无人机集群容错调度方法、电子设备、介质及程序产品

摘要: 本发明涉及无人机,具体涉及一种无人机集群容错调度方法、电子设备、介质及程序产品。背景技术:1、无人机集群协同作业在灾后救援中可以极大提升工作效率,但其在复杂环境...
无人机集群容错调度方法、电子设备、介质及程序产品

本发明涉及无人机,具体涉及一种无人机集群容错调度方法、电子设备、介质及程序产品。

背景技术:

1、无人机集群协同作业在灾后救援中可以极大提升工作效率,但其在复杂环境中面临着严峻的容错挑战。现有技术主要存在以下关键缺陷:首先是缺乏智能化的故障诊断与根因分析能力;其次是调度决策过度依赖人工干预,导致响应延迟高;第三是系统内置调度算法单一且固定,无法根据动态环境和多重约束进行自适应优化。

2、针对上述复杂决策困境,近年来大语言模型驱动的自主智能体(agent)技术通过引入模块化技能库和按需加载(渐进式披露)机制,实现了高效的动态技能检索与组合。然而,目前业界仍缺乏将这种先进的智能体技能范式与多种调度算法深度结合,专门用于解决无人机集群容错调度问题的完整技术方案。

3、进一步地,现有无人机集群容错调度方案通常将故障检测、根因分析、任务约束生成和替补无人机分配作为相互独立的模块处理。故障检测模块即便能够发现异常,也难以自动生成可被调度算法直接使用的任务接管约束;调度模块即便能够完成路径或任务分配,也往往缺少对故障原因、环境风险、机会成本和弱通信状态的联合建模。

4、因此,现有技术尚未形成从非结构化故障感知信息到结构化调度决策的端到端闭环,难以满足灾后救援场景中低时延、高可靠和自适应任务重续的要求。

技术实现思路

1、本发明提供了一种无人机集群容错调度方法、电子设备、介质及程序产品。

2、根据本发明的一个方面,提供了一种无人机集群容错调度方法,包括:响应于接收到告警事件,加载技能库中各技能的元数据索引;根据告警事件的内容,确定场景特征;根据场景特征从技能库的元数据索引中匹配对应的技能组合;所述技能组合中包含信息查询类技能、领域知识类技能和调度算法类技能;调用信息查询类技能获取任务信息、气象数据和集群状态,调用领域知识类技能生成环境硬约束条件和机会成本约束条件;根据场景特征,从调度算法类技能中选择目标调度技能,并基于环境硬约束条件、机会成本约束条件以及集群状态,执行目标调度技能进行替补无人机分配,得到调度决策;基于调度决策执行自反思检查,将自反思检查通过的调度决策作为最终调度决策并输出;其中,根据场景特征从技能库的元数据索引中匹配对应的技能组合,包括:将所述信息查询类技能作为必选技能,加入所述技能组合;根据所述场景特征中的环境复杂度和任务紧急度,确定是否将所述领域知识类技能加入所述技能组合;当环境复杂度大于复杂度阈值或任务紧急度大于紧急度阈值时,将所述领域知识类技能加入所述技能组合;根据所述场景特征,从所述调度算法类技能中选择至少一种调度算法类技能加入所述技能组合;其中,当所述场景特征中的故障数量为单机故障、且任务紧急度大于紧急度阈值时,选择拍卖调度技能;当所述场景特征中的故障数量为多机故障,且集群剩余可用度大于可用度阈值时,选择强化学习调度技能;当所述场景特征中的环境复杂度大于复杂度阈值时,选择约束优化调度技能。

3、根据本发明的至少一个实施方式的无人机集群容错调度方法,在接收到告警事件之前,还包括布设于边缘计算节点上的边端感知智能体执行的以下步骤:获取无人机的视频帧图像和遥测数据进行视觉语义分析,得到画面异常信息;基于所述画面异常信息构建告警事件,所述告警事件至少包含严重程度级别、故障无人机标识和故障位置信息;判断所述严重程度级别是否达到容错调度触发阈值;在判定达到所述容错调度触发阈值的情况下,向云端服务器发送所述告警事件。

4、根据本发明的至少一个实施方式的无人机集群容错调度方法,调用领域知识类技能生成环境硬约束条件和机会成本约束条件,包括:调用领域知识类技能中的环境硬约束技能,根据任务信息和气象数据生成候选无人机需满足的环境硬约束条件;调用领域知识类技能中的机会成本保留技能评估无人机集群中各候选无人机被调离当前任务后导致的任务中断成本,生成机会成本约束条件。

5、根据本发明的至少一个实施方式的无人机集群容错调度方法,基于调度决策执行自反思检查,将自反思检查通过的调度决策作为最终调度决策并输出,包括:对调度决策对应的推理链路进行审计,检查是否存在逻辑跳跃或遗漏约束条件;对调度决策进行约束一致性验证,确认替补无人机同时满足环境硬约束条件和机会成本约束条件;对调度决策进行置信度评估,得到置信度评分;在置信度评分小于置信度阈值时,触发二次推理循环,直至达到最大推理轮数上限或置信度评分大于或等于置信度阈值,将当前调度决策作为目标调度决策;其中,二次推理循环包括:重新选择调度算法类技能、调整环境硬约束条件或调整机会成本约束条件后重新执行调度。

6、根据本发明的至少一个实施方式的无人机集群容错调度方法,执行目标调度技能进行替补无人机分配,得到调度决策,包括:当所述目标调度技能为所述拍卖调度技能时,执行以下步骤:接收集群状态中的无人机列表作为初始候选集,依次执行排除故障机、状态过滤、电量过滤、抗风能力校验、载荷能力校验和传感器排除的六级约束过滤,得到通过约束的候选无人机集合;计算候选无人机集合中各候选无人机到故障位置的距离,并基于距离中的最大值对各距离进行归一化处理;基于归一化后的距离和候选无人机的当前电量百分比,结合距离权重系数和电量权重系数,计算各候选无人机的综合竞价分数;将各候选无人机按综合竞价分数从高到低排序,选择综合竞价分数最高的候选无人机作为替补无人机,输出调度分配结果。

7、根据本发明的至少一个实施方式的无人机集群容错调度方法,执行目标调度技能进行替补无人机分配,得到调度决策,包括:当目标调度技能为强化学习调度技能时,执行以下步骤:

8、将多无人机协同调度问题建模为马尔可夫决策过程,构建状态空间和动作空间;所述状态空间包含集群中各无人机的状态信息以及待分配任务的任务信息;所述动作空间为无人机与任务之间的分配矩阵,所述分配矩阵的元素表示无人机被分配到对应任务的概率;基于任务完成时间、旅行成本、负载均衡和约束满足度,构建奖励函数;基于所述马尔可夫决策过程和所述奖励函数训练得到多智能体深度强化学习策略网络;将当前状态向量输入所述多智能体深度强化学习策略网络,输出最优分配方案,作为调度决策。

9、根据本发明的至少一个实施方式的无人机集群容错调度方法,执行目标调度技能进行替补无人机分配,得到调度决策,包括:当目标调度技能为约束优化调度技能时,执行以下步骤:将无人机与任务之间的分配关系建模为带约束的二分图最大权匹配问题,构建二分图;所述二分图的一侧节点为可用无人机集合,另一侧节点为待分配任务集合;所述二分图中边的权重为收益值,所述收益值基于距离效率、能力匹配度和机会成本计算得到;设定约束条件,所述约束条件包括:每架无人机最多分配一个任务、每个任务最多分配一架无人机、无人机满足任务的硬性能力要求以及无人机的电量满足最低阈值;根据所述约束条件对所述二分图中的边进行剪枝处理,去除不可行的边,构造收益矩阵;采用匈牙利算法对所述收益矩阵进行求解,得到最大权完美匹配结果,将所述最大权完美匹配结果作为每架被调度无人机的最优任务分配方案,作为所述调度决策。

10、根据本发明的另一方面,提供了一种电子设备,包括:存储器,所述存储器存储执行指令;以及处理器,所述处理器执行所述存储器存储的执行指令,使得所述处理器执行本发明任一实施方式的无人机集群容错调度方法。

11、根据本发明的再一方面,提供了一种可读存储介质,所述可读存储介质中存储有执行指令,所述执行指令被处理器执行时用于实现本发明任一实施方式的无人机集群容错调度方法。

12、根据本发明的又一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本发明任一实施方式的无人机集群容错调度方法。

13、本发明通过构建模块化的技能库并采用渐进式披露机制加载元数据索引,实现了调度技能的按需动态检索与组合,有效降低了系统上下文开销;同时,通过调用领域知识技能自动生成环境硬约束和机会成本约束,实现了多源信息到结构化调度约束的自动转换,显著降低了因不合理替补导致的级联故障风险;进一步地,根据故障数量、任务紧急度和环境复杂度等场景特征,自适应选择拍卖、强化学习或约束优化调度技能,打破了传统单一固定算法的局限,精准兼顾了单机故障的快速响应、多机故障的全局优化以及复杂环境下的精确求解需求;最后结合自反思检查机制对决策链路进行校验与纠错,从而构建了一个从故障语义感知到替补无人机接管的端到端闭环,全面提升了无人机集群在灾后复杂环境下的容错调度效率、决策可靠性与救援任务的连续性。