CN113885566A - 面向多无人机数据采集时间最小化的v型轨迹规划方法 - Google Patents
面向多无人机数据采集时间最小化的v型轨迹规划方法 Download PDFInfo
- Publication number
- CN113885566A CN113885566A CN202111227471.2A CN202111227471A CN113885566A CN 113885566 A CN113885566 A CN 113885566A CN 202111227471 A CN202111227471 A CN 202111227471A CN 113885566 A CN113885566 A CN 113885566A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- point
- flight
- acquisition
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000037361 pathway Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种面向多无人机数据采集时间最小化的V型轨迹规划方法,属于无人机使能的数据采集领域,包括以下步骤:S1:根据无人机飞行轨迹长度和采集轨迹长度,构建多无人机任务平等分配模型;S2:利用V型轨迹采集,构建使无人机数据采集时间最短的采集轨迹;S3:联合优化无人机飞行轨迹和采集轨迹,最小化单个无人机的任务完成时间。当地面网络设备损坏时,运用无人机进行数据采集工作,相较其它无人机轨迹规划方法减少了计算复杂度,实现对给定任务下的最小任务完成时间的多无人机轨迹规划。
Description
技术领域
本发明属于无人机使能的数据采集领域,涉及一种面向多无人机数据采集时间最小化的V型轨迹规划方法。
背景技术
无线传感器网络以其低成本、范围大、布设灵活、移动支持等特点普遍运用到各个领域。在遭遇恶劣的状况,例如火灾监测、灾害预警、甚至是战争等,网络自主通信损坏,无法保证信息正常接收。由于无人机在自由空间下极具灵活性和很好的可视链路,无人机在作为空中移动平台搭载通信设备可以顺利地执行数据采集和侦察等任务,但无人机的任务完成时间对于决策和行动制定至关重要。因此,在对时间紧急的应用中应该首先考虑任务时间最小化。
由于可视链路的信道、传输速率受到传输距离的限制,目前存在的轨迹规划方案在追求过短的飞行路径时,会增加额外的数据传输时间,造成总体采集时间增加,并且没有具体分析无人机数据采集过程,无人机的悬停位置和飞行轨迹对采集时间有很大影响。因此,需要全面考虑飞行轨迹长度和采集方式。
发明内容
有鉴于此,本发明的目的在于针对多无人机数据采集系统,利用可视链路的特性,提供一种面向多无人机数据采集时间最小化的V型轨迹规划方法。
为达到上述目的,本发明提供如下技术方案:
一种面向多无人机数据采集时间最小化的V型轨迹规划方法,包括以下步骤:
S1:根据无人机飞行轨迹长度和采集轨迹长度,构建多无人机任务平等分配模型;
S2:利用V型轨迹采集,构建使无人机数据采集时间最短的采集轨迹;
S3:联合优化无人机飞行轨迹和采集轨迹,最小化单个无人机的任务完成时间。
进一步,在步骤S1中,多无人机的任务完成时间为其中用时最长的某个无人机的任务完成时间,因此要进一步平等地分配每个无人机的任务。无人机的数据采集范围设置为以地面节点为圆心,半径为D的圆内,根据无人机飞行轨迹长度和采集轨迹长度,地面节点位置和待上传数据包大小,构建多无人机分配任务模型,单无人机j服务单个地面节点i的任务量设为Γij
上式表示把单个节点飞行任务和采集任务的任务量视为采集范围外的轨迹和采集范围内的轨迹长度的权重之和,a,b分别为飞行轨迹长度和采集轨迹长度的权重,视采集任务量和飞行轨迹长度大小而变化,为地面节点i的坐标,为地面节点i+1的坐标;由于无人机采集地面节点的顺序将影响飞行轨迹的长度,因此无人机j的总任务量TQj由所需服务的节点数目pj和采集顺序Sj决定:
把N个地面节点的飞行任务和采集任务公平地分配给M个无人机,则需使得多无人机中获得最大任务量的无人机的任务量最小化,通过优化每台无人机的采集顺序S,和所服务的节点数目n,将其转化为最小化最大值问题:
求解式(3)是一个n-p难题,将其转换为多旅行商问题(MTSP)并通过遗传算法求解,此目标函数的求解得,地面节点按照顺序S依次链接得到无人机初始轨迹。
进一步,步骤S2中,无人机与地面节点的通信信道为可视链路,在高斯白噪声σ2和发射功率Pt固定的情况下,传输速率受距离的限制,由可视链路信道模型和信噪比阈值确定地面节点的传输范围半径D,无人机的采集轨迹为以某一条半径为对称轴,半径上的某一点为顶点的V型轨迹,再据待上传数据包的大小,把采集模式分为飞行采集模式和悬停采集模式,分别规划两种采集模式下最小采集时间的V型轨迹。
进一步,步骤S2中,在飞行采集模式下,无人机在采集范围内以最大速度vmax采集数据,无人机的采集轨迹经过采集半径D的圆上驶入点FIP和驶出点FOP的中垂线,采集轨迹最终呈现对称的V字型,无人机在两边获得的吞吐量相同,飞行采集模式最小采集时间为
约束条件为:
0≤d≤L (4.2)
其中d是V型轨迹顶点OH到Q水平距离,Q是FIP与FOP中点,L是Q到节点上空的水平距离,lin(d)是FIP到V型顶点的水平距离R(t,d)为无人机和地面节点之间实时传输速率,Ci是待上传的吞吐量,是无人机在距节点水平距离D的路径损耗,单一变量求解可采用二分法;当V型顶点位于地面节点上空时,飞行采集模式可采集到最大吞吐量
进一步,步骤S2中,当地面节点待发送的数据包大于时,飞行采集模式无法完成任务采集工作,此时无人机采用悬停采集模式,V型顶点固定在地面节点正上空,无人机从FIP以vmax飞向顶点,在所述顶点静止悬空,因为此处无人机离地面节点的距离最小,传输速率最大,悬停采集一定数据后,再从所述顶点以vmax飞向FOP完成数据采集任务,整个过程无人机均处于接收地面节点信息状态,最小的采集时间为
约束条件为:
进一步,步骤S3中,由于相邻节点的飞行轨迹和采集轨迹强耦合不易求解,对此采用贪婪算法把单个无人机最小任务完成时间的轨迹优化分散为单个无人机服务单个地面节点的服务时间的轨迹优化,服务时间为起点到驶入点的飞行时间与驶入点到驶出点的采集时间之和,构建对飞行轨迹和采集轨迹的联合优化算法对单个地面节点的最小服务时间进行轨迹规划,方案分为代价函数构建、途经点的范围构建、循环体构建和最优解寻找四个部分:
1)代价函数构建:
其中,飞行时间被重新定义为di1和di2分别是为地面节点i从起点到驶入点和驶出点到终点的两段飞行轨迹的长度,所述起点为地面节点i-1的驶出点,所述终点为地面节点i+1的驶入点;单个地面节点的服务时间由飞行时间和采集时间共同影响,采集时间与驶入点和驶出点的位置有关,驶入驶出点又会影响飞行时间,两者强耦合,采用迭代求出最优解;无人机依次经过起点、驶入点、顶点、驶出点和终点;
2)途径点的范围构建:
L1min≤di1≤L1max,L2min≤di2≤L2max (7)
3)循环体构建:
把无人机服务地面节点i的飞行轨迹的取值范围划分成k份,采用迭代算法把每一组Δ1,Δ2的值带入式(6)中求出所述驶入点和驶出点以及对应的V型轨迹顶点和服务时间存入一个k×k的二维数组中;
4)最优解寻找:
在k×k的二维数组中找到最小值,得到无人机服务地面节点的驶出点、驶入点和顶点的坐标;下一个地面节点的驶入点覆盖上一个节点终点,依次得到每个无人机的最小化任务完成时间的飞行轨迹。
本发明的有益效果在于:当地面网络设备损坏时,运用无人机进行数据采集工作,相较其它无人机轨迹规划方法减少了计算复杂度,实现对给定任务下的最小任务完成时间的多无人机轨迹规划,本发明在保证数据采集的完整性上能以更少的时间完成采集任务。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1是本发明无人机对地面节点的数据采集轨迹模型图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1,一种面向多无人机数据采集时间最小化的V型轨迹规划方法,利用可视链路的特性,无人机在传输数据时不需要悬停,只需要在地面节点传输范围内即可有效传输数据,把地面节点传输范围视作为圆,无人机在圆内即可采集信息。将无人机对地面节点的数据采集任务分解为的飞行任务和采集任务,着重解决多无人机的任务分配和采集轨迹优化,缩短任务完成时间。
具体过程如下:
1.根据无人机飞行轨迹长度和采集轨迹长度,构建多无人机任务分配模型
无人机的任务包括飞行任务和采集任务,无人机飞行时采用最大飞行速度vmax,飞行时间可等效为轨迹长度,无人机的数据采集范围设置为以地面节点为圆心,半径为D的圆内。地面节点位置飞行时间产生影响,待上传数据包大小则会影响采集时间。因此,无人机j服务地面节点i的采集任务量设为Γij
上式表示把单个节点飞行任务和采集任务的任务量视为采集范围外的轨迹和采集范围内的轨迹长度的权重之和,a,b分别为飞行轨迹长度和采集轨迹长度的权重,可视采集任务量和飞行轨迹长度大小而变化,为地面节点i的坐标。由于无人机采集地面节点的顺序将影响飞行轨迹的长度,无人机j的总任务量由所需服务的节点数目pj和采集顺序S决定
把N个地面节点的飞行任务和采集任务公平地分配给M个无人机,则需使得多无人机中获得最大任务量的无人机的任务量最小化,将其转化为最小化最大值问题:
求解此方程是一个n-p难问题,我们将其转换为多旅行商问题(MTSP)并通过遗传算法求解。此目标函数的求解得,地面节点按照顺序S依次链接得到无人机初始轨迹。
2.提出V型采集方法,构建无人机数据采集的最短时间轨迹
无人机与地面节点的通信信道为可视链路,在高斯白噪声σ2和发射功率Pt固定的情况下,传输速率受距离的限制,由可视链路信道模型和信噪比阈值可确定地面节点的传输范围半径D,无人机的采集轨迹为以某一条半径为对称轴,半径上的某一点为顶点的V型轨迹,再根据待上传数据包的大小,把采集模式分为飞行采集和悬停采集。
2.1规划飞行采集模式下最小采集时间的V型轨迹:
在飞行采集模式下,无人机在采集范围内以最大速度(vmax)采集数据,无人机的采集轨迹经过采集半径D的圆上驶入点(FIP)和驶出点(FOP)的中垂线,采集轨迹最终呈现对称的V字型,飞行采集模式最小采集时间为
约束条件为:
0≤d≤L(4.3)
其中d是最优V型轨迹顶点(OH)到地面节点的水平距离,L是V型轨迹顶点到地面节点的最大水平距离,lin(d)是驶入点到V型顶点的水平距离R(t,d)为无人机和地面节点之间的实时传输速率,Ci是待上传的吞吐量,是无人机在距节点水平距离D的路径损耗,单一变量求解可采用二分法。当V型顶点位于地面节点上空时,飞行采集模式可采集到最大吞吐量
2.2规划悬停采集模式下最小采集时间的V型轨迹:
当地面节点待发送的数据包大于时,无人机将采用悬停采集模式,V型顶点固定在地面节点正上空,无人机从驶入点以vmax从驶入点飞向顶点,在此处静止悬空,而后从此顶点以vmax飞向驶出点完成数据采集任务,整个过程无人机均处于接收地面节点信息状态,最小的采集时间为
约束条件为:
3联合优化飞行轨迹和采集轨迹使最小化单个无人机的任务完成时间:
从图1中可得,飞行时间只与驶入点、驶出点有关,而驶入点和驶出点又会影响采集时间,故飞行时间和采集时间是强耦合的关系,很难求出无人机的整体最优飞行轨迹。采用贪婪算法把单个无人机的轨迹求解分散为求解单个无人机服务单个地面节点的最短服务时间的飞行轨迹,服务时间为起点到驶入点的飞行时间与驶入点到驶出点的采集时间之和,在结合采集模式,得到最终获得每个无人机的最小任务完成时间轨迹。
构建对飞行轨迹和采集轨迹的联合优化算法对单个地面节点的最小服务时间进行轨迹规划,方案主要分为代价函数构建、途经点的范围构建、循环体构建和最优解寻找四个部分:
1):代价函数构建:
其中,单个地面节点的服务时间由飞行时间和采集时间共同影响,采集时间与驶入点和驶出点的位置有关,驶入驶出点又会影响飞行时间,两者强耦合。因此飞行时间被重新定义为di1和di2分别是为地面节点i从起点到驶入点和驶出点到终点的两段飞行轨迹的长度,本发明此处的起点为地面节点i-1的驶出点,终点为地面节点i+1的驶入点。无人机依次经过起点、驶入点、顶点、驶出点和终点。
2):途径点的范围构建:
L1min≤di1≤L1max,L2min≤di2≤L2max (7)
3):循环体构建:
无人机服务地面节点i的飞行轨迹的取值范围划分成k份,采用迭代算法把每一组Δ1,Δ2的值带入(6)式中求出此驶入点和驶出点以及对应的V型轨迹顶点的服务时间存入一个k×k的二维数组中。
4):最优解寻找:
在k×k的二维数组中找到最小值,得到无人机服务地面节点的驶出点、驶入点和顶点的坐标。下一个地面节点的驶入点会覆盖上一个节点终点,依次得到每个无人机的最小化任务完成时间的飞行轨迹。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种面向多无人机数据采集时间最小化的V型轨迹规划方法,其特征在于:包括以下步骤:
S1:根据无人机飞行轨迹长度和采集轨迹长度,构建多无人机任务平等分配模型;
S2:利用V型轨迹采集,构建使无人机数据采集时间最短的采集轨迹;
S3:联合优化无人机飞行轨迹和采集轨迹,最小化单个无人机的任务完成时间。
2.根据权利要求1所述的面向多无人机数据采集时间最小化的V型轨迹规划方法,其特征在于:在步骤S1中,无人机的数据采集范围设置为以地面节点为圆心,半径为D的圆内,根据无人机飞行轨迹长度和采集轨迹长度,地面节点位置和待上传数据包大小,构建多无人机分配任务模型,单无人机j服务单个地面节点i的任务量设为Γij
上式表示把单个节点飞行任务和采集任务的任务量视为采集范围外的轨迹和采集范围内的轨迹长度的权重之和,a,b分别为飞行轨迹长度和采集轨迹长度的权重,视采集任务量和飞行轨迹长度大小而变化,为地面节点i的坐标,为地面节点i+1的坐标;由于无人机采集地面节点的顺序将影响飞行轨迹的长度,因此无人机j的总任务量TQj由所需服务的节点数目pj和采集顺序Sj决定:
把N个地面节点的飞行任务和采集任务公平地分配给M个无人机,则需使得多无人机中获得最大任务量的无人机的任务量最小化,通过优化每台无人机的采集顺序S,和所服务的节点数目n,将其转化为最小化最大值问题:
求解式(3)是一个n-p难题,将其转换为多旅行商问题(MTSP)并通过遗传算法求解,此目标函数的求解得,地面节点按照顺序S依次链接得到无人机初始轨迹。
4.根据权利要求3所述的面向多无人机数据采集时间最小化的V型轨迹规划方法,其特征在于:步骤S2中,在飞行采集模式下,无人机在采集范围内以最大速度vmax采集数据,无人机的采集轨迹经过采集半径D的圆上驶入点FIP和驶出点FOP的中垂线,采集轨迹最终呈现对称的V字型,无人机在两边获得的吞吐量相同,飞行采集模式最小采集时间为tfi
约束条件为:
0≤d≤L(4.2)
6.根据权利要求1所述的面向多无人机数据采集时间最小化的V型轨迹规划方法,其特征在于:步骤S3中,采用贪婪算法把单个无人机最小任务完成时间的轨迹优化分散为单个无人机服务单个地面节点的服务时间的轨迹优化,服务时间为起点到驶入点的飞行时间与驶入点到驶出点的采集时间之和,构建对飞行轨迹和采集轨迹的联合优化算法对单个地面节点的最小服务时间进行轨迹规划,方案分为代价函数构建、途经点的范围构建、循环体构建和最优解寻找四个部分:
1)代价函数构建:
其中,飞行时间被重新定义为di1和di2分别是为地面节点i从起点到驶入点和驶出点到终点的两段飞行轨迹的长度,所述起点为地面节点i-1的驶出点,所述终点为地面节点i+1的驶入点;单个地面节点的服务时间由飞行时间和采集时间共同影响,采集时间与驶入点和驶出点的位置有关,驶入驶出点又会影响飞行时间,两者强耦合,采用迭代求出最优解;无人机依次经过起点、驶入点、顶点、驶出点和终点;
2)途径点的范围构建:
L1min≤di1≤L1max,L2min≤di2≤L2max (7)
3)循环体构建:
把无人机服务地面节点i的飞行轨迹的取值范围划分成k份,采用迭代算法把每一组Δ1,Δ2的值带入式(6)中求出所述驶入点和驶出点以及对应的V型轨迹顶点和服务时间存入一个k×k的二维数组中;
4)最优解寻找:
在k×k的二维数组中找到最小值,得到无人机服务地面节点的驶出点、驶入点和顶点的坐标;下一个地面节点的驶入点覆盖上一个节点终点,依次得到每个无人机的最小化任务完成时间的飞行轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227471.2A CN113885566B (zh) | 2021-10-21 | 2021-10-21 | 面向多无人机数据采集时间最小化的v型轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227471.2A CN113885566B (zh) | 2021-10-21 | 2021-10-21 | 面向多无人机数据采集时间最小化的v型轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113885566A true CN113885566A (zh) | 2022-01-04 |
CN113885566B CN113885566B (zh) | 2024-01-23 |
Family
ID=79004211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111227471.2A Active CN113885566B (zh) | 2021-10-21 | 2021-10-21 | 面向多无人机数据采集时间最小化的v型轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113885566B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524763A (zh) * | 2023-05-16 | 2023-08-01 | 重庆邮电大学 | 一种联合优化无人机飞行轨迹与地面节点发射功率的数据采集方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120116614A1 (en) * | 2010-11-09 | 2012-05-10 | Lockheed Martin Corporation | Method and apparatus for air traffic trajectory synchronization |
CN103324993A (zh) * | 2013-07-15 | 2013-09-25 | 中国电子科技集团公司第二十八研究所 | 一种基于多飞行器协同作战的轨迹优化方法 |
EP3166055A1 (en) * | 2015-11-05 | 2017-05-10 | The Boeing Company | A computer-implemented method and system for setting up an air traffic simulator |
US20190035286A1 (en) * | 2017-07-27 | 2019-01-31 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
TWI676003B (zh) * | 2018-05-22 | 2019-11-01 | 旻新科技股份有限公司 | 利用禽鳥飛行路徑規畫無人飛行載具路徑的方法 |
CN110426039A (zh) * | 2019-07-04 | 2019-11-08 | 中国人民解放军陆军工程大学 | 基于任务完成时间最小化的多无人机路径规划方法 |
US20200100065A1 (en) * | 2017-03-22 | 2020-03-26 | Nokia Technologies Oy | Systems and apparatuses for detecting unmanned aerial vehicle |
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 |
CN111338350A (zh) * | 2020-03-10 | 2020-06-26 | 青岛蓝海未来海洋科技有限责任公司 | 基于贪婪机制粒子群算法的无人船路径规划方法及系统 |
CN111880573A (zh) * | 2020-07-31 | 2020-11-03 | 电子科技大学 | 一种基于视觉惯导融合的四旋翼自主导航方法 |
CN113377131A (zh) * | 2021-06-23 | 2021-09-10 | 东南大学 | 一种使用强化学习获得无人机收集数据轨迹的方法 |
-
2021
- 2021-10-21 CN CN202111227471.2A patent/CN113885566B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120116614A1 (en) * | 2010-11-09 | 2012-05-10 | Lockheed Martin Corporation | Method and apparatus for air traffic trajectory synchronization |
CN103324993A (zh) * | 2013-07-15 | 2013-09-25 | 中国电子科技集团公司第二十八研究所 | 一种基于多飞行器协同作战的轨迹优化方法 |
EP3166055A1 (en) * | 2015-11-05 | 2017-05-10 | The Boeing Company | A computer-implemented method and system for setting up an air traffic simulator |
US20200100065A1 (en) * | 2017-03-22 | 2020-03-26 | Nokia Technologies Oy | Systems and apparatuses for detecting unmanned aerial vehicle |
US20190035286A1 (en) * | 2017-07-27 | 2019-01-31 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
TWI676003B (zh) * | 2018-05-22 | 2019-11-01 | 旻新科技股份有限公司 | 利用禽鳥飛行路徑規畫無人飛行載具路徑的方法 |
CN110426039A (zh) * | 2019-07-04 | 2019-11-08 | 中国人民解放军陆军工程大学 | 基于任务完成时间最小化的多无人机路径规划方法 |
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 |
CN111338350A (zh) * | 2020-03-10 | 2020-06-26 | 青岛蓝海未来海洋科技有限责任公司 | 基于贪婪机制粒子群算法的无人船路径规划方法及系统 |
CN111880573A (zh) * | 2020-07-31 | 2020-11-03 | 电子科技大学 | 一种基于视觉惯导融合的四旋翼自主导航方法 |
CN113377131A (zh) * | 2021-06-23 | 2021-09-10 | 东南大学 | 一种使用强化学习获得无人机收集数据轨迹的方法 |
Non-Patent Citations (2)
Title |
---|
ZHEN QIN 等: "Completion Time Minimization for Multi-UAV Information Collection via Trajectory Planning", 《SENSORS》, pages 1 - 22 * |
谢 军 等: "多无人机协同探测时间最小化问题的研究", 《杭 州 电 子 科 技 大 学 学 报(自然科学版)》, vol. 37, no. 6, pages 95 - 99 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524763A (zh) * | 2023-05-16 | 2023-08-01 | 重庆邮电大学 | 一种联合优化无人机飞行轨迹与地面节点发射功率的数据采集方法 |
CN116524763B (zh) * | 2023-05-16 | 2024-01-23 | 重庆邮电大学 | 一种联合优化无人机飞行轨迹与地面节点发射功率的数据采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113885566B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110364031B (zh) | 地面传感器网络中无人机集群的路径规划和无线通信方法 | |
CN108768497B (zh) | 无人机辅助无线传感网及其节点调度与飞行参量设计方法 | |
Ho et al. | Optimization of wireless sensor network and UAV data acquisition | |
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 | |
CN110608743A (zh) | 基于多种群混沌灰狼算法的多无人机协同航路规划方法 | |
CN110418434B (zh) | 一种无人机辅助的无线传感器网络充电方法与装置 | |
CN113131985B (zh) | 一种基于信息年龄最优路径规划的多无人机数据收集方法 | |
CN114142908B (zh) | 一种面向覆盖侦察任务的多无人机通信资源分配方法 | |
CN112911537B (zh) | 一种多无人机信息采集系统任务时间最小化的方法 | |
CN110147040A (zh) | 无人机携能传输的飞行轨迹与功率分配联合优化方法 | |
CN116627162A (zh) | 基于多智能体强化学习的多无人机数据采集位置优化方法 | |
CN113485409A (zh) | 一种面向地理公平性的无人机路径规划分配方法及系统 | |
CN113885566A (zh) | 面向多无人机数据采集时间最小化的v型轨迹规划方法 | |
CN117270559A (zh) | 一种基于强化学习的无人机集群部署与轨迹规划方法 | |
CN113259835B (zh) | 一种基于地面蜂窝系统的无人机集群部署方法 | |
Xu et al. | Aerial edge computing: Flying attitude-aware collaboration for multi-UAV | |
CN111061299B (zh) | 一种基于无人机飞行轨迹的地面传感器数据采集方法 | |
CN113776531A (zh) | 无线自供电通信网络的多无人机自主导航及任务分配算法 | |
CN116634391A (zh) | 一种基于无人机辅助的数据收集方法 | |
CN115599123B (zh) | 一种用于无人机集群多着陆区协同着陆的分布式方法 | |
CN115877870A (zh) | 一种基于机会数据采集的无人机在线路径规划方法 | |
Poudel et al. | Priority-aware task assignment and path planning for efficient and load-balanced multi-UAV operation | |
CN116205390A (zh) | 一种基于联邦强化学习的多无人机数据收集方法及系统 | |
CN113741530B (zh) | 一种基于多无人机群智感知的数据采集方法 | |
CN112333648B (zh) | 一种基于无人机的动态数据收集方法 |
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 |