一种无人机系统能耗优化方法、系统及产品与流程
本技术涉及无人机的,尤其是涉及一种无人机系统能耗优化方法、系统及产品。
背景技术:
1、无线传感网中节点通常采用电池供电,并随机部署用于感知或传输数据。具体地,无人机通常采用搭载蓄电池供能,其电池储能量十分有限。并且无人机主要能耗为飞行推进能耗,故需要合理有效利用其能量,以延长无人机的续航时间和里程,确保完成数据采集任务。
2、并且,随着无人机集群规模的逐步扩大,传统采用单架无人机进行数据采集的方式难以支撑大规模无人机集群的数据通信。例如,当无人机集群较为分散时,使用单架无人机进行数据采集时,其能量不足以采集完整个网络数据,需往返充电而导致未采集数据失效。又例如在无线传感网中,节点具有时间异构性,其数据上传时间有限的情况下,若使用单架无人机进行数据采集时,虽然无人机能量能够保证遍历完所有节点,但很有可能存在时间敏感节点的感知数据未在数据上传截止时间内被采集,而造成数据丢失。
3、现有技术中,例如cn119714285a提出了一种无人机能耗优化用航迹规划方法,其通过在无人机上安装多传感器融合系统,包括视觉传感器、imu惯性测量单元和gps备用模块,以应对信号中断的情况。在信号中断时,无人机利用视觉slam技术和imu数据来确定当前位置,并在信号恢复后通过路径规划算法计算出回到原能耗优化航迹的最短路径。该方法还考虑了无人机剩余电量、目标点距离和周边环境约束,使用机器学习算法实时计算能量效率最高的衔接路径。尽管这种方法在能耗优化和航迹规划方面具有先进性,但它也存在一些潜在的缺点,如系统复杂性高、对计算资源的需求大、在特定环境下的适应性有限、实时性可能不足、对特定环境(如仓库)的依赖性强、成本较高以及需要定期维护和校准,这些因素都可能限制其在某些应用场景中的实用性。又如,cn120875356a公开了一种在动态环境下多无人机任务分配与航迹规划的联合优化方法,该方法通过建立三维场景模型、定义优化目标函数、转化为部分可观测马尔可夫决策模型(pomdp),并利用多智能体强化学习神经网络进行任务分配和航迹规划,以实现无人机集群的动态避障、低能耗航迹规划与任务高效分配。然而,该方法存对特定环境条件的依赖性较强、需要精细调整的超参数以及实时响应能力受限等缺点,这些因素限制了该方法在某些应用场景中的实用性和灵活性。
技术实现思路
1、本发明的目的在于提供一种无人机系统能耗优化方法、系统及产品,部分地解决或缓解现有技术中的上述不足,能够在保证数据完整性和上传时限前提下,有效降低系统总能耗,延长网络生命周期和无人机续航里程。
2、为了解决上述所提到的技术问题,本发明具体采用以下技术方案:
3、本发明的第一方面,在于提供一种无人机系统能耗优化方法,包括以下步骤:
4、根据地面网络节点能耗和多无人机能耗建立系统总能耗优化任务,并将所述系统总能耗优化任务分解为多无人机分配优化任务、联合优化无人机飞行轨迹与节点唤醒时间调度任务以及优化节点发射功率任务;
5、所述多无人机分配优化任务包括:
6、获取传感器节点位置、各节点数据上传时间以及无人机能量数据,并基于所述传感器节点位置、各节点数据上传时间以及无人机能量数据构建多无人机任务分配优化模型,以最小化所有无人机完成数据采集任务时间总和作为所述多无人机任务分配优化模型的优化目标,并采用遗传算法求解出节点无人机分配关系以及每架无人机的节点访问顺序;
7、其中,各节点数据上传时间包括各节点数据上传截止时间,并在建立多无人机任务分配优化模型时以各节点数据上传截止时间作为约束,包括:
8、计算无人机在完成当前节点数据采集时的累计数据采集时间;
9、计算无人机在完成当前节点数据采集时的累计飞行时间;
10、利用所述累计数据采集时间、累计飞行时间以及节点数据上传截止时间对所述多无人机任务分配优化模型进行约束;
11、所述联合优化无人机飞行轨迹与节点唤醒时间调度任务包括:
12、在固定节点发射功率的条件下建立以无人机飞行轨迹和节点唤醒调度为优化变量的第一联合优化模型;
13、利用数据完整性约束、飞行速度约束、调度唯一性约束和截止时间约束对所述第一联合优化模型进行约束;
14、以最小化系统总能耗为目标并采用连续凸逼近算法对所述第一联合优化模型进行优化;
15、所述优化节点发射功率任务包括:
16、在固定无人机飞行轨迹和节点唤醒时间调度的条件下建立以节点发射功率为优化变量的第二联合优化模型;
17、利用节点数据完整性约束和发射功率范围约束对所述第二联合优化模型进行约束;
18、以最小化地面网络节点能耗为目标并采用连续凸逼近算法对所述第二联合优化模型进行优化;
19、交替优化所述第一联合优化模型以及第二联合优化模型,直至系统总能耗收敛。
20、进一步的,所述利用所述累计数据采集时间、累计飞行时间以及节点数据上传截止时间对所述多无人机任务分配优化模型进行约束包括:
21、所述累计数据采集时间与累计飞行时间之和需小于节点数据上传截止时间。
22、进一步的,在所述多无人机分配优化任务中,每个节点只能被一架无人机服务,且每架无人机能耗不超过预设阈值。
23、进一步的,在所述联合优化无人机飞行轨迹与节点唤醒时间调度任务中,对所述第一联合优化模型引入松弛变量将非凸约束转化为凸约束,并采用连续凸逼近算法在每次迭代中求解局部凸优化问题。
24、进一步的,在所述优化节点发射功率任务中,将第二联合优化模型通过一阶泰勒展开构造全局下界,以将非凸约束转化为凸约束,并采用连续凸逼近算法迭代求解所述第二联合优化模型。
25、进一步的,在交替优化所述第一联合优化模型以及第二联合优化模型的过程中,通过块坐标下降法交替优化所述第一联合优化模型以及第二联合优化模型,直至系统总能耗收敛。
26、进一步的,所述系统由m架无人机和n个地面节点组成,并且每个地面节点具有时间异构性,所述时间异构性包括数据有效期、数据产生类型以及数据重要性;
27、所述无人机从数据中心出发,并根据初始预定轨迹依次遍历每个地面节点进行数据采集,并在采集完所有地面节点的数据后返回数据中心。
28、第二方面,本技术还公开了一种无人机系统能耗优化系统,所述系统包括:
29、任务分解模块,配置用于根据地面网络节点能耗和多无人机能耗建立系统总能耗优化任务,并将所述系统总能耗优化任务分解为多无人机分配优化任务、联合优化无人机飞行轨迹与节点唤醒时间调度任务以及优化节点发射功率任务;
30、多无人机分配优化任务模块,配置用于
31、获取传感器节点位置、各节点数据上传时间以及无人机能量数据,并基于所述传感器节点位置、各节点数据上传时间以及无人机能量数据构建多无人机任务分配优化模型,以最小化所有无人机完成数据采集任务时间总和作为所述多无人机任务分配优化模型的优化目标,并采用遗传算法求解出节点无人机分配关系以及每架无人机的节点访问顺序;
32、其中,各节点数据上传时间包括各节点数据上传截止时间,并在建立多无人机任务分配优化模型时以各节点数据上传截止时间作为约束,包括:
33、计算无人机在完成当前节点数据采集时的累计数据采集时间;
34、计算无人机在完成当前节点数据采集时的累计飞行时间;
35、利用所述累计数据采集时间、累计飞行时间以及节点数据上传截止时间对所述多无人机任务分配优化模型进行约束;
36、第一联合优化模块,配置用于在固定节点发射功率的条件下建立以无人机飞行轨迹和节点唤醒调度为优化变量的第一联合优化模型;
37、利用数据完整性约束、飞行速度约束、调度唯一性约束和截止时间约束对所述第一联合优化模型进行约束;
38、以最小化系统总能耗为目标并采用连续凸逼近算法对所述第一联合优化模型进行优化;
39、第二联合优化模块,配置用于在固定无人机飞行轨迹和节点唤醒时间调度的条件下建立以节点发射功率为优化变量的第二联合优化模型;
40、利用节点数据完整性约束和发射功率范围约束对所述第二联合优化模型进行约束;
41、以最小化地面网络节点能耗为目标并采用连续凸逼近算法对所述第二联合优化模型进行优化;
42、交替优化模块,配置用于交替优化所述第一联合优化模型以及第二联合优化模型,直至系统总能耗收敛。
43、第三方面,本技术还公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法的步骤。
44、第四方面,本技术还公开了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面所述的方法的步骤。
45、有益技术效果:
46、本技术针对多无人机辅助无线传感网中系统总能耗最小化问题,构建了联合优化无人机轨迹、节点唤醒时间调度和节点发射功率的非凸优化模型。通过将该复杂问题分解为多无人机任务分配、联合优化无人机飞行轨迹与节点唤醒时间调度、优化节点发射功率三个子问题,并分别采用遗传算法、连续凸逼近算法和块坐标下降技术进行求解,在保证数据完整性和节点上传时间约束的前提下,实现了系统总能耗的有效降低。
47、在多无人机任务分配步骤中,本技术基于传感器节点位置、数据上传截止时间以及无人机能量约束构建任务分配模型,并采用遗传算法进行求解。该方法能够将网络中的节点合理均匀地分配给各架无人机,避免了单架无人机任务过重或能量不足导致的数据采集失败。通过均衡各无人机的飞行距离和悬停时间,不仅降低了单架无人机的推进能耗,还确保了所有节点都能在规定时间内被采集,为后续轨迹优化奠定了良好基础。
48、在联合优化无人机飞行轨迹和节点唤醒时间调度步骤中,本技术在固定节点发射功率的条件下,采用连续凸逼近算法和块坐标下降技术进行联合优化。通过引入松弛变量将非凸问题转化为凸优化问题迭代求解,使无人机能够动态调整飞行路径,在靠近节点采集数据以降低节点能耗的同时,避免不必要的绕行以节省无人机推进能耗。同时,优化节点唤醒时间调度确保节点仅在无人机到达时被唤醒,大幅减少了节点空闲监听造成的能量浪费,有效延长了网络生命周期。
49、在优化节点发射功率步骤中,本技术在固定无人机飞行轨迹和节点唤醒时间调度的基础上进一步优化节点发射功率。通过平衡节点能耗与无人机能耗之间的关系,使节点发射功率趋于合理值,既避免因功率过低导致无人机需过度靠近节点而增加飞行能耗,又避免因功率过高导致节点自身能耗过大。这一优化使得无人机与节点之间的能耗分配达到最优状态,在保证数据传输质量的同时,进一步降低了系统总能耗。
50、通过以上步骤的协同优化,系统总能耗较传统方法大幅降低,无人机飞行能耗与节点通信能耗达到整体最优平衡。网络生命周期得到有效延长,节点能量利用效率最大化,使无线传感网的整体使用寿命显著提升。无人机续航能力增强,在有限电池容量下能够完成更多数据采集任务。同时,本技术在能耗优化的过程中严格满足节点数据上传截止时间约束,确保所有时间敏感数据都能在有效期内被采集,避免了数据丢失,提高了无线传感网的数据采集质量。
51、本技术在保证数据采集质量的前提下,实现了多无人机辅助无线传感网系统总能耗的最小化,具有显著的实用价值和广泛的应用前景。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com