆送变电有限公司 | 无人机飞行控制方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-22 CN CN202010710518.XA patent/CN111861218A/zh not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112801409A (zh) * | 2021-02-26 | 2021-05-14 | 上海博联工程监理有限公司 | 一种基于bim的工程监理信息管理方法、系统、以及存储介质 |
| CN112801409B (zh) * | 2021-02-26 | 2022-04-19 | 上海博联工程监理有限公司 | 一种基于bim的工程监理信息管理方法、系统、以及存储介质 |
| CN115903898A (zh) * | 2022-11-17 | 2023-04-04 | 新疆送变电有限公司 | 无人机飞行控制方法、装置、电子设备及存储介质 |
| CN115903898B (zh) * | 2022-11-17 | 2023-12-29 | 新疆送变电有限公司 | 无人机飞行控制方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6445016B2 (ja) | 車両ユーザ・インタフェース適応 | |
| CN111861218A (zh) | 用于海上救援的无人机控制方法及系统 | |
| WO2017211029A1 (zh) | 无人机飞行路径规划方法和装置 | |
| US20150064657A1 (en) | Unmanned vehicle simulation | |
| CN115187005B (zh) | 调度方法、装置、设备及存储介质 | |
| WO2021179550A1 (zh) | 无人机集群的任务派遣决策方法及系统 | |
| JP7048145B2 (ja) | 無人航空機管理装置、無人航空機管理方法、及びプログラム | |
| CN113552897B (zh) | 基于任务优先级的空地无人系统侦察协同路径规划方法 | |
| EP3039381A2 (en) | Unmanned vehicle searches | |
| Roldán et al. | Analyzing and improving multi-robot missions by using process mining | |
| EP3764190B1 (en) | Landing an unmanned aerial vehicle in a contingency scenario | |
| CN208314570U (zh) | 一种新型无人机桥梁检测航线规划系统 | |
| CN110597283A (zh) | 飞行方法、终端设备、飞行器和飞行系统 | |
| CN107636551A (zh) | 一种飞行控制方法、装置及智能终端 | |
| CN112134608B (zh) | 对抗环境下无人机协同中继网络快速构建方法和系统 | |
| KR20160126783A (ko) | 자체 운용 모드를 지원하는 항공임무 수행시스템, 항공임무연동장치 및 항공임무 수행방법 | |
| Dousse et al. | Extension of a ground control interface for swarms of small drones | |
| CN111103892B (zh) | 无人机飞行任务执行判断方法、装置及系统 | |
| US11861870B2 (en) | Rapid object detection for vehicle situational awareness | |
| Patterson et al. | Modelling safe landing zone detection options to assist in safety critical UAV decision making | |
| CN109741637B (zh) | 无人机监管方法、装置、存储介质和电子设备 | |
| CN111104561B (zh) | 启发式的无人平台信息感知网络拓扑生成方法和装置 | |
| Kramar et al. | Overview of the nordic challenges for unmanned aircraft systems | |
| Villaren12 et al. | Towards a method for context-dependent allocation of functions | |
| CN110933639B (zh) | 无人机协同态势感知网络的信息交互拓扑优化方法和装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201030 |