一种效用驱动的无人机感知网络充电调度方法

1.本发明涉及无人机感知网络充电调度的技术领域，尤其涉及一种效用驱动的无人机感知网络充电调度方法。


背景技术：

2.近年来，无人机感知网络在电力巡检、运输、农业、公共事业一些方面的应用变得越来越受欢迎。无人机感知解决了固定式和车载移动式感知设备无法到达工厂、企业、小区、单位、风景区内部空间以及山地、河流、森林、种植、养殖区域进行日常感知的问题，极大地扩大了感知范围。然而，无人机相比传统传感器，不仅需要感知和通信，还需要额外的能量来维持起飞、降落、飞行和悬停。无人机通常通过电池供电来满足传感器、电机即其他设备的能量消耗。以大疆的旋翼无人机mavic pro platinum为例，其受限于飞行控制系统的高功耗及电池容量问题，飞行时间一般在20分钟到30分钟之间，续航时间短已经成为无人机感知网络广泛应用的瓶颈问题；以巡检为例，处理大批的无人机及其充电将变得复杂和费力。高效的充电调度方案是延长无人机可用性的关键。
3.为了解决上述的挑战，无人机充电站被用于在没有人工干预的情况下自主对无人机进行充电。无论是无人机有线充电站还是无线充电站均已有了实际应用。但是，在充电站数量有限的情况下，无法保证随时地为每一架无人机都提供充电服务，这将影响无人机后续感知任务的执行，导致无人机感知网络的服务质量降低。因此，需要设计高效的无人机充电调度来维持无人机感知网络的持续运转。在无人机感知网络中，如果只考虑无人机的感知质量可能会带来高昂的充电开销，而只考虑充电成本往往会导致感知质量无法达到预期。
4.此外，无人机充电调度相关的研究大多是从单轮调度的角度考虑，它们默认所有的信息都是已知的，并没有先前的调度结果，也不考虑这个调度对后面的调度是否有影响，但事实上，每个无人机的调度，不仅受先前调度的结果的影响，同时也影响其他无人机及其后续的分配。以巡检为例，如果将单轮的调度方案应用在每一轮巡检之中，很可能会导致充电站过载，甚至影响无人机后续巡检任务的执行。


技术实现要素：

5.鉴于上述现有存在的问题，提出了本发明。
6.因此，本发明提供了一种效用驱动的无人机感知网络充电调度方法解决现有的无人机充电调度大多只考虑单轮调度，没有先前的调度结果，也不考虑先前调度对后面的调度的影响，无法保证随时的为每一架无人机都提供充电服务，影响无人机后续感知、巡检任务的执行，导致无人机感知网络的服务质量降低的问题。
7.为解决上述技术问题，本发明提供如下技术方案：本发明实施例提供了一种效用驱动的无人机感知网络充电调度方法，包括：基于无人机的运行状态获取无人机、充电设施以及兴趣点集合，并构建无人机感
知网络模型；根据所述无人机感知网络模型的感知数据质量构建感知价值模型以及基于所述充电设施的充电功率，建立充电计费成本模型；形式化所述无人机感知网络系统周期下的感知效用最大化问题；调用效用驱动的无人机感知网络充电调度算法，得到每个无人机的调度方案，实现无人机的充电调度。
8.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：所述无人机集合，表示为：其中，任一无人机；所述兴趣点均由至少一架无人机负责感知，所述兴趣点集合，表示为：其中，任一兴趣点；所述充电设施均位于一座充电站内，无人机需要飞行到充电设施上进行充电，所述充电设施集合，表示为：其中，任一充电设施。
9.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：人机感知网络模型包括：所述无人机、兴趣点以及充电设施同一分布在二维平面上，考虑无人机是异构的，假设以匀速直线的飞行状态往返于充电站与感知位置之间；将一段连续的时间离散化为多个时隙，当无人机的电量低于固定阈值时，则离开感知位置，飞往充电站进行充电，充满电后再次返回感知位置执行感知任务；所述无人机往返于充电站和感知位置之间所需的时间，表示为：其中，为无人机的感知位置与充电站之间的距离，为无人机在单位时隙内所能飞行的距离；所述无人机在充电站采用完全充电模式，无人机在充电站的充电需求量，表示为：其中，为无人机的电池容量，为无人机电池容量的固定阈值，为无人机在充电站与感知位置之间往返的电量消耗；所述无人机每次执行感知任务所花费的时间，表示为：
其中，为无人机的工作功率。
10.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：感知价值模型包括：当无人机到达充电站时，将一次性上传所携带的感知数据，所述无人机每轮所产生的感知价值，表示为：其中，为无人机在单位时隙内对兴趣点所能产生的感知质量，为无人机所负责感知的兴趣点集合，为兴趣点的权重系数。
11.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：根据充电设施的充电功率，建立充电计费成本模型，包括：所述无人机在时隙选择充电设施进行充电所占用的时间，表示为：其中，为充电设施的充电功率，q为时隙且，为无人机在充电站的充电需求量，为时隙数量；所述无人机在时隙选择充电设施进行充电所产生的充电成本，表示为：其中，为充电设施的单位时隙充电价格。
12.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：形式化所述无人机感知网络系统周期下的感知效用最大化问题，包括：无人机在时隙选择充电设施进行充电所获得的感知效用，表示为：其中，为无人机每轮所产生的感知价值，为无人机在时隙选择充电设施进行充电所占用的时间，为无人机往返于充电站和感知位置之间所需的时间，为无人机每次执行感知任务所花费的时间；设调度方案为：
其中，表示无人机在时隙是否选择充电设施进行充电的决策变量；无人机在整个周期内通过充电调度所能获得的总感知效用，表示为：无人机感知网络系统周期下的感知效用最大化问题形式化，表示为：。
13.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：还包括：决策约束，表示为：其中，决策变量为0-1变量；对于任意的充电设施在任意时隙内只能为一架无人机提供充电服务约束，表示为：对于任意的无人机在任意时隙内只能选择一个充电设施进行充电约束，表示为：。
14.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：调用效用驱动的无人机感知网络充电调度算法，包括：输入无人机充电调度参数；找出所有无人机中从某一时隙开始充电后直到再次回到充电站提交感知数据所占用的最大时隙数和最小时隙数；所述最大时隙数，表示为：所述最小时隙数，表示为：设前个时隙的最大感知效用为，前个时隙的最优充电调度为，
初始化从到的最大感知效用和最优充电调度；对于，设定设定；更新，当个时隙时，计算得到前个时隙的最大感知效用和最优调度，继续迭代更新，否则返回前个时隙的最大感知效用和最优充电调度。
15.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：所述计算前个时隙的最大感知效用和最优调度，包括：初始化前个时隙的最大感知效用，假设从最后一次充电分配的开始时隙到时隙所占时隙数量为；若满足时，假设在时隙进行充电分配直到时隙所能产生的最大感知效用，对于任意无人机从时隙选择任意充电设备开始充电直到时隙所能获得的感知效用,表示为:基于二部图，采用km算法进行求解二部图的最大权匹配，通过匹配进行充电分配对应的感知效用为；所述二部图，表示为：其中，表示对于任意无人机均可以分配到任意充电设施，集合表示对应的边权集合；当时，假设从最后一次充电分配的开始时隙到时隙所占最佳时隙数量为，时隙的最大权匹配为，更新,
,，否则更新，继续迭代；若不满足时，则根据和更新。
16.作为本发明所述的效用驱动的无人机感知网络充电调度方法的一种优选方案，其中：所述根据和更新，包括：初始化，并定义决策时隙为；若满足时，当，时，更新，，否则更新，；完成所述更新后继续迭代更新；若不满足时，则返回。
17.与现有技术相比，本发明的有益效果：本发明通过对服务质量和充电成本两个方面进行考虑，构造了感知效用函数，利用感知效用驱动的无人机短期充电调度，能够在多项式时间内得到最优调度方案，充电调度效益高，在多轮调度方面具有显著优势。
附图说明
18.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本发明一个实施例所述的一种效用驱动的无人机感知网络充电调度方法的感知方案和充电方案的流程图；图2为本发明一个实施例所述的一种效用驱动的无人机感知网络充电调度方法的网络模型示意图；图3为本发明一个实施例所述的一种效用驱动的无人机感知网络充电调度方法的充电调度算法流程图；图4为本发明一个实施例所述的一种效用驱动的无人机感知网络充电调度方法的求解前个时隙的最大感知效用和最优调度的算法流程图；图5为本发明一个实施例所述的一种效用驱动的无人机感知网络充电调度方法的根据和更新的算法流程图。
具体实施方式
19.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
20.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以
采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
21.其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
22.实施例1参照图1~图5，为本发明的一个实施例，该实施例提供了一种效用驱动的无人机感知网络充电调度方法，包括：s1:基于无人机的运行状态获取无人机、充电设施以及兴趣点集合，并构建无人机感知网络模型；更进一步的，无人机集合，表示为：其中，任一无人机；兴趣点均由至少一架无人机负责感知，兴趣点集合，表示为：其中，任一兴趣点；充电设施均位于一座充电站内，无人机需要飞行到充电设施上进行充电，充电设施集合，表示为：其中，任一充电设施。
23.更进一步的，人机感知网络模型包括：无人机、兴趣点以及充电设施同一分布在二维平面上，考虑无人机是异构的，假设以匀速直线的飞行状态往返于充电站与感知位置之间；将一段连续的时间离散化为多个时隙，当无人机的电量低于固定阈值时，则离开感知位置，飞往充电站进行充电，充满电后再次返回感知位置执行感知任务；无人机往返于充电站和感知位置之间所需的时间，表示为：其中，为无人机的感知位置与充电站之间的距离，为无人机在单位时隙内所能飞行的距离；无人机在充电站采用完全充电模式，无人机在充电站的充电需求量，表示为：其中，为无人机的电池容量，为无人机电池容量的固定阈值，为无人机在充电站与感知位置之间往返的电量消耗；
无人机每次执行感知任务所花费的时间，表示为：其中，为无人机的工作功率。
24.s2:根据无人机感知网络模型的感知数据质量构建感知价值模型以及基于充电设施的充电功率，建立充电计费成本模型；更进一步的，感知价值模型包括：当无人机到达充电站时，将一次性上传所携带的感知数据，无人机每轮所产生的感知价值，表示为：其中，为无人机在单位时隙内对兴趣点所能产生的感知质量，为无人机所负责感知的兴趣点集合，为兴趣点的权重系数。
25.更进一步的，根据充电设施的充电功率，建立充电计费成本模型，包括：无人机在时隙选择充电设施进行充电所占用的时间，表示为：其中，为充电设施的充电功率，q为时隙且，为无人机在充电站的充电需求量，为时隙数量；无人机在时隙选择充电设施进行充电所产生的充电成本，表示为：其中，为充电设施的单位时隙充电价格。
26.s3:形式化无人机感知网络系统周期下的感知效用最大化问题；更进一步的，形式化无人机感知网络系统周期下的感知效用最大化问题，包括：无人机在时隙选择充电设施进行充电所获得的感知效用，表示为：其中，为无人机每轮所产生的感知价值，为无人机在时隙选择充电设施进行充电所占用的时间，为无人机往返于充电站和感知位置之间所需的时间，为无人机每次执行感知任务所花费的时间；
设调度方案为：其中，表示无人机在时隙是否选择充电设施进行充电的决策变量；无人机在整个周期内通过充电调度所能获得的总感知效用，表示为：无人机感知网络系统周期下的感知效用最大化问题形式化，表示为：。
27.更进一步的，还包括：决策约束，表示为：其中，决策变量为0-1变量；对于任意的充电设施在任意时隙内只能为一架无人机提供充电服务约束，表示为：对于任意的无人机在任意时隙内只能选择一个充电设施进行充电约束，表示为：。
28.s4:调用效用驱动的无人机感知网络充电调度算法，得到每个无人机的调度方案，实现无人机的充电调度；更进一步的，调用效用驱动的无人机感知网络充电调度算法，包括：输入无人机充电调度参数；应说明的是，输入参数包括：无人机集合，兴趣点集合，充电设施集合，时隙数量, 充电需求量，任一无人机往返于充电站和感知位置之间所需时间,任一无人机每次执行感知任务的所花费时间，任一无人机每轮所产生的感知价值，充电设施的充电功率，充电设施的单位时隙充电价格。
29.找出所有无人机中从某一时隙开始充电后直到再次回到充电站提交感知数据所占用的最大时隙数和最小时隙数；最大时隙数，表示为：
最小时隙数，表示为：设前个时隙的最大感知效用为，前个时隙的最优充电调度为，初始化从到的最大感知效用和最优充电调度；对于，设定设定；更新，当个时隙时，计算得到前个时隙的最大感知效用和最优调度，继续迭代更新，否则返回前个时隙的最大感知效用和最优充电调度。
30.更进一步的，计算前个时隙的最大感知效用和最优调度，包括：初始化前个时隙的最大感知效用，假设从最后一次充电分配的开始时隙到时隙所占时隙数量为；若满足时，假设在时隙进行充电分配直到时隙所能产生的最大感知效用，对于任意无人机从时隙选择任意充电设备开始充电直到时隙所能获得的感知效用,表示为:基于二部图，采用km算法进行求解二部图的最大权匹配，通过匹配进行充电分配对应的感知效用为；二部图，表示为：
其中，表示对于任意无人机均可以分配到任意充电设施，集合表示对应的边权集合；当时，假设从最后一次充电分配的开始时隙到时隙所占最佳时隙数量为，时隙的最大权匹配为，更新,,，否则更新，继续迭代；若不满足时，则根据和更新。
31.更进一步的，根据和更新，包括：初始化，并定义决策时隙为；若满足时，当，时，更新，，否则更新，；完成更新后继续迭代更新；若不满足时，则返回。
32.实施例2参照图1~图5，为本发明的一个实施例，在此实施例中，本发明提供的一种效用驱动的无人机感知网络充电调度方法为一个时间复杂度为的多项式时间最优化算法。
33.若形式化后的感知效用最大化问题的最优解产生的最大收益为，其中，，则为子问题即前个时隙的最大收益的最优解,产生的最大收益为，且。
34.进一步的，采用反证法进行证明：假设原问题的最优解仍为但是并不包含子问题的最优解，即子问题存在解使得前个时隙产生的收益，且；即当前个时隙随机进行规划时都不会改变时隙下的无人机状态和充电设施状态，因此，时隙下的最优分配仍然为。
35.进一步的，，
，表明原问题存在着一个比更优的解，这与最初的假设矛盾。因此，形式化后的感知效用最大化问题具有最优子结构性，即原问题的最优解包含了其子问题的最优解。由此可得，效用驱动的无人机感知网络充电调度算法得到的调度方案为最优方案。
36.实施例3参照图2~图5，为本发明的一个实施例，为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例通过验证测试，验证本发明方法所具有的真实效果，具体包括：如图2所示，在二维平面上，用表示无人机集合，表示兴趣点集合，表示充电设施集合，时隙数量。具体坐标如表1所示：表1实体坐标无人机相关参数设置为：，；充电设施相关参数设置为：；无人机在充电站中不同充电设施进行充电所对应的充电时间与感知效用如表2和表3所示，四舍五入后保留实际结果小数点后一位，之后实施例均采取此规则。
37.表2：由进行充电所占用的实际时隙数
表3：由进行充电并及时返回充电站所获得的感知效用进行充电并及时返回充电站所获得的感知效用如图3所示，效用驱动的无人机感知网络充电调度算法具体过程如下：a1：输入参数：无人机集合，兴趣点集合，充电设施集合，时隙数量，以及其它参数；a2：找出所有无人机中从某一时隙开始充电后直到再次回到充电站提交感知数据的所占用的最大时隙数和最小时隙数；a3：设前个时隙的最大感知效用为，前个时隙的最优充电调度为，初始化从到的最大感知效用和最优充电调度，对于，设定设定；a4：更新；a5：若，执行步骤a6到a7，否则执行步骤a8；a6：求解前个时隙的最大感知效用和充电调度；以为例，，进入步骤a6.1，如图4所示；a6.1：初始化前5个时隙的最大感知效用，设从最后一次充电分配的开始时隙到时隙所占时隙数量为；a6.2：若，执行步骤a6.3到a6.7，否则执行步骤a6.8；a6.3：设定在时隙进行充电分配直到时隙所能产生的最大感知效用，对于任意无人机从时隙选择任意充电设备开
始充电直到时隙5所能获得的感知效用为，其中，表示为：以为例，为例，，即，进入步骤a6.4；a6.4：基于二部图，其中表示对于任意无人机均可以分配到任意充电设施，集合表示对应的边权集合，采用km算法进行求解二分图的最大权匹配，该最大匹配对应的感知效用为；a6.5：若，执行步骤a6.6，否则执行步骤a6.7；a6.6：设从最后一次充电分配的开始时隙到时隙所占最佳时隙数量为，时隙的最大权匹配为，更新，更新；a6.7：更新，返回步骤a6.2；当时，重复执行步骤a6.3到a6.7得到, ，进入步骤a6.8;a6.8：根据和更新，进入步骤a6.8.1，如图5所示；a6.8.1：初始化，定义决策时隙为；a6.8.2：若，执行步骤a6.8.3，否则执行步骤a6.8.6；a6.8.3：若且，执行步骤a6.8.4，否则执行步骤a6.8.5；a6.8.4：更新，返回步骤a6.8.2;a6.8.5：更新，返回步骤a6.8.2;a6.8.6：返回，其中，其余均为0。
38.a7：返回步骤a4；
当时，重复执行步骤a6到a7得到时，重复执行步骤a6到a7得到和，其中，其余均为0，进入步骤a8；a8：返回和，最终结果为，总感知效用为67。
39.应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
40.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
41.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
42.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
43.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
44.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
45.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。