一种基于多无人机群智感知的数据采集方法与流程

技术特征：
1.一种基于多无人机群智感知的数据采集方法，其特征在于，该方法包括以下步骤：a.根据实际场景，对通信代价和能耗进行建模以构建出优化目标，实现对不同方案能耗和任务完成时间的评估；b.自适应地根据无人机的位置、地面设备的位置、移动特征，完成无人机与地面设备的自适应匹配；c.自适应匹配后，无人机根据地理信息、地面设备位置、运动状态，进行航路规划，收集地面设备的传感数据。2.根据权利要求1所述的一种基于多无人机群智感知的数据采集方法，其特征在于，城市场景中车辆作为移动传感设备，动态规划多架无人机轨迹以采集车辆的传感数据，并最大限度地提高数据采集的时间效率和能量效率。3.根据权利要求1
‑
2任一项所述的一种基于多无人机群智感知的数据采集方法，其特征在于：所述步骤a中对无人机与地面设备通信建模，即在时隙内收集的数据量为数据传输速率对时间的积分，其计算方法如下：，其中δt表示时隙长度，r
t
(u
i
，v
j
)表示在时间t时地面车辆v
j
和无人机u
i
之间的无线信道的预期数据传输速率，t0表示初始时间，其计算方法如下：其中pow
j
是车辆v
j
的传输功率，σ是噪声功率谱密度，w表示无人机提供的带宽；l
t
(u
i
，v
j
)表示时隙内预期的路径损耗：l
t
(u
i
，v
j
)＝l
free
p
los
·
l
los
p
nlos
·
l
nlos
，l
los
视距内通信的路径损耗，l
nlos
非视距通信的路径损耗，此处的p
los
和pn
los
为视距内通信和非视距通信的概率，其计算方法如下：p
nlos
＝1
‑
p
los
；其中α和β是由目标区域总面积、建筑面积、建筑物数量和建筑物高度分布确定的环境参数，θ
i，j
表示v
j
与u
i
之间的仰角；所述l
free
可由弗林斯传输方程式得到：，其中c
f
为载波频率，v
c
是光速。4.根据权利要求1
‑
3任一项所述的一种基于多无人机群智感知的数据采集方法，其特征在于，所述步骤a中包括对系统能耗建模，即时隙内无人机航行与车辆通信消耗的能量，计算方法为：
，其中c
bd
和c
p
分别为无人机旋翼叶片的阻力系数和推进系数，代表t时隙无人机飞行速度，分别代表t时隙无人机在x、y、z三个方向的分速度，代表归一化后的方向向量，代表车辆的工作状态，e
t
代表t时隙内的能耗；s
d
和γ分别指示无人机旋翼的面积和硬度，ε是感应功率的修正因子；ρ表示空气密度，s分别是无人机的等效平面面积。m和g表示无人机质量和重力加速度，车辆的传输功率表示为pow＝{pow1，pow2…
pow
n
}。5.根据权利要求1所述的一种基于多无人机群智感知的数据采集方法，其特征在于，匹配问题定义如下：配问题定义如下：配问题定义如下：配问题定义如下：r
t
表示全部的无人机提供的总数据速率，m和n分别代表无人机数量和车辆数量，代表无人机u
i
与车辆v
j
的匹配情况，r
i，j
代表无人机u
i
与车辆v
j
之间链路的数据传输率，约束条件确保每辆车仅匹配一架无人机传输数据，并防止无人机空载；匹配算法根据地面车辆运动情况自适应地匹配合适的无人机，提升数据传输效率。6.根据权利要求1所述的一种基于多无人机群智感知的数据采集方法，其特征在于，三维航路规划问题定义如下：
s.t.||p
t 1
(u
i
)
‑
p
t
(u
i
)||2≤δt
·
v
max
d
t
(u
i
)和e
t
(u
i
)分别表示无人机的收集数据量和能耗；j表示与u
i
匹配的车辆数，p
t
(u
i
)表示u
i
在时隙t开始时的位置，p
t 1
(u
i
)代表下一时隙开始时无人机的位置；无人机最高速度为v
max
，时隙长度为δt；平衡系数c
e
调节能耗变化对优化目标的敏感程度，d
t
(u
i
，v
j
)时隙t内车辆v
j
上传给的无人机u
i
的数据量。7.根据权利要求1所述的一种基于多无人机群智感知的数据采集方法，其特征在于，根据当前无人机位置和匹配情况，动态地为每架无人机规划三维飞行轨迹，在不越界、不碰障碍物的前提下，降低飞行能耗并缩短采集数据消耗的时间。8.一种基于多无人机群智感知的数据采集方法，其特征在于，该方法包括：步骤a：基于通信建模建立无人机与地面移动设备间的自适应匹配机制；步骤b：基于通信建模和能耗建模规划无人机三在维空间中的飞行轨迹；步骤c：将整个采集过程分解为多个时隙，在每个时隙内先进行设备匹配，将每个需要上传数据的地面移动设备分配给一架无人机，然后分别规划出多架无人机在该时隙的目的地，并迭代以上步骤a～步骤c。9.根据权利要求8所述的一种基于多无人机群智感知的数据采集方法，其特征在于，所述匹配机制的算法如下：第1步：每辆车与候选集中第一个元素匹配并删除此元素，由此形成无人机的候选车辆集合，按数据率升顺序排序；第2步：构建出无人机出事候选集，并计算总数据传输速率；第3步：删除无人机u
i
的第一个候选车cv
i，1
，并定义布尔信号better为0；第4步：将cv
i，1
所代表的车辆v
j
与其新的最优候选无人机，所述新的最优候选无人机为cu
j
中第一个元素匹配，并计算数据传输速率的增量；第5步：如果数据速率增量之和大于0，则接受新的匹配并返回到第3步，否则前往第6步；第6步：如果当前的则返回到第4步；否则，将v
j
返回cv
i
并前往第7步；第7步：如果i＝m，结束算法并输出最终匹配；否则令i＝i 1，返回第3步。10.根据权利要求8
‑
9所述的一种基于多无人机群智感知的数据采集方法，其特征在于，无人机航路规划采用多个搜索代理，探索可行解空间，均衡数据传输和能耗；每轮迭代，每个代理以动态的半径搜索无人机附近三维空间；若当前迭代中发现更合适的目的地，搜索中心将向其迁移，并在下一轮迭代中扩大搜索半径以保证搜索的广泛性性；若未发现更好的位置，则缩小搜索半径提升精细度。

技术总结
本发明提出了一种基于多无人机群智感知的数据采集方法，包括以下步骤：将整个采集过程分解为多个时隙，在每个时隙内先进行无人机


技术研发人员：赵志为 闵革勇 付璐炜 刘伟晨 李宏洋
受保护的技术使用者：电子科技大学
技术研发日：2021.09.14
技术公布日：2021/12/2