CN114489146B - 一种多无人机数据收集系统的调度与轨迹规划方法 - Google Patents

一种多无人机数据收集系统的调度与轨迹规划方法 Download PDF

Info

Publication number
CN114489146B
CN114489146B CN202210389960.6A CN202210389960A CN114489146B CN 114489146 B CN114489146 B CN 114489146B CN 202210389960 A CN202210389960 A CN 202210389960A CN 114489146 B CN114489146 B CN 114489146B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
point
data
time
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.)
Active
Application number
CN202210389960.6A
Other languages
English (en)
Other versions
CN114489146A (zh
Inventor
杨鲲
申帅
杜璇
梅海波
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.)
Chengdu Huijianlian Information Technology Co ltd
Original Assignee
Chengdu Huijianlian Information Technology Co ltd
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 Chengdu Huijianlian Information Technology Co ltd filed Critical Chengdu Huijianlian Information Technology Co ltd
Priority to CN202210389960.6A priority Critical patent/CN114489146B/zh
Publication of CN114489146A publication Critical patent/CN114489146A/zh
Application granted granted Critical
Publication of CN114489146B publication Critical patent/CN114489146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

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

本发明涉及一种多无人机数据收集系统的调度与轨迹规划方法，属于无线通信技术领域，调度与轨迹规划方法包括：S1、构建有时间窗物联网系统模型；S2、给每个物联网设备均设置一个无人机悬停点，无人机仅能在悬停点才能从相应物联网设备收集数据，以确定有时间窗物联网中多无人机数据收集机制；S3、建立多无人机调度与飞行轨迹优化问题，以降低系统运营成本；S4、通过改进的蚁群算法以及连续凸近似方法对优化问题进行求解。本发明的优点在于：实际考虑物联网设备数据上传要求与无人机的性能约束，在实现数据收集的同时，不仅能够减少无人机的使用数量，还能够减少无人机的工作时间，进而降低了系统的运营成本。

Description

一种多无人机数据收集系统的调度与轨迹规划方法
技术领域
本发明涉及无线通信网络技术领域，尤其涉及一种多无人机数据收集系统的调度与轨迹规划方法。
背景技术
随着5G时代的到来，物联网发展迅速，应用领域涉及工业、农业、运输业等各个方面，人们的日常生活已经离不开物联网，未来物联网在各种应用的广泛进步必然使得网络设备的数量成倍增加，信息流量预计在未来十年内继续呈指数增长，此外，物联网设备分布广泛，且大多为异构设备，对网络应用要求基本不同，也会给数据收集带来极大的挑战。
近年来，无人机技术逐渐成熟，利用无人机的移动性与灵活性，可以有效解决上述数据收集的困难问题；无人机作为传统地面通信系统的补充，可以有效提高数据收集的覆盖面积、设备接入数量以及数据传输速率，由于其在数据收集领域的巨大优势，无人机的应用受到广泛的关注；目前研究的主要可以分为单无人机系统与多无人机系统，主要的关注点为能效最大化、吞吐量最大化与任务完成时间最小化等，然而，目前没有关于物联网设备数据上传的时间窗方面的技术被公开；在实际的物联网应用中，设备数据采集的完成需要时间，时延敏感型设备对数据上传的及时性也有要求，因此物联网设备数据上传实际上大多只能在一个时间范围内完成才能满足应用需求。
另外，现有的研究大多只考虑了物联网设备的能耗与数据量等，并未考虑无人机的存储与电池容量，而无人机的存储容量限制了其能够收集的数据量，无人机的电池容量决定了其飞行距离以及能够服务的设备数量，从这方面也会影响无人机数据的收集。
发明内容
本发明的目的在于克服现有技术的缺点，提供了一种多无人机数据收集系统的调度与轨迹规划方法，解决多无人机数据收集问题，在保证数据收集任务完成的情况下，最小化无人机使用数量与工作时间，降低系统的运营成本。
本发明的目的通过以下技术方案来实现：一种多无人机数据收集系统的调度与轨迹规划方法，所述调度与轨迹规划方法包括：
S1、构建有时间窗物联网系统模型：系统中有N个旋翼无人机飞行在固定高度H收集地面上K个物联网设备的数据，设置各物联网设备的时间窗为[Ak,Bk]，其中Ak为时间窗的起始时间，Bk为时间窗的结束时间，设置起始点的时间窗为[A0,B0]，其中A0=0，B0=TE，TE为无人机返回起始点的最晚时间；
S2、给每个物联网设备均设置一个无人机悬停点，无人机仅能在悬停点才能从相应物联网设备收集数据，以确定有时间窗物联网中多无人机数据收集机制；
S3、建立多无人机调度与飞行轨迹优化问题，以降低系统运营成本；
S4、通过改进的蚁群算法以及连续凸近似方法对优化问题进行求解。
所述建立多无人机调度与飞行轨迹优化问题包括：
将无人机的归一化成本设置为
Figure 194287DEST_PATH_IMAGE001
，将无人机起始点作为第一个无数据上传的设备，编号为0，其中，
Figure 845848DEST_PATH_IMAGE002
表示派出无人机的数量，
Figure 15798DEST_PATH_IMAGE003
表示所有无人机的总工作时间，λij[n]表示第n个无人机的服务顺序和路径，若第n个无人机从第i个悬停点飞到第j个悬停点并收集第j个悬停点的数据，λij[n]=1；否则，λij[n]=0，
Figure 348690DEST_PATH_IMAGE004
为第n个无人机在第j个悬停点与相应设备的数据传输时间，Dj为第j个设备需要上传的数据量，Rj为第j个设备向悬停在相应悬停点的无人机传输数据的速率，
Figure 352943DEST_PATH_IMAGE005
为第n个无人机从第i个悬停点飞到第j个悬停点所用的时间，
Figure 378668DEST_PATH_IMAGE006
为第n个无人机在第j个悬停点等待相应设备时间窗打开的时间，Bj为第j个悬停点时间窗的结束时间，tj[n]为第n个无人机打到第j个悬停点的时刻；
Figure 832652DEST_PATH_IMAGE007
是无人机运行成本的归一化系数，p1表示使用一架无人机的价格，p2表示无人机单位工作时间的价格；
根据有时间窗物联网系统模型以及多无人机数据收集机制，将最小化无人机运行成本为目标的无人机调度与飞行轨迹优化问题建模为：
Figure 969235DEST_PATH_IMAGE008
Figure 825064DEST_PATH_IMAGE009
Figure 756111DEST_PATH_IMAGE010
Figure 697391DEST_PATH_IMAGE011
Figure 372086DEST_PATH_IMAGE012
Figure 85352DEST_PATH_IMAGE013
Figure 452879DEST_PATH_IMAGE014
Figure 84718DEST_PATH_IMAGE015
Figure 563104DEST_PATH_IMAGE016
Figure 393525DEST_PATH_IMAGE017
Figure 666375DEST_PATH_IMAGE018
其中，wj为第j个设备的坐标，w0为起始点的坐标，uj表示第j个设备所对应的悬停点的坐标，u0表示起始点对应的悬停点的坐标，
Figure 785509DEST_PATH_IMAGE019
为第n个无人机的悬停功率，
Figure 319783DEST_PATH_IMAGE020
为第n个无人机的飞行功率，En为第n个无人机的电池容量，约束C1.1-C1.4为无人机飞行轨迹约束；约束C1.5为设备数据上传约束；约束C1.6为起始悬停点约束；约束C1.7为无人机存储容量约束，保证无人机收集的数据不超过其存储容量，Mn为第n个无人机的存储容量；约束C1.8为无人机电池容量约束，保证无人机返回起始点时消耗的能量不超过其电池容量；约束C1.9-C1.11为时间窗约束，保证设备数据上传在时间窗关闭前完成。
所述通过改进的蚁群算法以及连续凸近似方法对优化问题进行求解包括：
S41、将优化问题划分为两个子问题，第一个子问题对无人机飞行轨迹进行设置，第二个子问题对无人机悬停位置进行设置；
S42、通过改进的蚁群算法对第一个子问题进行求解；
S43、通过连续凸近似方法对第二个子问题进行求解。
所述通过改进的蚁群算法对第一个子问题进行求解包括：
给定任意的悬停点坐标uj，将无人机调度与飞行轨迹优化问题P1转变为：
Figure 755444DEST_PATH_IMAGE021
Figure 714042DEST_PATH_IMAGE022
Figure 805625DEST_PATH_IMAGE023
Figure 671819DEST_PATH_IMAGE024
Figure 165249DEST_PATH_IMAGE025
Figure 294747DEST_PATH_IMAGE026
Figure 670365DEST_PATH_IMAGE027
Figure 558161DEST_PATH_IMAGE028
Figure 968413DEST_PATH_IMAGE029
Figure 268813DEST_PATH_IMAGE030
目标函数以及约束C2.7-C2.10中的二进制变量λij[n]和到达时间变量tj[n]耦合。
每只蚂蚁先搜索第一架无人机的轨迹，当仍有设备的数据未采集且作为下一个服务的设备均不满足约束时，增加一架无人机，重新计算各设备的数据传输速率并重新规划无人机的轨迹，如此循环，直到所有设备均被访问，当所有蚂蚁都完成路径搜索后，从中选取使目标函数最小的作为算法当前循环的最优解
Figure 584257DEST_PATH_IMAGE031
，并更新全局信息素。
所述通过连续凸近似方法对第二个子问题进行求解包括：
给定任意可行无人机轨迹λij[n]，无人机派出数量变为固定值L，将无人机调度与飞行轨迹优化问题P1转换为：
Figure 746248DEST_PATH_IMAGE032
Figure 260275DEST_PATH_IMAGE033
Figure 216730DEST_PATH_IMAGE034
Figure 84716DEST_PATH_IMAGE035
Figure 50398DEST_PATH_IMAGE036
引入松弛变量ηj，将问题P3转变为：
Figure 418931DEST_PATH_IMAGE037
Figure 749550DEST_PATH_IMAGE038
Figure 836323DEST_PATH_IMAGE039
Figure 605696DEST_PATH_IMAGE040
Figure 297578DEST_PATH_IMAGE041
Figure 848032DEST_PATH_IMAGE042
设第r次迭代的悬停点坐标为
Figure 172834DEST_PATH_IMAGE043
，传输速率Rj的全局下界为
Figure 198428DEST_PATH_IMAGE044
，其中，
Figure 26707DEST_PATH_IMAGE045
，
Figure 10712DEST_PATH_IMAGE046
为常数；
将约束C4.6中的Rj替换为其下限，则问题P4转换为：
Figure 822810DEST_PATH_IMAGE047
Figure 183253DEST_PATH_IMAGE048
Figure 131618DEST_PATH_IMAGE049
Figure 289454DEST_PATH_IMAGE050
Figure 775799DEST_PATH_IMAGE051
Figure 690665DEST_PATH_IMAGE052
；
问题P5为凸问题，约束C5.6使用的是传输速率Rj的下界，问题P5的最优解是问题P4的上界，通过迭代算法连续求解问题P5并更新悬停点坐标，直到算法收敛，进而求解问题P4。
所述通过迭代算法连续求解问题P5并更新悬停点坐标，直到算法收敛包括：
参数初始化：令迭代次数r=0，初始化悬停点坐标
Figure 742804DEST_PATH_IMAGE053
；
求解问题P5：给定
Figure 819344DEST_PATH_IMAGE053
求解问题P5，将解表示为
Figure 792985DEST_PATH_IMAGE054
；
更新悬停点坐标：更新
Figure 980384DEST_PATH_IMAGE055
，更新r←r+1，直到连续两次迭代的目标函数值小于给定精度值。
本发明具有以下优点：一种多无人机数据收集系统的调度与轨迹规划方法，实际考虑物联网设备数据上传要求与无人机的性能约束，在实现数据收集的同时，不仅能够减少无人机的使用数量，还能够减少无人机的工作时间，进而降低了系统的运营成本。
附图说明
图1为本发明的设计流程图；
图2为本发明的有时间窗物联网中无人机数据收集机制图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示，本发明涉及一种面向有时间窗多无人机数据收集系统的调度与轨迹规划方法，其具体包括以下内容：
S1、给出有时间窗物联网系统模型；
假设系统中有N个旋翼无人机可以用来收集地面上K个物联网设备的数据，N为一个远大于实际派出数量的常数。这些无人机从起始点出发，飞行在一个固定的高度H收集数据，且必须在给定的最大工作时间内返回起始点。为了便于分析，将起始点看作一个无数据上传的特殊设备，其编号表示为0。此外，假设在无人机起飞之前，起始点处的控制中心了解各个设备的位置与时间窗、无人机的存储与电池容量，以及无人机与设备之间的信道状态信息（CSI），系统中的决策均由该控制中心产生。
在紧急救援、灾难检测与目标追踪等时延敏感型物联网应用中，数据的时效性至关重要。设备的数据若不能及时上传，则会影响网络决策的准确性，造成严重的后果。这一类物联网设备一般对数据上传的时延有严格的要求，为保证数据的实时性，数据必须在其要求的时间内完成上传。此外，物联网设备的存储量大多有限，旧数据若不能及时上传就可能被新数据覆盖。另外，无人机与物联网设备建立连接时，设备可能并未完成信息采集，无法进行数据上传。据此，本发明假设每个物联网设备均有一个时间窗，时间窗的起始时间表示设备完成信息采集的时间，结束时间表示数据过期或被覆盖的时间。因此，无人机对相应设备的数据收集只能在其时间窗范围内完成。
本发明将各物联网设备的时间窗表示为[Ak,Bk]，其中Ak为时间窗的起始时间，Bk为时间窗的结束时间。因为无人机需要在规定时间内返回起始点，所以假设起始点也有一个时间窗[A0,B0]，其中A0=0，B0=TE，TE即为无人机返回起始点的最晚时间。如此，无人机出发前就已准备好数据上传，且无时延要求的物联网设备的时间窗就和起始点的相同，即Ai=A0，Bi=B0。
S2、确定有时间窗物联网中多无人机数据收集机制；
假设每个物联网设备均有一个无人机的悬停点，无人机仅能在该点悬停时才能从相应设备收集数据。因此悬停点的个数也为K，各设备与其相应的悬停点的表示符号也相同。图2中描绘了有时间窗物联网中无人机数据收集的机制。当无人机到达悬停点时，若物联网设备的时间窗尚未打开，则无人机在悬停点等待，直到设备时间窗的起始时间；若物联网设备的时间窗已经打开，则直接进行数据收集。将第n个无人机的服务顺序和路径表示为λij[n]。若第n个无人机从第i个悬停点飞到第j个悬停点并收集第j个悬停点的数据，λij[n]=1；否则，λij[n]=0。
由于所有无人机均从起始点出发，完成任务后也返回起始点，所以有
Figure 143820DEST_PATH_IMAGE056
，
Figure 391261DEST_PATH_IMAGE057
；
此外，因为无人机飞向某一个悬停点，也必将从该悬停点飞出，假设该悬停点为u，则有
Figure 914515DEST_PATH_IMAGE058
；
为了便于数据整合，每个物联网设备只向一个无人机上传数据，即
Figure 905605DEST_PATH_IMAGE059
；
不失一般性，本发明考虑3D笛卡尔坐标系。第i个设备的坐标和相应悬停点的水平坐标分别表示为
Figure 135598DEST_PATH_IMAGE060
和
Figure 803209DEST_PATH_IMAGE061
，g表示ground，指地面设备的坐标，h表示hovering，表示该设备相应悬停点的坐标。现有研究已指出无人机和地面设备之间的通信主要是视距链路，则第i个设备和相应悬停点处无人机之间的信道功率增益可以表示为：
Figure 298912DEST_PATH_IMAGE062
其中，ρ0是参考距离d0=1m处的信道功率增益。为了避免无人机之间的通信干扰，本发明假设无人机通过频分多路复用（FDM）技术工作在不重叠的信道内，也就是均分BHz的带宽。假设物联网设备的传输功率为Pi，则第j个设备和相应悬停点处无人机之间的传输速率为：
Figure 814732DEST_PATH_IMAGE064
其中，W为信道带宽，σ2为加性高斯白噪声（AWGN）功率，
Figure 181122DEST_PATH_IMAGE065
为参考距离处接收信噪比，
Figure 285213DEST_PATH_IMAGE066
表示派出的无人机数量。可见，派出无人机数量的增加会减少各无人机的带宽，进而降低其数据的传输速率。
无人机的功耗主要分为两部分：通信功耗和推进功耗。前者主要包括电路功耗、信号接收和处理功耗，这部分功耗远小于推进功耗，因此在本发明忽略通信功耗。推进功耗是无人机飞行和悬停的功耗，主要取决于无人机的飞行速度和加速度。然而，无人机的加速度时间仅占其总工作时间的极小一部分，与匀速阶段相比，加速阶段的时长可忽略。因此，本发明中在功耗中忽略无人机的加速部分。此外，为了保证数据收集的时效性，本发明假设无人机在悬停点之间以最大速度飞行。如此，各无人机的悬停与飞行功耗即为固定常数，分别表示为
Figure 268213DEST_PATH_IMAGE067
和
Figure 850373DEST_PATH_IMAGE020
。
S3、建立多无人机调度与飞行轨迹优化问题；
现有的研究大多将无人机和基站的能耗作为网络运营成本，无人机的使用与维护成本常常被忽略。由于无人机高昂的使用与维护成本，其在网络运营成本中占有较大比重。事实上，无人机的能耗与维护成本主要与其工作时间相关，因此无人机数量和工作时间的优化对网络运营成本的降低意义重大。本发明将无人机的归一化成本定义为：
Figure 789379DEST_PATH_IMAGE068
；
将无人机起始点作为第一个无数据上传的设备，编号为0，其中，
Figure 815103DEST_PATH_IMAGE069
表示派出无人机的数量，
Figure 272017DEST_PATH_IMAGE003
表示所有无人机的总工作时间，λij[n]表示第n个无人机的服务顺序和路径，若第n个无人机从第i个悬停点飞到第j个悬停点并收集第j个悬停点的数据，λij[n]=1；否则，λij[n]=0，
Figure 674180DEST_PATH_IMAGE004
为第n个无人机在第j个悬停点与相应设备的数据传输时间，Dj为第j个设备需要上传的数据量，Rj为第j个设备向悬停在相应悬停点的无人机传输数据的速率，
Figure 467692DEST_PATH_IMAGE070
为第n个无人机从第i个悬停点飞到第j个悬停点所用的时间，
Figure 664318DEST_PATH_IMAGE071
为第n个无人机在第j个悬停点等待相应设备时间窗打开的时间，Bj为第j个悬停点时间窗的结束时间，tj[n]为第n个无人机打到第j个悬停点的时刻；
Figure 871177DEST_PATH_IMAGE007
是无人机运行成本的归一化系数，p1表示使用一架无人机的价格，p2表示无人机单位工作时间的价格，包含维护与充电价格等。
基于上述有时间窗物联网系统模型以及多无人机数据收集机制，在有时间窗物联网系统中，考虑设备数据上传完整性以及无人机存储与电池容量的情况下，以最小化无人机运行成本为目标的无人机调度与轨迹优化问题可以建模为：
Figure 545872DEST_PATH_IMAGE008
Figure 256208DEST_PATH_IMAGE009
Figure 623736DEST_PATH_IMAGE072
Figure 789662DEST_PATH_IMAGE011
Figure 720578DEST_PATH_IMAGE012
Figure 301732DEST_PATH_IMAGE013
Figure 89429DEST_PATH_IMAGE014
Figure 756033DEST_PATH_IMAGE015
Figure 21798DEST_PATH_IMAGE016
Figure 660721DEST_PATH_IMAGE017
Figure 368388DEST_PATH_IMAGE018
其中，wj为第j个设备的坐标，w0为起始点的坐标，uj表示第j个设备所对应的悬停点的坐标，u0表示起始点对应的悬停点的坐标，
Figure 522289DEST_PATH_IMAGE073
为第n个无人机的悬停功率，
Figure 591745DEST_PATH_IMAGE020
为第n个无人机的飞行功率，En为第n个无人机的电池容量，目标函数旨在最小化系统中无人机的派出数量和工作时间，约束C1.1-C1.4为无人机飞行轨迹约束；约束C1.5为设备数据上传约束；约束C1.6为起始悬停点约束；约束C1.7为无人机存储容量约束，保证无人机收集的数据不超过其存储容量，Mn为第n个无人机的存储容量；约束C1.8为无人机电池容量约束，保证无人机返回起始点时消耗的能量不超过其电池容量；约束C1.9-C1.11为时间窗约束，保证设备数据上传在时间窗关闭前完成。
S4、解决优化问题；具体包括：
S41、分解优化问题；
从问题P1可以看到，无人机轨迹λij[n]是二进制变量，悬停点坐标uj和无人机到达时间tj[n]为连续变量。此外，目标函数为非凸函数，约束C1.8-C1.11为非凸约束。因此，该问题为混合整数非凸问题，难以用标准的数学方法求解。为了求解该问题，我们将其分解为两个子问题：无人机轨迹优化问题和悬停点优化问题。
S42、求解第一个子问题。给定任意可行的悬停点坐标uj，问题P1变为：
Figure 881912DEST_PATH_IMAGE021
Figure 276990DEST_PATH_IMAGE022
Figure 652608DEST_PATH_IMAGE023
Figure 463438DEST_PATH_IMAGE024
Figure 670428DEST_PATH_IMAGE025
Figure 911441DEST_PATH_IMAGE026
Figure 23623DEST_PATH_IMAGE027
Figure 185614DEST_PATH_IMAGE028
Figure 168482DEST_PATH_IMAGE029
Figure 656095DEST_PATH_IMAGE030
可见，目标函数以及约束C2.7-C2.10中的二进制变量λij[n]和到达时间变量tj[n]耦合，因此该问题仍是一个混合整数非凸问题。
考虑无人机数量固定的特殊场景，在该场景中，数据上传时间
Figure 255573DEST_PATH_IMAGE074
为固定值。问题P2归约为无人机飞行与等待时间最小化问题，等价于有时间窗车辆路径规划问题（VRPTW）。在该问题中，多辆车辆从仓库出发，从多客户处收货，完成任务后返回仓库。每个客户仅能被某一辆车收货一次，且车辆收取到的货物不能超过其承载量。VRPTW问题为NP-hard问题，所以问题P2也为NP-hard问题。另外，问题P2还考虑了无人机的数量，由于无人机平分带宽，过多的无人机反而会降低数据传输速率，因此问题P2更难以求解。
虽然VRPTW为NP-hard问题，通过各种启发式算法仍能得到高质量的近似解。受此启发，本发明根据问题P2的特性，提出了一种改进的蚁群算法，以获得其近似解。在该算法中，蚂蚁负责搜索所有派出无人机的轨迹，因此每只蚂蚁的路径不仅表示无人机的轨迹，还表示派出无人机的数量。每只蚂蚁先搜索第一架无人机的轨迹，当仍有设备的数据未采集且作为下一个服务的设备均不满足约束时，增加一架无人机，重新计算各设备的数据传输速率并重新规划无人机的轨迹。如此循环，直到所有设备均被访问。当所有蚂蚁都完成路径搜索后，从中选取使目标函数最小的作为算法当前循环的最优解
Figure 955675DEST_PATH_IMAGE031
，并更新全局信息素。算法根据当前信息素进行下一轮循环，直到算法收敛或达到最大迭代次数。
S43、求解第二个子问题。给定任意可行无人机轨迹λij[n]，无人机派出数量变为固定值。假设该值为L，原问题P1变为：
Figure 530401DEST_PATH_IMAGE032
Figure 172603DEST_PATH_IMAGE033
Figure 275689DEST_PATH_IMAGE034
Figure 232012DEST_PATH_IMAGE035
Figure 471364DEST_PATH_IMAGE036
目标函数和约束C3.2、C3.3、C3.5依然非凸，因此该问题依然为非凸问题。为了使问题便于求解，引入松弛变量ηj，问题P3变为：
Figure 487730DEST_PATH_IMAGE037
Figure 64730DEST_PATH_IMAGE038
Figure 372214DEST_PATH_IMAGE039
Figure 715340DEST_PATH_IMAGE040
Figure 653340DEST_PATH_IMAGE041
Figure 449126DEST_PATH_IMAGE042
在该问题的最优解处，约束C4.6必为等式。否则，目标函数依然可以随着松弛变量ηj的增加继续减小，同时不改变悬停点坐标uj且仍满足其他约束。因此，最优解仅可在约束C4.6为等式时取得，也就是说，求解问题P4等价于求解问题P3。
问题P4中的约束C4.6依然为非凸约束，需要进行转化。虽然Rj对悬停点坐标uj非凸，但对
Figure 560302DEST_PATH_IMAGE075
为凸函数。由于任意凸函数得一阶泰勒展开为其全局下界，使用连续凸近似方法可以解决该非凸问题。假设第r次迭代的悬停点坐标为
Figure 757934DEST_PATH_IMAGE053
，传输速率Rj的全局下界可以表示为：
Figure 663573DEST_PATH_IMAGE076
其中，
Figure 203446DEST_PATH_IMAGE077
，
Figure 587154DEST_PATH_IMAGE046
为常数。
将约束C4.6中的Rj替换为其下限，则问题P4变为：
Figure 904871DEST_PATH_IMAGE047
Figure 981412DEST_PATH_IMAGE048
Figure 751791DEST_PATH_IMAGE049
Figure 657299DEST_PATH_IMAGE050
Figure 314676DEST_PATH_IMAGE051
Figure 79894DEST_PATH_IMAGE052
该问题为凸问题，可以使用凸优化方法求解。由于约束C5.6使用的是传输速率Rj的下界，问题P5的最优解是问题P4的上界。为求解问题P4，本发明提出了一种迭代算法。该算法连续求解问题P5并更新悬停点坐标，直到算法收敛。算法的具体过程总结如下：
参数初始化：令迭代次数r=0，初始化悬停点坐标
Figure 88301DEST_PATH_IMAGE053
；
求解问题P5：给定
Figure 328659DEST_PATH_IMAGE053
求解问题P5，将解表示为
Figure 309384DEST_PATH_IMAGE054
；
更新悬停点坐标：更新
Figure 976995DEST_PATH_IMAGE055
，更新r←r+1，直到连续两次迭代的目标函数值小于给定精度值。
由于连续凸近似方法具有单调收敛性，且传输速率Rj下届的梯度与原函数也相同，因此该算法至少可以收敛到一个满足问题P4KKT条件的局部最优解。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (5)

1.一种多无人机数据收集系统的调度与轨迹规划方法，其特征在于：所述调度与轨迹规划方法包括：
S1、构建有时间窗物联网系统模型：系统中有N个旋翼无人机飞行在固定高度H收集地面上K个物联网设备的数据，设置各物联网设备的时间窗为[Ak,Bk]，其中Ak为时间窗的起始时间，Bk为时间窗的结束时间，设置起始点的时间窗为[A0,B0]，其中A0=0，B0=TE，TE为无人机返回起始点的最晚时间；
S2、给每个物联网设备均设置一个无人机悬停点，无人机仅能在悬停点才能从相应物联网设备收集数据，以确定有时间窗物联网中多无人机数据收集机制；
S3、建立多无人机调度与飞行轨迹优化问题，以降低系统运营成本；
S4、通过改进的蚁群算法以及连续凸近似方法对优化问题进行求解；
所述建立多无人机调度与飞行轨迹优化问题包括：
将无人机的归一化成本设置为
Figure DEST_PATH_IMAGE002
，将无人机起始点作为第一个无数据上传的设备，编号为0，其中，
Figure DEST_PATH_IMAGE004
表示派出无人机的数量，
Figure DEST_PATH_IMAGE006
表示所有无人机的总工作时间，λij[n]表示第n个无人机的服务顺序和路径，若第n个无人机从第i个悬停点飞到第j个悬停点并收集第j个悬停点的数据，λij[n]=1；否则，λij[n]=0，
Figure DEST_PATH_IMAGE008
为第n个无人机在第j个悬停点与相应设备的数据传输时间，Dj为第j个设备需要上传的数据量，Rj为第j个设备向悬停在相应悬停点的无人机传输数据的速率，
Figure DEST_PATH_IMAGE010
为第n个无人机从第i个悬停点飞到第j个悬停点所用的时间，
Figure DEST_PATH_IMAGE012
为第n个无人机在第j个悬停点等待相应设备时间窗打开的时间，Bj为第j个悬停点时间窗的结束时间，tj[n]为第n个无人机到达第j个悬停点的时刻；
Figure DEST_PATH_IMAGE014
是无人机运行成本的归一化系数，p1表示使用一架无人机的价格，p2表示无人机单位工作时间的价格；
根据有时间窗物联网系统模型以及多无人机数据收集机制，将最小化无人机运行成本为目标的无人机调度与飞行轨迹优化问题建模为：
Figure DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE020
Figure DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE030
Figure DEST_PATH_IMAGE032
Figure DEST_PATH_IMAGE034
Figure DEST_PATH_IMAGE036
其中，K为悬停点的个数，N为无人机的个数，其为一个远大于实际派出数量的常数，wj为第j个设备的坐标，w0为起始点的坐标，uj表示第j个设备所对应的悬停点的坐标，u0表示起始点对应的悬停点的坐标，Mn为第n个无人机的存储容量，
Figure DEST_PATH_IMAGE038
为第n个无人机的悬停功率，
Figure DEST_PATH_IMAGE040
为第n个无人机的飞行功率，En为第n个无人机的电池容量，约束C1.1-C1.4为无人机飞行轨迹约束；约束C1.5为设备数据上传约束；约束C1.6为起始悬停点约束；约束C1.7为无人机存储容量约束，保证无人机收集的数据不超过其存储容量；约束C1.8为无人机电池容量约束，保证无人机返回起始点时消耗的能量不超过其电池容量；约束C1.9-C1.11为时间窗约束，保证设备数据上传在时间窗关闭前完成。
2.根据权利要求1所述的一种多无人机数据收集系统的调度与轨迹规划方法，其特征在于：所述通过改进的蚁群算法以及连续凸近似方法对优化问题进行求解包括：
S41、将优化问题划分为两个子问题，第一个子问题对无人机飞行轨迹进行设置，第二个子问题对无人机悬停位置进行设置；
S42、通过改进的蚁群算法对第一个子问题进行求解；
S43、通过连续凸近似方法对第二个子问题进行求解。
3.根据权利要求2所述的一种多无人机数据收集系统的调度与轨迹规划方法，其特征在于：所述通过改进的蚁群算法对第一个子问题进行求解包括：
设置一悬停点坐标uj，将无人机调度与飞行轨迹优化问题P1转变为：
Figure DEST_PATH_IMAGE042
Figure DEST_PATH_IMAGE044
Figure DEST_PATH_IMAGE046
Figure DEST_PATH_IMAGE048
Figure DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE054
Figure DEST_PATH_IMAGE056
Figure DEST_PATH_IMAGE058
Figure DEST_PATH_IMAGE060
，
目标函数以及约束C2.7-C2.10中的二进制变量λij[n]和到达时间变量tj[n]耦合；
每只蚂蚁先搜索第一架无人机的轨迹，当仍有设备的数据未采集且作为下一个服务的设备均不满足约束时，增加一架无人机，重新计算各设备的数据传输速率并重新规划无人机的轨迹，如此循环，直到所有设备均被访问，当所有蚂蚁都完成路径搜索后，从中选取使目标函数最小的作为算法当前循环的最优解
Figure DEST_PATH_IMAGE061
，并更新全局信息素。
4.根据权利要求2所述的一种多无人机数据收集系统的调度与轨迹规划方法，其特征在于：所述通过连续凸近似方法对第二个子问题进行求解包括：
设置一无人机轨迹λij[n]，无人机派出数量变为固定值L，将无人机调度与飞行轨迹优化问题P1转换为：
Figure DEST_PATH_IMAGE063
Figure DEST_PATH_IMAGE065
Figure DEST_PATH_IMAGE067
Figure DEST_PATH_IMAGE069
Figure DEST_PATH_IMAGE071
；
引入松弛变量ηj，将问题P3转变为：
Figure DEST_PATH_IMAGE073
Figure DEST_PATH_IMAGE075
Figure DEST_PATH_IMAGE077
Figure DEST_PATH_IMAGE079
Figure DEST_PATH_IMAGE081
Figure DEST_PATH_IMAGE083
；
设第r次迭代的悬停点坐标为
Figure DEST_PATH_IMAGE084
，传输速率Rj的全局下界为
Figure DEST_PATH_IMAGE086
，其中，
Figure DEST_PATH_IMAGE088
，
Figure DEST_PATH_IMAGE090
为常数，其中，W为信道带宽，β0为参考距离处接收信噪比, H为飞行的固定高度；
将约束C4.6中的Rj替换为其下限，则问题P4转换为：
Figure DEST_PATH_IMAGE092
Figure DEST_PATH_IMAGE094
Figure DEST_PATH_IMAGE096
Figure DEST_PATH_IMAGE098
Figure DEST_PATH_IMAGE100
Figure DEST_PATH_IMAGE102
；
问题P5为凸问题，约束C5.6使用的是传输速率Rj的下界，问题P5的最优解是问题P4的上界，通过迭代算法连续求解问题P5并更新悬停点坐标，直到算法收敛，进而求解问题P4。
5.根据权利要求4所述的一种多无人机数据收集系统的调度与轨迹规划方法，其特征在于：所述通过迭代算法连续求解问题P5并更新悬停点坐标，直到算法收敛包括：
参数初始化：令迭代次数r=0，初始化悬停点坐标
Figure DEST_PATH_IMAGE103
；
求解问题P5：给定
Figure 687573DEST_PATH_IMAGE103
求解问题P5，将解表示为
Figure DEST_PATH_IMAGE104
；
更新悬停点坐标：更新
Figure DEST_PATH_IMAGE105
，更新r←r+1，直到连续两次迭代的目标函数值小于给定精度值。
CN202210389960.6A 2022-04-14 2022-04-14 一种多无人机数据收集系统的调度与轨迹规划方法 Active CN114489146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210389960.6A CN114489146B (zh) 2022-04-14 2022-04-14 一种多无人机数据收集系统的调度与轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210389960.6A CN114489146B (zh) 2022-04-14 2022-04-14 一种多无人机数据收集系统的调度与轨迹规划方法

Publications (2)

Publication Number Publication Date
CN114489146A CN114489146A (zh) 2022-05-13
CN114489146B true CN114489146B (zh) 2022-06-28

Family

ID=81488748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210389960.6A Active CN114489146B (zh) 2022-04-14 2022-04-14 一种多无人机数据收集系统的调度与轨迹规划方法

Country Status (1)

Country Link
CN (1) CN114489146B (zh)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10162356B2 (en) * 2016-12-15 2018-12-25 Futurewei Technologies, Inc. Path selection for autonomous vehicles
US11460849B2 (en) * 2018-08-09 2022-10-04 Cobalt Robotics Inc. Automated route selection by a mobile robot
US11164464B1 (en) * 2018-10-08 2021-11-02 Facebook, Inc. Optimizing trajectory of unmanned aerial vehicles
CN111044060B (zh) * 2018-10-12 2023-11-17 株式会社日立制作所 多车辆路径规划方法及多车辆路径规划系统
EP3772026A1 (en) * 2019-07-30 2021-02-03 Bayerische Motoren Werke Aktiengesellschaft Method and system for routing a plurality of vehicles
CN111967673A (zh) * 2020-08-18 2020-11-20 武汉轻工大学 一种基于膜系统的多目标车辆路径优化方法及装置
CN113535620B (zh) * 2021-06-29 2023-03-07 电子科技大学 一种多通道同步高速数据采集装置
CN113401143B (zh) * 2021-07-19 2022-04-12 电子科技大学长三角研究院(衢州) 一种基于驾驶风格和意图的个性化自适应轨迹预测方法
CN113344303B (zh) * 2021-07-19 2023-05-23 安徽工程大学 一种三维地形下多移动机器人能耗优化的时间窗动态避障方法
CN114037180B (zh) * 2021-11-25 2023-02-03 电子科技大学 一种基于分支定价切割算法的协同配送路径优化方法
CN114118616A (zh) * 2021-12-06 2022-03-01 西安邮电大学 一种带软时间窗的多目标车辆路径规划方法
CN114330870B (zh) * 2021-12-27 2024-04-16 安徽大学 一种基于多种群进化算法的带时间窗的车辆路径规划方法

Also Published As

Publication number Publication date
CN114489146A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
You et al. Hybrid offline-online design for UAV-enabled data harvesting in probabilistic LoS channels
Wei et al. UAV-assisted data collection for internet of things: A survey
You et al. 3D trajectory optimization in Rician fading for UAV-enabled data harvesting
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
Zhang et al. Energy-efficient trajectory optimization for UAV-assisted IoT networks
CN112995913B (zh) 一种无人机轨迹、用户关联和资源分配联合优化方法
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
CN110730031B (zh) 一种用于多载波通信的无人机轨迹与资源分配联合优化方法
CN112911537B (zh) 一种多无人机信息采集系统任务时间最小化的方法
Shen et al. Number and operation time minimization for multi-UAV-enabled data collection system with time windows
WO2022242468A1 (zh) 任务卸载方法、调度优化方法和装置、电子设备及存储介质
Liu et al. AoI-minimal task assignment and trajectory optimization in multi-UAV-assisted IoT networks
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
Chen et al. Minimizing the age of information for data collection by cellular-connected UAV
Shi et al. Age of information optimization with heterogeneous uavs based on deep reinforcement learning
CN113506040B (zh) 一种uav蜂群中面向高性能联邦学习的调度和资源分配方法
Nemati et al. Modelling data aided sensing with UAVs for efficient data collection
Qin et al. Stochastic-geometry-based analysis of multipurpose UAVs for package and data delivery
Zhang et al. Multi-objective optimization for UAV-enabled wireless powered IoT networks: an LSTM-based deep reinforcement learning approach
CN114035610A (zh) 一种无人智能集群联合轨迹设计方法
CN114489146B (zh) 一种多无人机数据收集系统的调度与轨迹规划方法
CN112579290A (zh) 一种基于无人机的地面终端设备的计算任务迁移方法
CN117119489A (zh) 一种基于多无人机辅助的无线供能网络的部署和资源优化方法
CN116321237A (zh) 一种基于深度强化学习的无人机辅助车联网数据收集方法

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