CN114840025A - 多无人机多任务智慧分配调度方法 - Google Patents
多无人机多任务智慧分配调度方法 Download PDFInfo
- Publication number
- CN114840025A CN114840025A CN202210614878.9A CN202210614878A CN114840025A CN 114840025 A CN114840025 A CN 114840025A CN 202210614878 A CN202210614878 A CN 202210614878A CN 114840025 A CN114840025 A CN 114840025A
- Authority
- CN
- China
- Prior art keywords
- task
- unmanned aerial
- aerial vehicle
- aerial vehicles
- new
- 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 20
- 238000007689 inspection Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种多无人机多任务智慧分配调度方法,属于无人机技术领域,本发明无人机群收到一个巡查任务后,通过获取当前在执行飞行任务情况(即目前在线无人机执行任务情况)和未来飞行任务情况(目前在线无人机N分钟后有飞行任务),经过处理后计算出该任务何时、任务如何分解、任务如何分配的结果,已达到整体飞行时间最少、飞行距离最短的目的。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及一种多无人机多任务智慧分配调度方法。
背景技术
在目前各类无人机任务调度系统中几乎不存在任何“调度”概念,即针对多项飞行任务,只能单一地、整体地指派给无人机,无人机在收到任务后根据任务队列依次执行。
发明内容
为了解决以上技术问题,本发明提供了一种多无人机多任务智慧分配调度方法。指定条件下,针对多项任务或单个大型任务,通过对任务进行分解重组,并对多个无人机进行任务智慧分发,以达到相同任务下时间或资源使用最小化,以及限定时间内任务调度最优化等目的。
本发明的技术方案是:
多无人机多任务智慧分配调度方法,无人机群收到一个巡查任务后,通过获取当前在执行飞行任务情况(即目前在线无人机执行任务情况)和未来飞行任务情况(目前在线无人机N(N>0)分钟后有飞行任务),经过处理后计算出该任务何时、任务如何分解、任务如何分配的结果,已达到整体飞行时间最少、飞行距离最短的目的。
进一步的,
如果无在执行任务情况&无未来飞行任务,则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机并选择最短航线将任务分发给该无人机;
如果不能,则不断增加无人机数量为N(N>1),将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
进一步的,
如果无在执行任务情况&有未来飞行任务(已经分发给无人机A、B、C),则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;
如果不能,则不断增加无人机数量为N,将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
再进一步的,
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线,包括:
1)判断该无人机是否为A、B、C且执行完新任务后是否影响原待执行任务;
2)如果是A、B、C且影响,则排除A、B、C后重新选择最优路线并将任务分发给该无人机;
3)如果是A、B、C且不影响,将任务分发给A、B、C;
4)如果不是A、B、C,将任务分发给该无人机。
进一步的,
如果有在执行任务情况(无人机A、B、C)&无未来飞行任务,则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;
如果不能,则不断增加无人机数量为N(N>1),将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
再进一步的,
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;包括:
1)判断该无人机是否为A、B、C且原任务结束后是否能够继续待执行新任务;
2)如果是A、B、C且不能继续执行新任务,则排除A、B、C后重新选择最优路线并将任务分发给该无人机;
3)如果是A、B、C且能继续执行新任务,将任务分发给A、B、C;
4)如果不是A、B、C,将任务分发给该无人机。
进一步的,
如果有在执行任务情况(无人机A、B、C)&有未来飞行任务(无人机B、C、E),则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;
如果不能,则不断增加无人机数量为N(N>1),将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
再进一步的,
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;包括:
1)将在执行任务无人机列表与存在未来飞行任务无人机列表进行分组(一组 A、二组B、C,三组E),
2)判断该无人机是否为A且原任务结束后是否能够继续待执行新任务,
3)如果是A且能继续执行新任务,将任务分发给A;
4)如果是A且不能继续执行新任务或不是A,则排除A后重新选择最优路线并判断该无人机是否为BC且原任务结束+新任务后是否能够继续待执行新任务;
5)如果是BC且能继续执行新任务,将任务分发给BC;
6)如果是BC且不能继续执行新任务或不是BC,则排除BC后重新选择最优路线并判断该无人机是否为E且新任务后是否能够继续待执行新任务;
7)如果是E且能继续执行新任务,将任务分发给E;
8)如果不是E,将任务分发给该无人机;
9)如果是E且不能继续执行新任务,则排除E后重新选择最优路线并将任务分发给该无人机。
本发明的有益效果是
针对多个单一任务,该算法可使无人机在前一个任务执行过程中接收并智能分析下一个任务,并在上一个任务结束后返航前继续执行下一任务,达到资源占用最小化目的;针对指定条件下单个的大型巡查任务,该算法对任务进行智能分析分解,调用指定架次、符合条件的最少架次无人机进行任务分发,后续将单个无人机执行任务后的结果进行处理汇总。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通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,都属于本发明保护的范围。
本发明提供了一种多无人机多任务智慧分配调度方法,无人机群收到一个巡查任务后,通过获取当前在执行飞行任务情况(即目前在线无人机执行任务情况) 和未来飞行任务情况(目前在线无人机N分钟后有飞行任务),经过处理后可以计算出该任务何时、任务如何分解、任务如何分配等结果,已达到整体飞行时间最少、飞行距离最短等目的。大致逻辑条件如下:
如果无在执行任务情况&无未来飞行任务
则判断单机是否能够完成该任务
如果能
则通过分析目前所有能完成该任务的无人机并选择最短航线将任务分发给该无人机
如果不能
则不断增加无人机数量为N,将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机
如果无在执行任务情况&有未来飞行任务(已经分发给A、B、C等)
则判断单机是否能够完成该任务
如果能
则通过分析目前所有能完成该任务的无人机,并选择最优航线
判断该无人机是否为A、B、C等且执行完新任务后是否影响原待执行任务如果是A、B、C等且影响
则排除A、B、C等后重新选择最优路线并将任务分发给该无人机
如果是A、B、C等且不影响
将任务分发给A、B、C等
如果不是A、B、C等
将任务分发给该无人机
如果不能
则不断增加无人机数量为N,将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机
如果有在执行任务情况(A、B、C等无人机)&无未来飞行任务
则判断单机是否能够完成该任务
如果能
则通过分析目前所有能完成该任务的无人机,并选择最优航线
判断该无人机是否为A、B、C等且原任务结束后是否能够继续待执行新任务如果是A、B、C等且不能继续执行新任务
则排除A、B、C等后重新选择最优路线并将任务分发给该无人机如果是A、B、C等且能继续执行新任务
将任务分发给A、B、C等
如果不是A、B、C等
将任务分发给该无人机
如果不能
则不断增加无人机数量为N,将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机如果有在执行任务情况(A、B、C等无人机)&有未来飞行任务(B、C、E等无人机) 则判断单机是否能够完成该任务
如果能
则通过分析目前所有能完成该任务的无人机,并选择最优航线
将在执行任务无人机列表与存在未来飞行任务无人机列表进行分组(一组A、二组B、C,三组E)
判断该无人机是否为A等且原任务结束后是否能够继续待执行新任务
如果是A等且能继续执行新任务
将任务分发给A等
如果(是A等且不能继续执行新任务)||不是A
则排除A后重新选择最优路线并判断该无人机是否为BC且原任务结束+新任务后是否能够继续待执行新任务
如果是BC且能继续执行新任务
将任务分发给BC等
如果(是BC等且不能继续执行新任务)||(不是BC)
则排除BC后重新选择最优路线并判断该无人机是否为E且新任务后是否能够继续待执行新任务
如果是E且能继续执行新任务
将任务分发给E等
如果不是E
将任务分发给该无人机
如果是E且不能继续执行新任务
则排除E等后重新选择最优路线并将任务分发给该无人机如果不能
则不断增加无人机数量为N,将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机
以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.多无人机多任务智慧分配调度方法,其特征在于,
无人机群收到一个巡查任务后,通过获取当前在执行飞行任务情况(即目前在线无人机执行任务情况)和未来飞行任务情况(目前在线无人机N(N>0)分钟后有飞行任务),经过处理后计算出该任务何时、任务如何分解、任务如何分配的结果,已达到整体飞行时间最少、飞行距离最短的目的。
2.根据权利要求1所述的方法,其特征在于,
如果无在执行任务情况&无未来飞行任务,则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机并选择最短航线将任务分发给该无人机;
如果不能,则不断增加无人机数量为N(N>1),将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
3.根据权利要求1所述的方法,其特征在于,
如果无在执行任务情况&有未来飞行任务(已经分发给无人机A、B、C),则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;
如果不能,则不断增加无人机数量为N,将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
4.根据权利要求3所述的方法,其特征在于,
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线,包括:
1)判断该无人机是否为A、B、C且执行完新任务后是否影响原待执行任务;
2)如果是A、B、C且影响,则排除A、B、C后重新选择最优路线并将任务分发给该无人机;
3)如果是A、B、C且不影响,将任务分发给A、B、C;
4)如果不是A、B、C,将任务分发给该无人机。
5.根据权利要求1所述的方法,其特征在于,
如果有在执行任务情况(无人机A、B、C)&无未来飞行任务,则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;
如果不能,则不断增加无人机数量为N(N>1),将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
6.根据权利要求5所述的方法,其特征在于,
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;包括:
1)判断该无人机是否为A、B、C且原任务结束后是否能够继续待执行新任务;
2)如果是A、B、C且不能继续执行新任务,则排除A、B、C后重新选择最优路线并将任务分发给该无人机;
3)如果是A、B、C且能继续执行新任务,将任务分发给A、B、C;
4)如果不是A、B、C,将任务分发给该无人机。
7.根据权利要求1所述的方法,其特征在于,
如果有在执行任务情况(无人机A、B、C)&有未来飞行任务(无人机B、C、E),则判断单机是否能够完成该任务;
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;
如果不能,则不断增加无人机数量为N(N>1),将新任务分解为N份,并计算N台无人机共同完成该任务的最短航线,并将子任务分别分发给指定无人机。
8.根据权利要求7所述的方法,其特征在于,
如果能,则通过分析目前所有能完成该任务的无人机,并选择最优航线;包括:
1)将在执行任务无人机列表与存在未来飞行任务无人机列表进行分组(一组A、二组B、C,三组E),
2)判断该无人机是否为A且原任务结束后是否能够继续待执行新任务,
3)如果是A且能继续执行新任务,将任务分发给A;
4)如果是A且不能继续执行新任务或不是A,则排除A后重新选择最优路线并判断该无人机是否为BC且原任务结束+新任务后是否能够继续待执行新任务;
5)如果是BC且能继续执行新任务,将任务分发给BC;
6)如果是BC且不能继续执行新任务或不是BC,则排除BC后重新选择最优路线并判断该无人机是否为E且新任务后是否能够继续待执行新任务;
7)如果是E且能继续执行新任务,将任务分发给E;
8)如果不是E,将任务分发给该无人机;
9)如果是E且不能继续执行新任务,则排除E后重新选择最优路线并将任务分发给该无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210614878.9A CN114840025B (zh) | 2022-06-01 | 2022-06-01 | 多无人机多任务智慧分配调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210614878.9A CN114840025B (zh) | 2022-06-01 | 2022-06-01 | 多无人机多任务智慧分配调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114840025A true CN114840025A (zh) | 2022-08-02 |
CN114840025B CN114840025B (zh) | 2024-05-24 |
Family
ID=82572004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210614878.9A Active CN114840025B (zh) | 2022-06-01 | 2022-06-01 | 多无人机多任务智慧分配调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114840025B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551661A (zh) * | 2009-05-12 | 2009-10-07 | 广东工业大学 | 一种面向多机器人系统的控制方法 |
CN102865877A (zh) * | 2012-10-08 | 2013-01-09 | 无锡普智联科高新技术有限公司 | 基于密集存储区域的多移动机器人路径冲突解决方法 |
CN103064743A (zh) * | 2012-12-27 | 2013-04-24 | 深圳先进技术研究院 | 一种用于多机器人的资源调度方法及其资源调度系统 |
US20200004588A1 (en) * | 2018-06-29 | 2020-01-02 | Tata Consultancy Services Limited | Systems and methods for scheduling a set of non-preemptive tasks in a multi-robot environment |
-
2022
- 2022-06-01 CN CN202210614878.9A patent/CN114840025B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551661A (zh) * | 2009-05-12 | 2009-10-07 | 广东工业大学 | 一种面向多机器人系统的控制方法 |
CN102865877A (zh) * | 2012-10-08 | 2013-01-09 | 无锡普智联科高新技术有限公司 | 基于密集存储区域的多移动机器人路径冲突解决方法 |
CN103064743A (zh) * | 2012-12-27 | 2013-04-24 | 深圳先进技术研究院 | 一种用于多机器人的资源调度方法及其资源调度系统 |
WO2014101557A1 (zh) * | 2012-12-27 | 2014-07-03 | 深圳先进技术研究院 | 一种用于多机器人的资源调度方法及其资源调度系统 |
US20200004588A1 (en) * | 2018-06-29 | 2020-01-02 | Tata Consultancy Services Limited | Systems and methods for scheduling a set of non-preemptive tasks in a multi-robot environment |
Non-Patent Citations (1)
Title |
---|
赵敏;姚敏;: "无人机群变航迹多任务综合规划方法研究", 电子科技大学学报, no. 04, 30 July 2010 (2010-07-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN114840025B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728643B (zh) | 一种动态环境下的无人机群分布式任务调度方法 | |
CN110852486A (zh) | 一种无人机集群自主协同的任务规划方法 | |
CN109936517B (zh) | 拟态防御中的自适应动态流量分配方法 | |
CN110570075B (zh) | 一种电力业务边缘计算任务分配方法及装置 | |
CN108564211B (zh) | 物流运输路径规划方法及系统 | |
CN114185362A (zh) | 一种基于郊狼信息熵的无人机集群任务动态分配方法 | |
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 | |
CN113359860B (zh) | 一种基于通信状态的无人机集群重构方法 | |
CN106295927B (zh) | 给操作员分配任务的方法及装置 | |
CN112904818B (zh) | 一种复杂结构件加工车间预测-反应式调度方法 | |
CN113064449A (zh) | 一种无人机调度方法及系统 | |
CN116432938A (zh) | 一种车辆运载任务分配方法及系统 | |
Zhang et al. | Dynamic DNN decomposition for lossless synergistic inference | |
CN114840025A (zh) | 多无人机多任务智慧分配调度方法 | |
CN111061565A (zh) | 一种Spark环境下的两段式流水线任务调度方法及系统 | |
CN110991834A (zh) | 电力检修任务的调度系统 | |
CN116862206B (zh) | 一种自适应优化生产计划的分布式制造执行的方法和系统 | |
CN102156660A (zh) | 多主体系统中基于双层分解的任务分配方法 | |
CN109298932B (zh) | 基于OpenFlow的资源调度方法、调度器及系统 | |
JP5843704B2 (ja) | スケジューリング装置 | |
CN115564374A (zh) | 协同多任务重分配方法、装置、设备及可读存储介质 | |
Yun et al. | Intervention decision-making in MAV/UAV cooperative engagement based on human factors engineering | |
CN113203417B (zh) | 基于头脑风暴优化算法的无人机巡检路径规划方法 | |
CN113419842B (zh) | 一种基于JavaScript构建边缘计算微服务的方法、装置 | |
Shivasankaran et al. | Hybrid non-dominated sorting simulated annealing algorithm for flexible job shop scheduling problems |
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 | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 250100 27F, building S02, Langchao Science Park, No. 1036, Langchao Road, high tech Zone, Jinan, Shandong Province Applicant after: Inspur Smart City Technology Co.,Ltd. Address before: 250100 27F, building S02, Langchao Science Park, No. 1036, Langchao Road, high tech Zone, Jinan, Shandong Province Applicant before: Shandong Langchao new infrastructure Technology Co.,Ltd. Country or region before: China |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |