CN116880555A - 一种基于边缘计算的无人机机群调度系统 - Google Patents
一种基于边缘计算的无人机机群调度系统 Download PDFInfo
- Publication number
- CN116880555A CN116880555A CN202310898494.9A CN202310898494A CN116880555A CN 116880555 A CN116880555 A CN 116880555A CN 202310898494 A CN202310898494 A CN 202310898494A CN 116880555 A CN116880555 A CN 116880555A
- Authority
- CN
- China
- Prior art keywords
- unit
- unmanned aerial
- data
- aerial vehicle
- module
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 48
- 238000004891 communication Methods 0.000 claims abstract description 61
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 241000764238 Isis Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于边缘计算的无人机机群调度系统,具体涉及数据采集领域,包括传感器数据采集模块、数据预处理模块、边缘计算模块、实时决策与调整模块、通信与协同模块;采用了边缘计算的技术,将任务分配、路径规划和决策等处理任务放置在无人机边缘节点上进行,减少了与云端的通信延迟,通过采集的传感器数据和边缘计算模块的分析,使无人机机群调度系统具有一定的自主决策能力,能够根据环境变化和任务需求的变化,动态调整任务分配和路径规划策略,提高机群的适应性,通过在无人机边缘节点上进行任务分配、路径规划和决策等处理,系统能够快速响应环境变化和任务需求的变化,提高了任务完成效率和机群调度的效率。
Description
技术领域
本发明涉及边缘计算技术领域,更具体地说,本发明涉及一种用于无人机机群调度系统。
背景技术
无人机机群调度系统是指通过集成计算机技术、通信技术和控制算法等,对多个无人机进行任务分配、路径规划和决策,实现无人机之间的协同工作和自动化调度的系统,无人机机群调度系统的应用场景广泛,包括无人机物流配送、农业植保、资源勘测、灾害救援等领域,通过无人机机群调度系统的应用,可以提高任务完成效率,降低成本并在特定领域中发挥重要作用。
然而目前背景技术在无人机机群调度系统方面存在一些缺点,包括以下几个方面:传统的无人机调度系统将所有的计算和决策任务集中在云端进行,导致与云端的通信延迟较高,这种延迟会影响调度系统的实时性,导致任务分配和路径规划的响应时间较长,依赖外部的指令和决策支持,缺乏较强的自主决策能力,需要不断向云端发送数据并等待指令和决策结果,这会增加通信负载和能耗,并且系统对云端的依赖性较高,还会增加无人机的能耗,能耗问题可能会导致无人机续航能力下降,限制了系统的作业时间和范围,传统的无人机调度系统对于无人机之间的碰撞和冲突避免机制性能较差,无法有效保障飞行安全。
目前背景技术在无人机机群调度系统方面存在延迟问题、依赖云端、能耗问题和安全性等缺点。
发明内容
为了克服现有技术的上述缺陷,本发明实施例提供一种基于边缘计算的无人机机群调度系统,通过数据分析技术,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于边缘计算的无人机机群调度系统。
传感器数据采集模块:用于获取无人机周围环境信息和感知周围的物体及障碍物的数据并传输至数据预处理模块,包括无人机摄像头单元、激光雷达单元、GPS单元以及IMU单元;
数据预处理模块:用于对传感器数据采集模块采集的数据进行处理和预处理并传输至边缘计算模块,包括图像去噪单元、数据滤波单元、几何校正单元以及图像增强单元;
边缘计算模块:用于计算状态报告任务指派指数并传输至实时决策与调整模块,包括数据排序单元、环境感知定位导航支持指数计算单元、系统状态评估指数计算单元、状态报告任务指派指数计算单元;
实时决策与调整模块:用于在感知到环境条件变化或有新任务指令到达时,使用所述边缘计算模块得出的状态报告任务指派指数进行实时决策和调整并传输至通信与协同模块,包括实时任务分配单元、路径规划单元、冲突避免单元,决策单元以及动态优化单元;
通信与协同模块:用于负责无人机之间的通信和协同,包括通信单元和协同单元。
优选的,获取环境信息和感知周围的物体及障碍物的数据,所述传感器数据采集模块具体包括:
无人机摄像头单元:用于获取环境中的图像数据,目标识别、场景感知;
激光雷达单元:用于获取周围障碍物的距离和位置信息;
GPS单元:用于定位和导航,获取无人机的位置和速度信息;
IMU单元:获取无人机的姿态和加速度信息。
优选的,对传感器数据进行优化和改进,预处理后的数据传输至边缘计算模块进行,所述数据预处理模块具体包括:
图像去噪单元:用于去除摄像头传感器采集的图像中的噪声;
数据滤波单元:对传感器数据进行滤波操作;
几何校正单元:用于对图像进行校正和矫正,处理图像中的畸变;
图像增强单元:用于对图像进行增强操作,例如调整对比度、饱和度等。
优选的,整合预处理后的无人机数据,预处理后的数据用于计算环境感知定位导航支持指数An、系统状态评估指数Bn以及状态报告任务指派指数Cn,并将计算结果传输至实时决策与调整模块,所述边缘计算模块具体包括:
数据排序单元:对整合后的数据进行排序处理,整合后的数据具体包括:位置r1、r2……rn、速度v1、v2……vn、飞行时间z1、z2……zn、电池电量d1、d2……dn、无人机的视觉e1、e2……en、激光雷达f1、f2……fn、红外线g1、g2……gn、无线电频谱数据h1、h2……hn、信号强度k1、k2……kn、航班路径m1、m2……mn、航班高度o1、o2……on、地形高度p1、p2……pn、地形特征q1、q2……qn、障碍物位置s1、s2……sn、温度t1、t2……tn、湿度u1、u2……un、风速w1、w2……wn、风向x1、x2……xn;
环境感知定位导航支持指数计算单元:根据无线电频谱数据、信号强度、航班路径、航班高度、地形高度、地形特征、障碍物位置、温度、湿度、风速、风向计算环境感知定位导航支持指数:其中λ为影响因子;
系统状态评估指数计算单元:根据位置、速度、飞行时间、电池电量、无人机的视觉、激光雷达、红外线计算系统状态评估指数:其中λ为影响因子;
状态报告任务指派指数计算单元:根据环境感知定位导航支持指数、系统状态评估指数计算状态报告任务指派指数:其中k1、k2、k3为不同因素的指数调整系数,k2>k1>k3。
优选的,对评估指数的历史数据进行建模和分析,并将数据传输至人机界面模块,所述实时决策与调整模块具体包括:
任务分配单元:用于根据无人机的状态报告任务指派指数,任务的优先级、动态分配任务给适合的无人机;
路径规划单元:用于根据任务的位置和无人机的当前状态,设计的航行路径;
冲突避免单元:用于分析无人机的位置和周围环境信息。
实时决策单元:根据采集的数据和边缘计算结果,进行实时决策,如调整任务分配和路径规划策略;
动态优化单元:根据环境变化和任务需求的变化,动态优化无人机机群调度和任务执行策略;
优选的,实现无人机之间的通信和协同工作,实现与地面站的通信,与操作人员进行交互和监控系统的状态,所述通信与协同模块具体包括:
通信单元:用于负责建立无人机之间的通信链路;
任务指派单元:用于根据任务需求和无人机的能力,将任务分配给适当的无人机;
状态报告单元:用于无人机定期向通信与协同模块报告其状态,包括位置、速度、电池电量;
航行路线更新单元:用于接收和更新无人机的航行路线;
群组协作单元:用于分配角色和任务、实现队形飞行、协同搜索。
优选的,对评估指数的历史数据进行建模和分析,并将数据传输至人机界面模块,所述实时决策与调整模块具体包括:
实时决策单元:根据采集的数据和边缘计算结果,进行实时决策,如调整任务分配和路径规划策略;
动态优化单元:根据环境变化和任务需求的变化,动态优化无人机机群调度和任务执行策略
本发明的技术效果和优点:
1.高效性:通过将任务分配、路径规划和决策等处理任务放置在无人机边缘节点上进行,减少了与云端的通信延迟,提高了系统的响应速度以及任务完成效率。
2.实时性:利用边缘计算能力,可以在无人机边缘节点快速分析和处理传感器数据,实时进行任务分配、路径规划和冲突避免等决策,使机群调度系统具有较低的响应时间和较高的实时性能。
3.自主性:通过采集的传感器数据和边缘计算模块的分析,系统能够实现自主的任务调度和决策,无需依赖云端的指令和决策支持,具备一定的自主决策能力。
4.鲁棒性:由于系统能够动态调整任务分配和路径规划策略,可以更好地应对环境变化和任务需求的变化,提高无人机机群的鲁棒性和适应性能力。
5.节能性:通过在边缘节点上进行数据处理和决策,减少了与云端的大量数据传输,降低了能耗消耗,延长了无人机的电池寿命,使系统更加节能高效。
附图说明
图1为本发明的系统流程图。
图2为本发明的实施步骤图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
本实施例提供了如图1所示一种基于边缘计算的无人机机群调度系统,包括模块:传感器数据采集模块、数据预处理模块、边缘计算模块、实时决策与调整模块、通信与协同模块。
其中,所述传感器数据采集模块单元采集到的原始数据,图像数据和传感器数据,传输到数据预处理模块单元,数据预处理模块单元对数据进行预处理操作,预处理后的数据通过数据接口传输到边缘计算模块单元,供后续的任务分配、路径规划和决策使用,所述边缘计算模块单元接收到传感器数据后,进行数据处理和分析,边缘计算模块单元基于传感器数据和任务需求,进行实时决策和调整,例如调整任务分配、路径规划和冲突避免策略等,决策结果通过通信接口传输到相应的模块单元,通信单元负责将任务分配和路径规划结果通过通信接口发送给各个无人机,各个无人机的通信模块接收到通信信息后,将其传递给无人机的控制模块进行相应的处理和执行,这样,各模块之间形成了连接逻辑,实现了数据传输、计算、分析等功能。
本实施与现有技术的区别主要在于其采用了边缘计算的技术,将任务分配、路径规划和决策等处理任务放置在无人机边缘节点上进行,减少了与云端的通信延迟,提高了系统的响应速度和实时性,通过采集的传感器数据和边缘计算模块的分析,使无人机机群调度系统具有一定的自主决策能力,能够根据环境变化和任务需求的变化,动态调整任务分配和路径规划策略,提高机群的鲁棒性和适应性,通过在边缘节点上进行数据处理和决策,减少了与云端的大量数据传输,降低了能耗消耗,延长了无人机的电池寿命,从而实现了节能性的优势,利用边缘计算能力,增强了系统的实时性,通过在无人机边缘节点上进行任务分配、路径规划和决策等处理,系统能够快速响应环境变化和任务需求的变化,提高了任务完成效率和机群调度的效率,上述过程是现有技术不具备的。
传感器数据采集模块的具体实施步骤可以包括以下几个步骤:
A1.选择传感器:根据应用需求,选择适合的传感器类型,例如摄像头、超声波传感器、惯性测量单元等,这些传感器可以用于采集图像数据、距离数据、速度数据等;
A2.连接传感器到硬件平台:将选定的传感器连接到硬件平台上,如无人机的嵌入式计算单元或边缘计算设备,确保传感器与硬件平台的接口和电源连接正确;
A3.驱动和数据接口:根据传感器类型和硬件平台的要求,安装并配置传感器的驱动程序,并实现与硬件平台之间的数据接口,这样可以确保传感器能够正常工作并发送数据给硬件平台。
A4.数据采集和处理:在硬件平台上编写代码来采集传感器数据,根据传感器类型和数据格式,使用适当的接口和协议从传感器中读取数据,数据采集后,可以对其进行必要的处理和校正操作,例如去噪、滤波、校准等;
A5.数据存储和传输:将采集到的传感器数据存储到适当的内存或存储设备中,以备后续使用,如果需要将数据传输到其他模块或设备,可以使用适当的通信协议和接口来传输数据,如以太网、Wi-Fi、蓝牙等;
A6.测试和调试:对传感器数据采集模块进行测试和调试,确保传感器能够正常工作,并且能够采集到准确的数据,可以使用模拟数据或实际场景进行测试,并对采集到的数据进行验证和分析;
需要注意的是,具体的实施步骤可能会因应用场景、硬件平台和传感器类型的不同而有所差异,因此,根据具体需求和技术方案,可能需要进行适当的调整和定制。
102、数据预处理模块在数据分析和机器学习等领域起着重要作用,它用于清洗、转换和规范化原始数据,以提高后续分析和建模的准确性和效果,下面是数据预处理模块的具体实施步骤:
B1.数据采集和获取:获取原始数据集,可以是数据库查询、传感器采集、日志文件等,确保数据集包含必要的特征和标签,以满足预处理和分析的要求;
B2.数据清洗:首先检查数据集中是否存在缺失值、异常值、重复值或噪声等问题,根据数据特性和具体任务进行处理,可以删除缺失值较多的数据、填充缺失值、删除重复值、平滑噪声等;
B3.数据转换:对需要处理的数据进行转换,使其适合后续的分析和建模,可以进行特征选择或特征提取,减少数据维度和复杂性,提取关键特征,还可以进行特征缩放,将不同尺度的特征统一到相同的范围内;
B4.数据规范化:对数据进行规范化处理,使其符合特定的标准或要求,例如,对连续型特征进行归一化或标准化,使其均值为0,方差为1,或者将分类型特征进行独热编码,转换为二进制向量表示;
B5.数据集划分:将数据集划分为训练集、验证集和测试集,用于后续的模型训练、验证和评估,可以按照一定的比例进行划分,将数据集划分为70%的训练集、20%的验证集和10%的测试集;
B6.特征工程:根据预处理结果进行特征工程,即进一步提取和创建新的特征,以增强模型的表达能力和性能,可以进行特征组合、特征变换、特征降维等操作,根据领域知识和经验对特征进行优化;
B7.数据集平衡:对不均衡的数据集进行平衡处理,使各类别样本数量差异较小,包括下采样、过采样、SMOTE等;
B8.数据可视化和分析:通过可视化工具和统计方法,对处理后的数据进行可视化和分析,了解数据的概览、特征之间的关系等,为后续建模和分析提供参考;
以上步骤的具体实施可根据具体的数据集和任务需求进行调整和定制,确保预处理的过程符合数据分析和模型建立的要求,为后续的工作奠定基础。
103、数针对边缘计算模块中的数据排序单元、环境感知定位导航支持指数计算单元、系统状态评估指数计算单元以及状态报告任务指派指数计算单元,以下是它们的具体实施步骤:
数据排序单元的实施步骤:
C1.接收数据:从传感器或其他数据源接收原始数据;
C2.数据清洗与预处理:对接收到的数据进行清洗和预处理,包括去除异常数据、填充缺失值、去除重复数据等;
C3.特征提取:根据需求,对数据进行特征提取,提取与排序相关的特征;
C4.特征权重计算:根据特征的重要性,计算每个特征的权重,可以使用各种方法,如信息增益、相关性分析、主成分分析等;
C5.数据排序:根据特征权重,对数据进行排序,将数据按照重要性进行排序,得到排好序的数据;
环境感知定位导航支持指数计算单元的实施步骤:
D1.采集环境数据:使用传感器等设备,采集环境相关数据,如地理位置信息、温度、湿度等;
D2.环境感知:对采集到的环境数据进行分析和处理,以获取环境的状态和特征;
D3.定位和导航支持指数计算:
基于环境数据和目标要求,计算定位准确性和导航支持指数,这些指数可以使用算法、模型或规则来计算,以评估环境的导航可行性和定位精度;
系统状态评估指数计算单元的实施步骤:
E1.收集系统数据:获取和收集与系统状态相关的数据,如设备运行状态、性能指标等;
E2.数据预处理:对收集到的数据进行清洗、转换和规范化,确保其质量和一致性;
E3.状态特征提取:根据系统状态评估的指标和要求,提取关键的状态特征;
E4.状态评估指数计算:使用适当的方法和算法,根据提取的状态特征计算系统状态评估指数,用于评估系统的运行状态和性能;
环境感知定位导航支持指数计算单元:根据无线电频谱数据、信号强度、航班路径、航班高度、地形高度、地形特征、障碍物位置、温度、湿度、风速、风向计算环境感知定位导航支持指数:其中λ为影响因子;
系统状态评估指数计算单元:根据位置、速度、飞行时间、电池电量、无人机的视觉、激光雷达、红外线计算系统状态评估指数:其中λ为影响因子;根据以往数据得出一个影响因子λ,在本实施例对数值不作具体限定
状态报告任务指派指数计算单元的实施步骤:
F1.收集状态数据:收集与状态报告任务指派相关的数据,包括设备状态、任务要求等;
F2.数据预处理:对收集到的数据进行清洗、转换和规范化,确保其准确性和一致性;
F3.特征提取和选择:从收集的数据中提取与状态报告任务指派相关的特征,并进行特征选择,选择最具有代表性和相关性的特征;
F4.指标计算:根据选择的特征,使用适当的方法和算法计算状态报告指数和任务指派指数,这些指数可以根据实际需求和应用场景进行定制和调整;
状态报告任务指派指数计算单元:根据环境感知定位导航支持指数、系统状态评估指数计算状态报告任务指派指数:其中k1、k2、k3为不同因素的指数调整系数,k2>k1>k3;
根据以往数据得出指数调整系数,在本实施例对数值不作具体限定;
这些具体实施步骤可以根据具体的边缘计算模块的设计和要求进行调整和定制,确保模块功能的准确性和可靠性。
104、数实时决策与调整模块的具体实施步骤可以如下:
实时任务分配单元的实施步骤:
G1.监听任务需求:持续监听任务需求的到来,包括新任务的到达和已有任务的变化;
G2.收集数据:收集当前系统状态和可用资源的数据,包括无人机的位置、速度、能力等;
G3.任务分配决策:基于收集到的任务需求和系统状态数据,使用适当的算法或规则进行实时任务分配决策,将任务分配给可用的无人机;
路径规划单元的实施步骤:
H1.获取任务目标:根据已经分配的任务,获取每个无人机的任务目标;
H2.收集环境信息:收集当前环境的信息,包括地图数据、障碍物位置等;
H3.路径规划:使用合适的路径规划算法,根据任务目标和环境信息为每个无人机计划最优路径,确保任务的高效完成;
冲突避免单元的实施步骤:
I 1.监测系统状态:持续监测所有无人机的位置、速度等信息,以及环境中的障碍物等;
I2.冲突检测:基于系统状态数据,检测是否存在无人机之间的冲突或与环境障碍物的冲突;
I3.冲突避免决策:根据检测到的冲突,利用合适的冲突避免算法或规则进行实时决策,调整无人机的路径或行为,以避免冲突;
决策单元的实施步骤:
J1.收集数据:收集包括环境数据、任务需求、系统状态、冲突信息等的数据;
J2.数据分析:对收集到的数据进行分析,应用合适的算法或模型,以获得关键的决策指标和结论;
J3.决策制定:基于数据分析结果,制定实时决策,包括任务分配、路径规划、冲突避免等方面的决策,决策可以根据不同的权衡和优化目标进行调整;
动态优化单元的实施步骤:
K1.监测系统状态:持续监测系统的动态状态变化,包括任务变化、环境变化、无人机状况等;
K2.优化目标确定:根据监测到的系统状态变化,确定需要进行优化的目标,如最大化任务完成率、最小化能量消耗等;
K3.优化算法应用:根据优化目标和系统状态,应用适当的优化算法,如遗传算法、模拟退火算法等,调整任务分配、路径规划等参数,以达到优化目标;
这些实施步骤的具体实现可能因具体应用场景和算法模型而异;
105、数通信与协同模块的实施步骤通常包括以下内容:
通信单元的实施步骤:
L1.选择通信协议和技术:根据应用需求和环境条件选择合适的通信协议和技术,如Wi-Fi、蓝牙、无线电通信等;
L2.硬件配置和连接:配置通信硬件,包括天线、无线模块等,并将其连接到各个无人机上,以建立通信链路;
L3.网络拓扑设计:设计无人机之间的网络拓扑结构,可以使用星型、网状、集群等结构,以满足通信需求;
L4.数据传输协议:选择适当的数据传输协议,确保有效的数据传输和接收;可以使用TCP/IP协议、UDP协议等;
L5.数据格式定义:定义通信所需的数据格式,确保数据能够正确地传输和识别;可以使用XML、JSON等格式;
L6.网络管理和安全:进行网络管理和安全设置,包括IP地址管理、权限控制、数据加密等,以确保通信的稳定性和安全性;
协同单元的实施步骤:
M1.邻居发现:通过通信模块,无人机可以相互发现和识别邻居节点;使用广播或重复请求等方法进行邻居发现;
M2.节点信息共享:邻居无人机之间共享自身的位置、速度、任务状态等信息,形成一个共享的节点信息库;
M3.协同决策制定:基于共享的节点信息和任务需求,进行协同决策制定,如任务协同分配、路径;
在实施通信与协同模块时,有几个方面需要注意:
N1.通信稳定性:确保通信链路的稳定性和可靠性,特别是在复杂环境或干扰较多的情况下;选择合适的通信技术和协议,并考虑信号覆盖范围、信号干扰等因素;
N2.数据安全性:保护通信数据的机密性和完整性,使用数据加密技术和访问控制措施,防止数据被未授权的人员获取或篡改;
N3.协同一致性:确保所有无人机之间的协同行为和决策一致;共享准确的节点信息,并采取合适的同步和协调机制,避免因不一致导致冲突和混乱;
N4.高效性和实时性:通信和协同模块应具备高效性和实时性,以支持快速的通信和决策;对通信协议和数据处理算法进行优化和调整,减少通信延迟和处理时间;
N5.技术兼容性:确保通信和协同模块与其他系统或设备的兼容性;应考虑与地面控制站、其他无人机系统或传感器等的接口和协议;
N6.异常处理:考虑到可能发生的通信故障、节点离线等异常情况,需要设计相应的异常处理机制,如自动重连、备份通信链路等;
N7.扩展性:根据实际需求,设计具有良好扩展性的通信和协同模块,以便将来能够适应系统规模的扩大或功能的增加;
通过以上实施步骤,报警处理模块可以在生产过程中实时监测异常情况,并通过报警信号及时地通知相关人员,使其能够采取相应的措施进行处理,以确保生产过程的安全和稳定运行。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于边缘计算的无人机机群调度系统,其特征在于:包括:
传感器数据采集模块:用于获取无人机周围环境信息和感知周围的物体及障碍物的数据并传输至数据预处理模块,包括无人机摄像头单元、激光雷达单元、GPS单元以及IMU单元;
数据预处理模块:用于对传感器数据采集模块采集的数据进行处理和预处理并传输至边缘计算模块,包括图像去噪单元、数据滤波单元、几何校正单元以及图像增强单元;
边缘计算模块:用于计算状态报告任务指派指数并传输至实时决策与调整模块,包括数据排序单元、环境感知定位导航支持指数计算单元、系统状态评估指数计算单元、状态报告任务指派指数计算单元;
实时决策与调整模块:用于在感知到环境条件变化或有新任务指令到达时,使用所述边缘计算模块得出的状态报告任务指派指数进行实时决策和调整并传输至通信与协同模块,包括实时任务分配单元、路径规划单元、冲突避免单元,决策单元以及动态优化单元;
通信与协同模块:用于负责无人机之间的通信和协同,包括通信单元和协同单元。
2.根据权利要求1所述的一种基于边缘计算的无人机机群调度系统,其特征在于:所述传感器数据采集模块用于获取环境中的图像数据、周围障碍物的距离和位置信息以及无人机的姿态和加速度信息,所述传感器数据采集模块具体包括:
无人机摄像头单元:用于获取环境中的图像数据,目标识别、场景感知;
激光雷达单元:用于获取周围障碍物的距离和位置信息;
GPS单元:用于定位和导航,获取无人机的位置和速度信息;
IMU单元:用于获取无人机的姿态和加速度信息。
3.根据权利要求1所述的一种基于边缘计算的无人机机群调度系统,其特征在于:所述数据预处理模块用于对传感器数据进行优化和改进,预处理后的数据传输至边缘计算模块,所述数据预处理模块具体包括:
图像去噪单元:用于去除摄像头传感器采集的图像中的噪声;
数据滤波单元:对传感器数据进行滤波操作;
几何校正单元:用于对图像进行校正和矫正,处理图像中的畸变;
图像增强单元:用于对图像进行增强操作。
4.根据权利要求1所述的一种基于边缘计算的无人机机群调度系统,其特征在于:所述边缘计算模块用于整合所述数据预处理模块输入的数据,并根据整合后的数据计算环境感知定位导航支持指数An、系统状态评估指数Bn以及状态报告任务指派指数Cn,并将计算结果传输至实时决策与调整模块,所述边缘计算模块具体包括:
数据排序单元:对整合后的数据进行排序处理,整合后的数据具体包括:位置r1、r2……rn、速度v1、v2……vn、飞行时间z1、z2……zn、电池电量d1、d2……dn、无人机的视觉e1、e2……en、激光雷达f1、f2……fn、红外线g1、g2……gn、无线电频谱数据h1、h2……hn、信号强度k1、k2……kn、航班路径m1、m2……mn、航班高度o1、o2……on、地形高度p1、p2……pn、地形特征q1、q2……qn、障碍物位置s1、s2……sn、温度t1、t2……tn、湿度u1、u2……un、风速w1、w2……wn、风向x1、x2……xn;
环境感知定位导航支持指数计算单元:根据无线电频谱数据、信号强度、航班路径、航班高度、地形高度、地形特征、障碍物位置、温度、湿度、风速、风向计算环境感知定位导航支持指数:其中λ为影响因子;
系统状态评估指数计算单元:根据位置、速度、飞行时间、电池电量、无人机的视觉、激光雷达、红外线计算系统状态评估指数:其中λ为影响因子;
状态报告任务指派指数计算单元:根据环境感知定位导航支持指数、系统状态评估指数计算状态报告任务指派指数:其中k1、k2、k3为不同因素的指数调整系数,k2>k1>k3。
5.根据权利要求1所述的一种基于边缘计算的无人机机群调度系统,其特征在于:所述实时决策与调整模块:用于对评估指数的历史数据进行建模和分析,并将数据传输至人机界面模块,所述实时决策与调整模块具体包括:
任务分配单元:用于根据无人机的状态报告任务指派指数,任务的优先级、动态分配任务给适合的无人机;
路径规划单元:用于根据任务的位置和无人机的当前状态,设计的航行路径;
冲突避免单元:用于分析无人机的位置和周围环境信息;
实时决策单元:根据采集的数据和边缘计算结果,进行实时决策,如调整任务分配和路径规划策略;
动态优化单元:根据环境变化和任务需求的变化,动态优化无人机机群调度和任务执行策略。
6.根据权利要求1所述的一种基于边缘计算的无人机机群调度系统,其特征在于:所述通信与协同模块用于实现无人机之间的通信和协同工作,实现与地面站的通信,与操作人员进行交互和监控系统的状态,所述通信与协同模块具体包括:
通信单元:用于负责建立无人机之间的通信链路;
任务指派单元:用于根据任务需求和无人机的能力,将任务分配给适当的无人机;
状态报告单元:用于无人机定期向通信与协同模块报告其状态,包括位置、速度、电池电量;
航行路线更新单元:用于接收和更新无人机的航行路线;
群组协作单元:用于分配角色和任务、实现队形飞行、协同搜索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310898494.9A CN116880555B (zh) | 2023-07-21 | 2023-07-21 | 一种基于边缘计算的无人机机群调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310898494.9A CN116880555B (zh) | 2023-07-21 | 2023-07-21 | 一种基于边缘计算的无人机机群调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116880555A true CN116880555A (zh) | 2023-10-13 |
CN116880555B CN116880555B (zh) | 2024-07-23 |
Family
ID=88269567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310898494.9A Active CN116880555B (zh) | 2023-07-21 | 2023-07-21 | 一种基于边缘计算的无人机机群调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116880555B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134218A (zh) * | 2024-05-08 | 2024-06-04 | 杭州牧星科技有限公司 | 智能多无人机协同任务执行系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615143A (zh) * | 2015-01-23 | 2015-05-13 | 广州快飞计算机科技有限公司 | 无人机调度方法 |
US20190324456A1 (en) * | 2018-04-19 | 2019-10-24 | Aurora Flight Sciences Corporation | Adaptive Autonomy System Architecture |
CN111222817A (zh) * | 2018-11-27 | 2020-06-02 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
CN111415026A (zh) * | 2019-01-08 | 2020-07-14 | 北京京东尚科信息技术有限公司 | 无人设备调度装置、系统和方法 |
CN112180975A (zh) * | 2020-09-27 | 2021-01-05 | 陕西智盈电子科技有限公司 | 一种智能集群无人机控制系统及其控制方法 |
CN113536564A (zh) * | 2021-07-13 | 2021-10-22 | 中国科学院软件研究所 | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 |
CN114493164A (zh) * | 2021-12-30 | 2022-05-13 | 重庆特斯联智慧科技股份有限公司 | 基于边缘计算的机器人任务解析方法和系统 |
US20230077230A1 (en) * | 2021-08-30 | 2023-03-09 | Government Of The United States, As Represented By The Secretary Of The Air Force | Autonomous airborne mission navigation and tasking system |
CN116069463A (zh) * | 2022-12-09 | 2023-05-05 | 东南大学 | 一种基于移动边缘计算的无人机数据采集调度系统及方法 |
-
2023
- 2023-07-21 CN CN202310898494.9A patent/CN116880555B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615143A (zh) * | 2015-01-23 | 2015-05-13 | 广州快飞计算机科技有限公司 | 无人机调度方法 |
US20190324456A1 (en) * | 2018-04-19 | 2019-10-24 | Aurora Flight Sciences Corporation | Adaptive Autonomy System Architecture |
CN111222817A (zh) * | 2018-11-27 | 2020-06-02 | 深圳先进技术研究院 | 一种基于云/边计算的智能仓储系统 |
CN111415026A (zh) * | 2019-01-08 | 2020-07-14 | 北京京东尚科信息技术有限公司 | 无人设备调度装置、系统和方法 |
CN112180975A (zh) * | 2020-09-27 | 2021-01-05 | 陕西智盈电子科技有限公司 | 一种智能集群无人机控制系统及其控制方法 |
CN113536564A (zh) * | 2021-07-13 | 2021-10-22 | 中国科学院软件研究所 | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 |
US20230077230A1 (en) * | 2021-08-30 | 2023-03-09 | Government Of The United States, As Represented By The Secretary Of The Air Force | Autonomous airborne mission navigation and tasking system |
CN114493164A (zh) * | 2021-12-30 | 2022-05-13 | 重庆特斯联智慧科技股份有限公司 | 基于边缘计算的机器人任务解析方法和系统 |
CN116069463A (zh) * | 2022-12-09 | 2023-05-05 | 东南大学 | 一种基于移动边缘计算的无人机数据采集调度系统及方法 |
Non-Patent Citations (4)
Title |
---|
WANG BH, ETAL.: "Cooperative Control-Based Task Assignments for Multiagent Systems With Intermittent Communication", IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, vol. 17, no. 10, 31 October 2021 (2021-10-31), pages 6697 - 6708, XP011865886, DOI: 10.1109/TII.2020.3044950 * |
王建宏;熊朝华;许莺;吴蔚;: "无人机协同体系结构分析", 指挥信息系统与技术, no. 01, 28 February 2015 (2015-02-28), pages 26 - 32 * |
郑都民: "集群空战中的群威胁评估及目标分配关键技术研究", 中国优秀硕士学位论文全文数据库 社会科技I辑, 15 May 2021 (2021-05-15), pages 112 - 41 * |
项磊;杨新;张扬;余晓刚;: "基于层次分析法与模糊理论的卫星效能评估", 计算机仿真, no. 02, 15 February 2013 (2013-02-15), pages 63 - 69 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134218A (zh) * | 2024-05-08 | 2024-06-04 | 杭州牧星科技有限公司 | 智能多无人机协同任务执行系统 |
CN118134218B (zh) * | 2024-05-08 | 2024-07-16 | 杭州牧星科技有限公司 | 智能多无人机协同任务执行系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116880555B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11209816B2 (en) | Autonomous long range aerial vehicles and fleet management system | |
US20220397917A1 (en) | Systems and methods for 3d model based drone flight planning and control | |
CN107589695B (zh) | 一种列车组故障预测与健康管理系统 | |
Rubio-Hervas et al. | Data-driven risk assessment and multicriteria optimization of UAV operations | |
JP2016197404A (ja) | 産業プラントを監視するシステムおよび方法 | |
CN116880555B (zh) | 一种基于边缘计算的无人机机群调度系统 | |
WO2016053196A1 (en) | Method and apparatus for controlling agent movement in an operating space | |
CN111415026A (zh) | 无人设备调度装置、系统和方法 | |
CN114510072B (zh) | 基于进化迁移优化的多无人机路径规划方法、终端及介质 | |
CN111294841B (zh) | 一种无线网络问题的处理方法、装置及存储介质 | |
CN113163353A (zh) | 一种电源车的智能健康服务系统及其数据传输方法 | |
CN117806355A (zh) | 一种电力巡线无人机控制方法及系统 | |
CN117390498B (zh) | 一种基于Transformer模型的固定翼集群无人机飞行能力评估方法 | |
CN113114399B (zh) | 基于生成对抗网络的三维频谱态势补全方法和装置 | |
CN112449709A (zh) | 无人驾驶空中交通管理的安全微服务体系结构 | |
CN117519944A (zh) | 一种基于算力感知和边缘云计算协同的无人车及其协同方法 | |
CN106529835B (zh) | 一种终端区日通行能力确定方法及装置 | |
CN105118333A (zh) | 一种基于多重回归模型的空中交通管制模拟仿真异常检测方法和装置 | |
CN117369512A (zh) | 一种无人机协同智能控制与优化系统 | |
Jotanovic et al. | Smart city iot on-demand monitoring system using a drone fleet | |
CN115185780B (zh) | 基于工业互联网的数据采集方法及系统 | |
CN116931519B (zh) | 多源异类传感器的协同规划调度方法 | |
Purucker et al. | Tackling different aspects of drone services utilizing technologies from cross-sectional industries | |
CN117875928A (zh) | 一种基于运筹模型的水上施工巡检方法 | |
CN117688838A (zh) | 基于知识图谱的无人机自主性评估方法、系统及电子设备 |
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 |