CN113485422A - 一种最大化监控时间的可充电无人机分配方法 - Google Patents

一种最大化监控时间的可充电无人机分配方法 Download PDF

Info

Publication number
CN113485422A
CN113485422A CN202110765143.1A CN202110765143A CN113485422A CN 113485422 A CN113485422 A CN 113485422A CN 202110765143 A CN202110765143 A CN 202110765143A CN 113485422 A CN113485422 A CN 113485422A
Authority
CN
China
Prior art keywords
unmanned aerial
monitoring
aerial vehicle
time
aerial vehicles
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.)
Pending
Application number
CN202110765143.1A
Other languages
English (en)
Inventor
朱小军
韩周卿
董超
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110765143.1A priority Critical patent/CN113485422A/zh
Publication of CN113485422A publication Critical patent/CN113485422A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2200/00—Type of vehicles
    • B60L2200/10—Air crafts
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种最大化监控时间的可充电无人机分配方法，使得所需覆盖区域的监控时间最长。首先，确定所需覆盖的各个子区域，并根据无人机性能确定无人机飞行速度，计算无人机到达各个子区域监控点所需时间；其次，计算出永久覆盖所有监控点所需无人机总数；如果无人机数量不足，则计算出每个监控点被分配不同数量无人机时的监控时长；最后，根据动态规划方法，求出最佳无人机分配方案以及最长无人机监控时长。本方法计算简单，易理解，并且能够直接求得无人机覆盖问题中当无人机数量不足时，最优的无人机分配方案以及最长的监控时间。

Description

一种最大化监控时间的可充电无人机分配方法
技术领域
本发明属于无人机监控领域，具体涉及一种最大化监控时间的可充电无人机分配方法。
背景技术
区域覆盖即监测一片区域并将其封锁住，任何试图通过该区域的物体都将被检测出来并发出警报。区域覆盖应用很多也很广泛，比如对一片区域进行封锁以监测入侵者。区域覆盖较传统区域封锁方法优点是成本较低，部署方便简易。对一片区域进行暂时的封锁，势必要消耗大量人力物力，而通过区域覆盖，只需有限的硬件需求即可完成。
区域覆盖有多种实现方式，比如在地面静态部署一系列传感器，由一连串传感器组成一片封锁区以达到区域覆盖的效果，成本较低，但这一方案有以下缺点：一、传感器有些情况会有监控漏洞，为了弥补这一漏洞，有些方案对此进行了优化，布置一系列传感器组成封锁区，并用单个无人机来填补盲区解决监控漏洞问题。二、则是传感器部署受地形影响，有一定局限性，在某些地区部署困难。
另一种方案则是部署配备有摄像头的无人机来实现区域覆盖，这种实现方式灵活性高，机动性强，部署起来简易方便，并且无人机不受地形制约，可以适应各种地形条件。但是该方式也有如下缺点：一、无人机能量十分有限，极大限制区域监控时间。二、为了保证将区域完全覆盖，有时需要的无人机数量过多，造成严重资源浪费，成本反而较高。三、对无人机数量要求较为苛刻，当无人机数量不足时，整个监控系统将无法有效运作。
发明内容
发明目的：本发明提出了一种基于动态规划方法的低成本、易部署、机动性强、监测时间持久的无人机分配方法。
技术方案：本发明所述的一种最大化监控时间的可充电无人机分配方法，包括以下步骤：
(1)准备阶段：用户输入所需覆盖的监控点位置，监控点个数，监控点与充电桩距离，无人机数量，飞行速度以及监控角度，无人机功率以及电池总能量，计算出无人机满电情况下可运行时间以及充满电所需时长；
(2)估测阶段：计算无人机到达各个子区域监控点所需时间，计算出实现永久覆盖所需无人机数量Q，并根据用户输入的无人机数量N作出判断：若N≥Q，则直接得出最佳分配方案和最长监控时间，否则进入下一阶段；
(3)计算最长监控时间：根据用户输入的无人机数量N，计算出每个监控点被分配不同无人机数量时的监控时长。
(4)确定分配方案：根据动态规划方法，计算出最优的无人机分配方案以及最长的无人机监控时长。
所述步骤(1)包括以下步骤：
(11)用户在地图上选出需要被覆盖的监控点，监控点个数S，监控点与充电桩的距离D，用户输入无人机数量N，无人机最大飞行速度v，以及无人机输出功率P0和电池总能量C。
(12)计算出无人机可运行时长和所需充电时长，用户输入充电桩充电功率为P1，根据公式，满电工作时长为C/P0，充满电所需时长为C/P1。
所述步骤(2)包括以下步骤：
(21)建立两个数组m1，m2；m1存储每个监控点的最佳的无人机分配数量，m2存储每个监控点实现永久监控所需要的无人机数量；
(22)对于每个监控点Ai，计算无人机到达监控点Ai所需时间，根据用户输入的监控点到充电桩距离Di，无人机飞行速度v，计算出无人机飞往监控点Ai所需要的时间Ti＝Di/v，下标i为监控点编号；
(23)计算实现区域永久覆盖所需无人机数量，根据用户输入，计算实现所有监控点永久覆盖所需最小无人机数量为
Figure BSA0000246635700000021
其中，S为监控点个数，
Figure BSA0000246635700000022
为监控点Ai所需无人机数量，计算结果取上整，
Figure BSA0000246635700000023
为向上取整符号；
(24)初始化数组m1，根据上述计算结果可得，实现所有监控点永久覆盖所需最小无人机数量为Q，如果N≥Q，则将m2值拷贝至m1，且监控时间为永久监控，否则，进入下一阶段。
所述步骤(3)包括以下步骤：
(31)建立一个S×(N+1)的二维数组F，F[j，k]存储监控点Aj可以被k个无人机持续监控的时间，F初始值全部设置为0；
(32)计算每个监控点被分配不同无人机数量时的监控时长，监控点Aj的下标从0开始计算，如果k≥m2[j]，意味着监控点Aj已经被分配足够无人机以完成永久监控，则F[j，k]＝∞(∞为无穷大符号)；
(33)按以下具体步骤计算出监控点Aj被k个无人机监控的时间F[j，k]，根据如下公式对第p架无人机第q次发出的时刻
Figure BSA0000246635700000024
进行递归计算：
当q＝1时
Figure BSA0000246635700000025
Figure BSA0000246635700000031
其中
Figure BSA0000246635700000032
为第p架无人机第一次出发时的电量，p＝1，2，…，k，k为能够分配给该监控该区域的无人机的个数；则第1架无人机第一次发出时的时刻为0；
当q≥2时
Figure BSA0000246635700000033
其中，
Figure BSA0000246635700000034
为第j架无人机第k次发出时的总电量：
Figure BSA0000246635700000035
其中，
Figure BSA0000246635700000036
为：
Figure BSA0000246635700000037
将
Figure BSA0000246635700000038
时对应的
Figure BSA0000246635700000039
的值作为监控时长，并将其存储至数组F[j，k]。
所述步骤(4)包括以下步骤：
(41)建立两个S×(N+1)的二维数组Q，M，Q[j，L]存储L架无人机监控A0，A1…Aj-1所能达到的最长监控时间，M为辅助数组，用于协助计算无人机分配方案，数组Q，M初始值都为0；
(42)根据动态规划方法将数组Q[j，L]，M[j，L]的所有值进行更新，具体步骤如下：
初始化Q[0，L]，将F[0，L]的值全部拷贝至Q[0，L]，0≤L≤N；
初始化变量j为1，L为j+1，k＝j；重复执行以下步骤直到j＞s-1：
(421)根据Q数组的已知结果和步骤(33)得到的F数组，计算出L架无人机监控A0，A1…Aj-1所能达到的最长监控时间，并将结果存储在数组Q，计算公式如下：
Figure BSA00002466357000000310
(422)若Q[j，L]发生更新，则将对应的k存储到M[j，L]；
(423)L加1，即，L＝L+1；若L≤N，则返回步骤(421)，否则进入下一步；
(424)j加1，即，j＝j+1；若j＜＝s-1，返回步骤(421)；否则，跳出循环；
以上步骤执行结束，即j＞s-1时，Q[s-1，N]为N架无人机监控S个监控点的最长监控时间，数组M为辅助数组，用于协助计算无人机分配方案；
(43)根据无人机数量N和步骤(42)得到的M数组计算无人机最优分配方案，存储在数组m1中，具体计算步骤如下：
初始化变量L为N，下标j为S-1，重复执行以下步骤直到j＜0：
(431)更新m1[j]为L-M[j，L]；
(432)更新L为M[j，L]；
(433)j减1，即，j＝j-1；
以上步骤执行结束，即j＜0时，m1存储无人机数量N情况下无人机最佳分配方案，Q[s-1，N]为N架无人机监控S个监控点的最长监控时间。
有益效果：与现有技术相比，本发明的有益效果：1、无人机相比于静态节点机动性强，易于部署。2、无人机不受地形因素制约，灵活性高，能适用于各种地形。3、无人机可返程充电，对无人机进行了复用，减少了所需无人机数量，并且延长了区域覆盖时间。4、针对无人机数量不足以支持永久监控时，通过动态规划方法对无人机进行最优分配以达到最久监控时长。
附图说明
图1是本发明的流程图。
图2是本发明区域覆盖系统示意图。
图3是本发明中各监控点被分配不同数量无人机时的监控时长。
具体实施方式
下面结合附图对本发明作进一步详细描述。
如图1所示，本发明主要包括以下步骤：
1.准备阶段：用户输入所需覆盖的监控点，监控点个数，监控点与充电桩距离，无人机数量，飞行速度以及监控角度，无人机输出功率以及电池总能量，计算出无人机满电情况下可运行时间以及充满电所需时长。
1.1用户在地图上选出需要被覆盖的监控点，监控点个数S，监控点与充电桩的距离D，用户输入无人机数量N，无人机最大飞行速度v，以及无人机功率P0和电池总能量C，区域覆盖系统示意图如图2所示。
1.2计算出无人机可运行时长和所需充电时长，用户输入充电桩充电功率为P1，根据公式，满电工作时长为C/P0，充满电所需时长为C/P1。例如，无人机电池容量2500mAh，额定电压10v，输出功率P0＝50W，充电桩充电功率为P1＝20W，电池总能量为C，满电可工作时长为C/P0＝2500*10-3*10/50＝30分钟，充满电所需时长2500*10-3*10/20＝75分钟。
2.估测阶段：计算无人机到达各个子区域监控点所需时间，计算出实现永久覆盖所需无人机数量Q，并根据用户输入的无人机数量N作出判断，N≥Q，则直接得出最佳分配方案和监控时间，否则进入下一阶段。
2.1建立两个数组m1，m2；m1存储每个监控点的最佳的无人机分配数量，m2存储每个监控点实现永久监控所需要的无人机数量。
2.2对于每个监控点Ai，计算无人机到达监控点Ai所需时间，根据用户输入的监控点到充电桩距离Di，无人机飞行速度v，计算出无人机飞往监控点Ai所需要的时间Ti＝Di/v，下标i为监控点编号。例如，有五个监控点A0，A1，A2，A3，A4与充电桩距离分别为20.9775m，62.9325m，104.8875m，146.8425m，188.7975m，用户输入的无人机飞行速度v＝2m/s，无人机到达五个子区域监控点所花时间分别为T0＝0.174分钟，T1＝0.52分钟，T2＝0.87分钟，T3＝1.22分钟，T4＝1.57分钟。
2.3计算实现区域永久覆盖所需无人机数量。根据用户输入，计算实现所有监控点永久覆盖所需最小无人机数量为
Figure BSA0000246635700000051
其中，S为监控点个数，
Figure BSA0000246635700000052
为监控点Ai所需无人机数量，计算结果取上整。例如，按照上述的用户输入，可以计算出A0-A4需要的无人机数量分别为4架，4架，4架，4架，4架，一共需要20架无人机，m2＝[4，4，4，4，4]。
2.4初始化数组m1，根据所求得实现所有监控点永久覆盖所需最小无人机数量为Q，如果N≥Q，则将m2值拷贝至m1，且监控时间为永久监控，否则，进入下一阶段。例如，用户输入无人机数量N＝21架，根据上述用户输入，可以计算出所有监控点永久覆盖所需无人机数量Q＝20架，则m2值拷贝至m1，即m1＝[4，4，4，4，4]，监控时间为永久监控，如果用户输入无人机数量N≤Q，则进入下一阶段。
3.计算最长监控时间：根据用户输入的无人机数量N，计算出每个监控点被分配不同无人机数量时的监控时长。
3.1建立一个S×(N+1)的二维数组F，F[j，k]存储监控点Aj可以被k个无人机持续监控的时间，F初始值全部设置为0；。
3.2计算每个监控点被分配不同无人机数量时的监控时长，监控点Aj的下标从0开始计算，如果k≥m2[j]，意味着监控点Aj已经被分配足够无人机以完成永久监控，则F[j，k]＝∞(∞为无穷大符号)。
3.3按以下具体步骤计算出监控点Aj被k个无人机监控的时间F[j，k]，根据如下公式对第p架无人机第q次发出的时刻
Figure BSA0000246635700000053
进行递归计算：
当q＝1时
Figure BSA0000246635700000054
Figure BSA0000246635700000055
其中
Figure BSA0000246635700000061
为第p架无人机第一次出发时的电量，p＝1，2，…，k，k为能够分配给该监控该区域的无人机的个数；则第1架无人机第一次发出时的时刻为0；
当q≥2时
Figure BSA0000246635700000062
其中，
Figure BSA0000246635700000063
为第j架无人机第k次发出时的总电量：
Figure BSA0000246635700000064
其中，
Figure BSA0000246635700000065
为：
Figure BSA0000246635700000066
将
Figure BSA0000246635700000067
时对应的
Figure BSA0000246635700000068
的值作为监控时长，并将其存储至数组F[j，k]。
例如，用户输入无人机数量N＝18，其余参数与上文一致，通过上述公式计算可以得到分配不同数量无人机给监控点A0，A0的监控时长变化情况。F[0，k]＝[0，0.4942，1.2644，3.7943，∞，…，∞]，各监控点被分配2，3，4架无人机时的监控时长如附图3所示。
4.确定分配方案：根据动态规划方法，计算出最优的无人机分配方案以及最长的无人机监控时长。
4.1建立两个S×(N+1)的二维数组Q，M，Q[j，L]存储L架无人机监控A0，A1…Aj-1所能达到的最长监控时间，M为辅助数组，用于协助计算无人机分配方案，数组Q，M初始值都为0。
4.2根据动态规划方法将数组Q[j，L]，M[j，L]的所有值进行更新，具体步骤如下：
初始化Q[0，L]，将F[0，L]的值全部拷贝至Q[0，L]，0≤L≤N；
初始化变量j为1，L为j+1，k＝j；重复执行以下步骤直到j＞s-1：
4.2.1根据Q数组的已知结果和步骤(33)得到的F数组，计算出L架无人机监控A0，A1…Aj-1所能达到的最长监控时间，并将结果存储在数组Q，计算公式如下：
Figure BSA0000246635700000069
4.2.2若Q[j，L]发生更新，则将对应的k存储到M[j，L]；
4.2.3 L加1，即，L＝L+1；若L≤N，则返回步骤(421)，否则进入下一步；
4.2.4 j加1，即，j＝j+1；若j＜＝s-1，返回步骤(421)；否则，跳出循环；
以上步骤执行结束，即j＞s-1时，Q[s-1，N]为N架无人机监控S个监控点的最长监控时间，数组M为辅助数组，用于协助计算无人机分配方案；
4.3根据无人机数量N和步骤(42)得到的M数组计算无人机最优分配方案，存储在数组m1中，具体计算步骤如下：
初始化变量L为N，下标j为S-1，重复执行以下步骤直到j＜0：
4.3.1更新m1[j]为L-M[j，L]；
4.3.2更新L为M[j，L]；
4.3.3 j减1，即，j＝j-1；
以上步骤执行结束，即j＜0时，m1存储无人机数量N情况下无人机最佳分配方案，Q[s-1，N]为N架无人机监控S个监控点的最长监控时间。
例如，用户输入无人机数量N＝18，其余参数与上文一致，通过上述计算公式，计算出Q[4，18]＝3.0163小时，m1＝[3，3，4，4，4]。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种最大化监控时间的可充电无人机分配方法，其特征在于，包括以下步骤：
(1)用户输入所需覆盖的监控点位置，监控点个数，监控点与充电桩距离，无人机数量，飞行速度以及监控角度，无人机功率以及电池总能量，计算出无人机满电情况下可运行时间以及充满电所需时长；
(2)计算无人机到达各个子区域监控点所需时间，计算出实现永久覆盖所需无人机数量Q，并根据用户输入的无人机数量N作出判断：若N≥Q，则直接得出最佳分配方案和最长监控时间，否则进入下一阶段；
(3)根据用户输入的无人机数量N，计算出每个监控点被分配不同无人机数量时的监控时长；
(4)根据动态规划方法，计算出最优的无人机分配方案以及最长的无人机监控时长。
2.根据权利要求1所述的一种最大化监控时间的可充电无人机分配方法，其特征在于，所述步骤(1)包括以下步骤：
(11)用户在地图上选出需要被覆盖的监控点位置，监控点个数S，监控点与充电桩的距离D，用户输入无人机数量N，无人机最大飞行速度v，以及无人机功率P0和电池总能量C；
(12)计算出无人机可运行时长和所需充电时长，用户输入充电桩充电功率为P1，则满电工作时长为C/P0，充满电所需时长为C/P1。
3.根据权利要求1所述的一种最大化监控时间的可充电无人机分配方法，其特征在于，所述步骤(2)包括以下步骤：
(21)建立两个数组m1，m2；m1存储每个监控点的最佳的无人机分配数量，m2存储每个监控点实现永久监控所需要的无人机数量；
(22)对于每个监控点Ai，计算无人机到达监控点Ai所需时间，根据用户输入的监控点到充电桩距离Di，无人机飞行速度v，计算出无人机飞往监控点Ai所需要的时间Ti＝Di/v，下标i为监控点编号；
(23)计算实现区域永久覆盖所需无人机数量，根据用户输入，计算实现所有监控点永久覆盖所需最小无人机数量为
Figure FSA0000246635690000011
其中，S为监控点个数，
Figure FSA0000246635690000012
为监控点Ai所需无人机数量，计算结果取上整，
Figure FSA0000246635690000013
为向上取整符号；
(24)初始化数组m1，根据上述计算结果可得，实现所有监控点永久覆盖所需最小无人机数量为Q，如果N≥Q，则将m2值拷贝至m1，且监控时间为永久监控，否则，进入下一阶段。
4.根据权利要求1所述的一种最大化监控时间的可充电无人机分配方法，其特征在于，所述步骤(3)包括以下步骤：
(31)建立一个S×(N+1)的二维数组F，F[j，k]存储监控点Aj可以被k个无人机持续监控的时间，F初始值全部设置为0；
(32)计算每个监控点被分配不同无人机数量时的监控时长，监控点Aj的下标从0开始计算，如果k≥m2[j]，意味着监控点Aj已经被分配足够无人机以完成永久监控，则F[j，k]＝∞(∞为无穷大符号)；
(33)按以下具体步骤计算出监控点Aj被k个无人机监控的时间F[j，k]，根据如下公式对第p架无人机第q次发出的时刻
Figure FSA0000246635690000021
进行递归计算：
当q＝1时
Figure FSA0000246635690000022
Figure FSA0000246635690000023
其中
Figure FSA0000246635690000024
为第p架无人机第一次出发时的电量，p＝1，2，…，k，k为能够分配给该监控该区域的无人机的个数；则第1架无人机第一次发出时的时刻为0；
当q≥2时
Figure FSA0000246635690000025
其中，
Figure FSA0000246635690000026
为第j架无人机第k次发出时的总电量：
Figure FSA0000246635690000027
其中，
Figure FSA0000246635690000028
为：
Figure FSA0000246635690000029
将
Figure FSA00002466356900000210
时对应的
Figure FSA00002466356900000211
的值作为监控时长，并将其存储至数组F[j，k]。
5.根据权利要求1所述的一种最大化监控时间的可充电无人机分配方法，其特征在于，所述步骤(4)包括以下步骤：
(41)建立两个S×(N+1)的二维数组Q，M，Q[j，L]存储L架无人机监控A0，A1…Aj-1所能达到的最长监控时间，M为辅助数组，用于协助计算无人机分配方案，数组Q，M初始值都为0；
(42)根据动态规划方法将数组Q[j，L]，M[j，L]的所有值进行更新，具体步骤如下：
初始化Q[0，L]，将F[0，L]的值全部拷贝至Q[0，L]，0≤L≤N；
初始化变量j为1，L为j+1，k＝j；重复执行以下步骤直到j＞s-1：
(421)根据Q数组的已知结果和步骤(33)得到的F数组，计算出L架无人机监控A0，A1…Aj-1所能达到的最长监控时间，并将结果存储在数组Q，计算公式如下：
Figure FSA0000246635690000031
(422)若Q[j，L]发生更新，则将对应的k存储到M[j，L]；
(423)L加1，即，L＝L+1；若L≤N，则返回步骤(421)，否则进入下一步；
(424)j加1，即，j＝j+1；若j＜＝s-1，返回步骤(421)；否则，跳出循环；
以上步骤执行结束，即j＞s-1时，Q[s-1，N]为N架无人机监控S个监控点的最长监控时间，数组M为辅助数组，用于协助计算无人机分配方案；
(43)根据无人机数量N和步骤(42)得到的M数组计算无人机最优分配方案，存储在数组m1中，具体计算步骤如下：
初始化变量L为N，下标j为S-1，重复执行以下步骤直到j＜0：
(431)更新m1[j]为L-M[j，L]；
(432)更新L为M[j，L]；
(433)j减1，即，j＝j-1；
以上步骤执行结束，即j＜0时，m1存储无人机数量N情况下无人机最佳分配方案，Q[s-1，N]为N架无人机监控S个监控点的最长监控时间。
CN202110765143.1A 2021-07-07 2021-07-07 一种最大化监控时间的可充电无人机分配方法 Pending CN113485422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110765143.1A CN113485422A (zh) 2021-07-07 2021-07-07 一种最大化监控时间的可充电无人机分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110765143.1A CN113485422A (zh) 2021-07-07 2021-07-07 一种最大化监控时间的可充电无人机分配方法

Publications (1)

Publication Number Publication Date
CN113485422A true CN113485422A (zh) 2021-10-08

Family

ID=77941470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110765143.1A Pending CN113485422A (zh) 2021-07-07 2021-07-07 一种最大化监控时间的可充电无人机分配方法

Country Status (1)

Country Link
CN (1) CN113485422A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114298489A (zh) * 2021-12-07 2022-04-08 国久大数据股份有限公司 一种针对不同餐饮后厨的智能监控方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736478A (zh) * 2018-07-20 2020-01-31 华北电力大学 一种无人机辅助移动云感知的路径规划与任务分配方案
CN111444786A (zh) * 2020-03-12 2020-07-24 五邑大学 基于无人机群的人群疏散方法、装置、系统及存储介质
CN111585637A (zh) * 2020-04-17 2020-08-25 长沙理工大学 一种基于边缘计算系统的无人机任务卸载和资源分配方法
CN112068592A (zh) * 2020-08-31 2020-12-11 南京航空航天大学 一种基于可充电无人机实现栅栏覆盖的调度方法
WO2021062913A1 (zh) * 2019-09-30 2021-04-08 华南理工大学 一种基于无线能量传输网络的无人机三维轨迹的设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110736478A (zh) * 2018-07-20 2020-01-31 华北电力大学 一种无人机辅助移动云感知的路径规划与任务分配方案
WO2021062913A1 (zh) * 2019-09-30 2021-04-08 华南理工大学 一种基于无线能量传输网络的无人机三维轨迹的设计方法
CN111444786A (zh) * 2020-03-12 2020-07-24 五邑大学 基于无人机群的人群疏散方法、装置、系统及存储介质
CN111585637A (zh) * 2020-04-17 2020-08-25 长沙理工大学 一种基于边缘计算系统的无人机任务卸载和资源分配方法
CN112068592A (zh) * 2020-08-31 2020-12-11 南京航空航天大学 一种基于可充电无人机实现栅栏覆盖的调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚鹏 等: "基于无人机/无人艇的最优动态覆盖观测技术", 《海洋科学》 *
韩瑞新 等: "舰艇编队防空火力基于改进遗传算法的分配方案", 《解放军理工大学学报(自然科学版)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114298489A (zh) * 2021-12-07 2022-04-08 国久大数据股份有限公司 一种针对不同餐饮后厨的智能监控方法、系统及存储介质

Similar Documents

Publication Publication Date Title
Boström et al. The pure PV-EV energy system–A conceptual study of a nationwide energy system based solely on photovoltaics and electric vehicles
CN105653601B (zh) 空调选型的方法及装置
CN102693275A (zh) 用于搜索全局最大功率点的方法
CN110278567B (zh) 无线可充电传感网的k-栅栏构建与充电器优化部署方法
CN111435252B (zh) 异构多智能体系统分组输出时变编队跟踪控制方法及系统
CN113485422A (zh) 一种最大化监控时间的可充电无人机分配方法
Marier et al. Health-aware coverage control with application to a team of small UAVs
CN110707826B (zh) 一种在异构无线传感器网络中布置混合异构无线充电器的方法
Li et al. UAV path planning for target coverage task in dynamic environment
CN108846522A (zh) 无人机系统联合充电站部署及路由选择方法
CN103997748A (zh) 一种基于混合型传感器网络的差异覆盖方法
CN111651705A (zh) 集群编队跟踪控制方法
CN107273968A (zh) 一种基于动态模糊混沌粒子群的多目标调度方法及装置
CN109818361A (zh) 一种输电网中基于网损灵敏度的储能选址方法
CN110635519A (zh) 一种主动配电网分布式新能源日前有功调度计划生成方法
CN115632956A (zh) 基于可信信息覆盖的可充电物联网节点优化部署方法
CN112068592B (zh) 一种基于可充电无人机实现栅栏覆盖的调度方法
CN117472083B (zh) 一种多无人机协同海上搜索路径规划方法
CN110209203A (zh) 基于5g基站充电坪续航的无人机航迹规划方法
CN110084522A (zh) 基于随机粒子群算法的ev充电站位置生成方法及装置
CN111506078B (zh) 一种机器人导航方法及系统
CN108136930A (zh) 控制充电过程的方法
CN115903912A (zh) 一种城市智能感知下多无人机协同部署与任务分配方法
Nair et al. An efficient maximum power point tracking in hybrid solar and wind energy system: a combined MDA-RNN technique
CN107368930A (zh) 一种适用于电力系统分区恢复模式的黑启动电源选址方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211008