技术特征：
1.一种效用驱动的无人机感知网络充电调度方法，其特征在于，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。2.如权利要求1所述的效用驱动的无人机感知网络充电调度方法，其特征在于：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。3.如权利要求1或2所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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。4.如权利要求3所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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。5.如权利要求4所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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。6.如权利要求5所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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：。7.如权利要求6所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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：。8.如权利要求7所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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。9.如权利要求8所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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。10.如权利要求9所述的效用驱动的无人机感知网络充电调度方法，其特征在于，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。
技术总结
本发明公开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；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；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。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。在多轮调度方面具有显著优势。在多轮调度方面具有显著优势。
技术研发人员：徐佳 许琳昊 俞欣仕 孙俊 陈文斌 李德强 徐力杰 肖甫
受保护的技术使用者：南京邮电大学
技术研发日：2023.01.09
技术公布日：2023/2/23