一种可充电无人机路径规划方法及系统技术方案

本发明专利技术提供一种可充电无人机路径规划方法及系统，包括：获取无人机和传感器集合，确定系统模型、信道模型和无人机能耗模型；基于所述系统模型、所述信道模型和所述无人机能耗模型建立无人机总能量消耗目标函数；基于传感器分簇机制和簇头选择机制，根据DQN算法对所述无人机总能量消耗目标函数中的无人机飞行路径策略和充电策略进行联合优化，实现最小化无人机采集完成所有传感器簇头节点的能量消耗。本发明专利技术针对无人机需要返回充电的场景，采用深度强化学习方法，通过无人机与环境不断交互，实现飞行路径与充电策略的联合优化。实现飞行路径与充电策略的联合优化。实现飞行路径与充电策略的联合优化。

【技术实现步骤摘要】
一种可充电无人机路径规划方法及系统


[0001]本专利技术涉及无人机
，尤其涉及一种可充电无人机路径规划方法及系统。

技术介绍

[0002]无人机技术在过去几年间取得了长足的进步，并在许多领域得到了广泛的应用。
[0003]在通信领域，无人机可用作无线覆盖的空中基站，也可作为移动中继为远程用户提供可靠的通信链路，其他无人机的应用还包括无人机辅助的无线网络，面向6G的未来智能安全无人机网络等。此外，无人机在应急场景下也发挥着重要作用。在灾害应急和复杂地形条件下，使用无人机进行实地数据采集和信息提取，能够为决策者提供第一手资料，从而最大限度减少损失。随着硬件技术的不断发展，无人机的成本越来越低，但其承载的功能越来越多。为此，无人机辅助的传感器采集系统正得到广泛关注。一方面，由于无人机的高移动性，无人机可以扩大采集范围；另一方面，由于无人机高度较高，它与地面传感器建立视距通信链路的机会更高。通过无人机与传感器直接进行数据通信，可以提高数据采集效率与可靠性。
[0004]为进一步提升无人机的采集效率，可对地面传感器进行分簇处理，簇头负责收集簇内其余传感器数据，而无人机只针对簇头进行采集。特别地，由于无人机能量有限且需要采集的区域面积较大，在一次飞行过程中可能无法采集区域内的所有的数据。因此，根据无人机有限的能量设计合理的飞行策略十分关键。当前，许多研究工作基于无人机辅助的传感器采集系统并未考虑无人机的可充电性，并基于上述场景优化无人机的飞行路径。但是在实际系统中，无人机可返回充电点进行充电并再次出发执行任务的场景十分普遍。

技术实现思路

[0005]本专利技术提供一种可充电无人机路径规划方法及系统，用以解决现有技术中存在的缺陷。
[0006]第一方面，本专利技术提供一种可充电无人机路径规划方法，包括：
[0007]获取无人机和传感器集合，确定系统模型、信道模型和无人机能耗模型；
[0008]基于所述系统模型、所述信道模型和所述无人机能耗模型建立无人机总能量消耗目标函数；
[0009]基于传感器分簇机制和簇头选择机制，根据DQN算法对所述无人机总能量消耗目标函数中的无人机飞行路径策略和充电策略进行联合优化，实现最小化无人机采集完成所有传感器簇头节点的能量消耗。
[0010]在一个实施例中，所述获取无人机和传感器集合，确定系统模型、信道模型和无人机能耗模型，包括：
[0011]将所述传感器集合分成若干簇，获取所有簇头集合、每簇中的节点集合和任一簇中的传感器总数，确定所述任一簇中任意两个传感器节点之间距离不大于簇头最大通信范围，确定所述任一簇中任一传感器的携带数据量；
[0012]基于二元变量分别获取簇头选择策略和无人机采集策略，确定无人机采集簇头节点总数，基于所述簇头节点总数得到无人机飞行路径集合以及每一段路径长度；
[0013]基于自由空间路径损耗模型获得无人机和传感器之间的信道增益，由所述信道增益得到无人机和簇头之间的数据传输速率；
[0014]获取给定总推力、给定总推力下的隐含速度、无人机平均运动速度和无人机俯仰角度，基于所述给定总推力、所述给定总推力下的隐含速度、所述无人机平均运动速度和所述无人机俯仰角度得到无人机前进最小功率，其中所述给定总推力是基于无人机总质量、重力常数和总阻力所获得，所述隐含速度是基于所述给定总推力、所述无人机俯仰角度、无人机旋翼数量和无人机旋翼半径所获得；
[0015]基于所述给定总推力、所述无人机旋翼数量和所述无人机旋翼半径得到无人机悬停最小功率；
[0016]确定能量效率，将所述无人机前进最小功率和所述无人机悬停最小功率分别除以所述能量效率，分别得到无人机单位时间内前进最小功率和无人机单位时间内悬停最小功率；
[0017]获取无人机推进总时间，由所述无人机推进总时间分别乘以所述无人机单位时间内前进最小功率和所述无人机单位时间内悬停最小功率，分别得到总推进能耗和总悬停能耗。
[0018]在一个实施例中，所述基于所述系统模型、所述信道模型和所述无人机能耗模型建立无人机总能量消耗目标函数，包括：
[0019]基于所述总推进能耗和所述总悬停能耗建立最小目标函数，同时满足第一约束条件和第二约束条件；
[0020]所述第一约束条件为每个簇内所有传感器均需要覆盖在当前簇内簇头节点的覆盖范围内；
[0021]所述第二约束条件为所述无人机在任意时刻的剩余能量大于0，其中包括无人机采集簇头传感器时，与无人机返回充电点充电时。
[0022]在一个实施例中，所述基于传感器分簇机制和簇头选择机制，根据DQN算法对所述无人机总能量消耗目标函数中的无人机飞行路径策略和充电策略进行联合优化，实现最小化无人机采集完成所有传感器簇头节点的能量消耗，包括：
[0023]采用预设聚类分簇算法，选择得到最优分簇数量；
[0024]基于最优分簇数量，对分簇过程和簇头选择进行迭代优化，得到满足每簇簇头通信范围约束的最小分簇数量；
[0025]基于最小分簇数量，确定无人机的状态、动作和奖励，求解得到所述最小化无人机采集完成所有传感器簇头节点的能量消耗。
[0026]在一个实施例中，所述采用预设聚类分簇算法，选择得到最优分簇数量，包括：
[0027]通过k
‑
means算法对所述传感器集合进行分簇；
[0028]基于欧氏距离获得每个簇内传感器到簇头的距离，判断所述每个簇内传感器到簇头的距离是否均小于簇头最大通信范围，得到所述最优分簇数量。
[0029]在一个实施例中，所述基于最优分簇数量，对分簇过程和簇头选择进行迭代优化，得到满足每簇簇头通信范围约束的最小分簇数量，包括：
[0030]确定任一簇中任一传感器的携带数据量，以及所述任一簇内任一传感器与同簇内其它节点之间的平均距离；
[0031]将所述携带数据量和所述平均距离相乘得到任一簇中任一传感器的中心度；
[0032]确定每个簇的簇头选择策略为获得使所述中心度达到最大值对应的节点为簇头节点。
[0033]在一个实施例中，所述基于最小分簇数量，确定无人机的状态、动作和奖励，求解得到所述最小化无人机采集完成所有传感器簇头节点的能量消耗，包括：
[0034]确定所述无人机在任一时刻的状态包括无人机位置信息、传感器被采集情况和无人机剩余电量，所述无人机在所述任一时刻的动作包括匀速飞行至任一簇头处数据采集动作和飞回出发点充电动作，以及所述无人机在所述任一时刻的奖励包括电量奖励、飞行时间奖励和采集奖励；
[0035]基于所述DQN算法构建经验回放库，将数据集放入所述经验回放库进行存储，所述数据集包括所述任一时刻的状态、动作、奖励和下一时刻的状态；
[0036]初始化估计值网络输出和目标值网络输出，初始化所述经验回放库；
[0037]从所述经验回放库中随机抽取数据进行学习，更新目标Q值，根据梯度下降法最小化损失函数，并更新对应的神经网络权重和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可充电无人机路径规划方法，其特征在于，包括：获取无人机和传感器集合，确定系统模型、信道模型和无人机能耗模型；基于所述系统模型、所述信道模型和所述无人机能耗模型建立无人机总能量消耗目标函数；基于传感器分簇机制和簇头选择机制，根据DQN算法对所述无人机总能量消耗目标函数中的无人机飞行路径策略和充电策略进行联合优化，实现最小化无人机采集完成所有传感器簇头节点的能量消耗。2.根据权利要求1所述的可充电无人机路径规划方法，其特征在于，所述获取无人机和传感器集合，确定系统模型、信道模型和无人机能耗模型，包括：将所述传感器集合分成若干簇，获取所有簇头集合、每簇中的节点集合和任一簇中的传感器总数，确定所述任一簇中任意两个传感器节点之间距离不大于簇头最大通信范围，确定所述任一簇中任一传感器的携带数据量；基于二元变量分别获取簇头选择策略和无人机采集策略，确定无人机采集簇头节点总数，基于所述簇头节点总数得到无人机飞行路径集合以及每一段路径长度；基于自由空间路径损耗模型获得无人机和传感器之间的信道增益，由所述信道增益得到无人机和簇头之间的数据传输速率；获取给定总推力、给定总推力下的隐含速度、无人机平均运动速度和无人机俯仰角度，基于所述给定总推力、所述给定总推力下的隐含速度、所述无人机平均运动速度和所述无人机俯仰角度得到无人机前进最小功率，其中所述给定总推力是基于无人机总质量、重力常数和总阻力所获得，所述隐含速度是基于所述给定总推力、所述无人机俯仰角度、无人机旋翼数量和无人机旋翼半径所获得；基于所述给定总推力、所述无人机旋翼数量和所述无人机旋翼半径得到无人机悬停最小功率；确定能量效率，将所述无人机前进最小功率和所述无人机悬停最小功率分别除以所述能量效率，分别得到无人机单位时间内前进最小功率和无人机单位时间内悬停最小功率；获取无人机推进总时间，由所述无人机推进总时间分别乘以所述无人机单位时间内前进最小功率和所述无人机单位时间内悬停最小功率，分别得到总推进能耗和总悬停能耗。3.根据权利要求2所述的可充电无人机路径规划方法，其特征在于，所述基于所述系统模型、所述信道模型和所述无人机能耗模型建立无人机总能量消耗目标函数，包括：基于所述总推进能耗和所述总悬停能耗建立最小目标函数，同时满足第一约束条件和第二约束条件；所述第一约束条件为每个簇内所有传感器均需要覆盖在当前簇内簇头节点的覆盖范围内；所述第二约束条件为所述无人机在任意时刻的剩余能量大于0，其中包括无人机采集簇头传感器时，与无人机返回充电点充电时。4.根据权利要求1所述的可充电无人机路径规划方法，其特征在于，所述基于传感器分簇机制和簇头选择机制，根据DQN算法对所述无人机总能量消耗目标函数中的无人机飞行路径策略和充电策略进行联合优化，实现最小化无人机采集完成所有传感器簇头节点的能量消耗，包括：
采用预设聚类分簇算法，选择得到最优分簇数量；基于最优分簇数量，对分簇过程和簇头选择进行迭代优化，得到满足每簇簇头通信范围约束的最小分簇数量；基于最小分簇数量，...

【专利技术属性】
技术研发人员：王莉，费爱国，徐连明，王雪夫，付玮琦，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：