一种基于注意力机制的动态时空无人机充电方法技术

本发明专利技术公开了一种基于注意力机制的动态时空无人机充电方法,包括如下步骤，获得无线传感器节点集群的电量和位置信息；获得充电无人机当前的信息建立能耗模型；预估当前充电任务周期内被充电节点的数量；将传感器节点划分为待充电集合与备选集合；计算传感范围内待充电聚类的重要性程度；计算无人机对待充电目标的空间悬停位置。本发明专利技术充分考虑传感器节点和无人机的实时电量以及无线充电效率，通过聚类算法和基于注意力机制的在线路径规划算法使无人机能够对关键目标进行充电，节省了无人机和充电和飞行能耗，在与不同算法进行对比后，证明了本方法所体现优势，保证无线传感器网络拥有更稳定的生命周期与鲁棒性。拥有更稳定的生命周期与鲁棒性。拥有更稳定的生命周期与鲁棒性。

【技术实现步骤摘要】
一种基于注意力机制的动态时空无人机充电方法


[0001]本专利技术涉及无线传感
，具体涉及一种基于注意力机制的动态时空无人机充电方法。

技术介绍

[0002]近些年来，无线传感器网络在国防军事、智能交通、环境监测等领域具有广泛的应用，无线传感器在感知区域内的部署规模成数倍增长。随着无线充电技术的成熟，无线可充电传感器网络已逐步取代原始网络结构，针对复杂的地理环境和无线传感器自身电量受限等因素，通过引入充电设备和设计充电策略以延长网络寿命。因此，对该网络设计出合理的充电策略以及有效利用充电设备能量成为了当前的研究热点。现有工作大多采用移动充电设备对网络内的无线传感器进行充电，但所提出的充电方法往往没有考虑因能量异构所导致的网络无线传感器节点实时能耗问题，从而无法满足部分传感器的充电请求，这将严重影响传感器网络的生命周期和移动充电设备的能量利用率。
[0003]对于充电方式而言，截至目前，大多数研究依靠无线充电技术作为对无线传感器节点进行能量补充的主要形式，并分为固定无线充电和移动无线充电两种充电方式。对于固定充电方式，即将单台或多台无线充电源以固定位置部署在网络中的指定区域，但远离无线充电源的传感器节点会因为无线电波随距离衰减的特性而无法得到良好的充电效果。因此考虑在充电任务中以无人机为载体使用单一源多接收单源的充电模式是一种能解决上述问题的有效手段。然而，以往工作没有考虑无人机立体空间高度与传感器的充电效率之间的关系，并且在先验知识中固定了无人机充电时的悬停高度，即假定充电场景为二维平面，此时无人机与传统的地面移动充电设备在移动充电任务中没有明显区别，以往研究未能设计立体空间场景以进一步体现无人机相较于传统移动充电设备的优势，因此其所提算法大多没有完全发挥出充电无人机的机动性能。

技术实现思路

[0004]为解决现有技术中存在的问题，本专利技术提供了一种基于注意力机制的动态时空无人机充电方法，考虑到无人机和传感器的能耗限制以及网络的生命周期，对网络内的传感器节点进行高效的集合划分，并计算出无人机对目标充电时的最佳悬停高度，保证了无人机范围充电的效率并且使得无人机对传感器节点的无线充电损失最小，同时本专利技术提供的基于注意力机制的充电目标选择方法能节省无人机在每轮充电周期中的能耗，在提高对无线传感器的充电效率的同时减少了网络内部电量耗尽的传感器数量，解决了上述
技术介绍
中提到的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于注意力机制的动态时空无人机充电方法，包括如下步骤：
[0006]S1、传感器节点通过单跳通信的方式向中心基站节点发送充电请求和基本信息；
[0007]S2、充电无人机向基站节点提交当前时刻的基本信息，建立传感器与无人机相应
的能耗模型；
[0008]S3、根据传感器节点在工作状态能耗和睡眠状态的单位时间能耗得到所有传感器节点的失效时限和无人机到达该节点所需时间
[0009]S4、根据当前时刻网络中已失效节点和不可达节点的总量D0，各节点的剩余电量E
i
(t)，各节点与无人机的欧式距离d
i,cur
(t)，得到各传感器节点的重要性程度I(s
i
)，根据E
uav
(t)得到当前无人机可充电的最大节点个数K；
[0010]S5、将传感器节点按重要性程度大小正向排序生成待充电队列Q，取Q中前K个无线传感器节点为聚簇集合的初始中心点，通过邻接矩阵中各节点与前K个节点之间的距离和自身电量构成特征组，使用基于K
‑
Medoids的聚类算法对节点进行聚类划分，分别生成聚簇集合C
i
，1≤i≤K，以及由非聚簇节点组成的备选集合
[0011]S6、使用注意力机制计算当前时刻下每个聚簇C
i
的重要性程度并进行排序，选择重要性程度最高的集合C
uav
作为无人机的下一充电目标；
[0012]S7、交替迭代运用最小节点集合覆盖和最小圆覆盖算法将集合C
uav
划分为多个子集，然后通过基于距离远近的排序算法确定无人机对C
uav
中所有子集B
i
充电的先后顺序，计算无人机在立体空间中对各子集充电时的悬停位置。
[0013]优选的，步骤S1中所述的基本信息包括各传感器的地面坐标当前时刻剩余电量E
i
(t)和与最近邻节点s
j
。
[0014]优选的，所述步骤S2中的基本信息包括无人机当前所在位置当前剩余电量E
uav
(t)和飞行高度h
cur
。
[0015]优选的，所述步骤S2中建立无线传感器与无人机相应的能耗模型具体包括：
[0016]对于无线传感器的能耗模型，包括传感器工作状态的能耗与低电量时睡眠状态的能耗，对任意传感器节点s
i
，其工作状态能耗表达为：，其工作状态能耗表达为：
[0017]无人机的移动能耗分为飞行能耗与悬停能耗，其中单位时间飞行能耗表达为：
[0018]无人机单位时间的悬停能耗为：p
h
＝p0+p1；
[0019]无人机的充电能耗表达为：
[0020]优选的，所述步骤S4中传感器的重要性程度表达为：
[0021]优选的，所述步骤S5中基于K
‑
Medoids的聚类算法，具体流程如下：
[0022]S51、将待充电队列Q中前K个无线传感器节点作为初始中心节点；
[0023]S52：计算每个节点与各初始中心节点之间的相似度，通过下式选择出节点s
i
作为新的中心节点：
[0024][0025]其中μ为参数权重，l
max
为无人机进行无线充电的最大有效距离；
[0026]S53、重复上述步骤至中心节点的位置不再改变；
[0027]S54、计算初始中心节点所属的聚类个数M，若有N个初始中心节点被划分到同一聚类则有K
←
K
‑
N+1；若M＜K，从Q中按顺序继续抽取M
‑
K个节点，重复S52与S53步骤直至M＝K。
[0028]优选的，所述步骤S6中选取重要性程度最高的聚簇C
i
通过下式进行表达：
[0029][0030]优选的，所述步骤S7中交替迭代运用最小节点集合覆盖和最小圆覆盖算法的具体流程如下：
[0031]S71、筛选有效集合：对步骤S6中选出的目标充电聚簇C
uav
使用最小集合覆盖算法生成子集解B
i
，C
uav
中保留有效集合，将被剔除的集合存入备选子集解中；
[0032]S72、生成最小覆盖圆：遍历子集解B
i
中所有集合节，生成B
i
的最小圆，即求出可以覆盖B
i
中所有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的动态时空无人机充电方法，其特征在于，包括如下步骤：S1、传感器节点通过单跳通信的方式向中心基站节点发送充电请求和基本信息；S2、充电无人机向基站节点提交当前时刻的基本信息，建立传感器与无人机相应的能耗模型；S3、根据传感器节点在工作状态能耗和睡眠状态的单位时间能耗得到所有传感器节点的失效时限和无人机到达该节点所需时间S4、根据当前时刻网络中已失效节点和不可达节点的总量D0，各节点的剩余电量E
i
(t)，各节点与无人机的欧式距离d
i，cur
(t)，得到各传感器节点的重要性程度I(s
i
)，根据E
uav
(t)得到当前无人机可充电的最大节点个数K；S5、将传感器节点按重要性程度大小正向排序生成待充电队列Q，取Q中前K个无线传感器节点为聚簇集合的初始中心点，通过邻接矩阵中各节点与前K个节点之间的距离和自身电量构成特征组，使用基于K
‑
Medoids的聚类算法对节点进行聚类划分，分别生成聚簇集合C
i
，1≤i≤K，以及由非聚簇节点组成的备选集合S6、使用注意力机制计算当前时刻下每个聚簇C
i
的重要性程度并进行排序，选择重要性程度最高的集合C
uav
作为无人机的下一充电目标；S7、交替迭代运用最小节点集合覆盖和最小圆覆盖算法将集合C
uav
划分为多个子集，然后通过基于距离远近的排序算法确定无人机对C
uav
中所有子集B
i
充电的先后顺序，计算无人机在立体空间中对各子集充电时的悬停位置。2.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：步骤S1中所述的基本信息包括各传感器的地面坐标当前时刻剩余电量E
i
(t)和与最近邻节点s
j
。3.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S2中的基本信息包括无人机当前所在位置当前剩余电量E
uav
(t)和飞行高度h
cur
。4.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S2中建立无线传感器与无人机相应的能耗模型具体包括：对于无线传感器的能耗模型，包括传感器工作状态的能耗与低电量时睡眠状态的能耗，对任意传感器节点s
i
，其工作状态能耗表达为：，其工作状态能耗表达为：无人机的移动能耗分为飞行能耗与悬停能耗，其中单位时间飞行能耗表达为：无人机单位时间的悬停能耗为：p
h
＝p0+p1；
无人机的充电能耗表达为：5.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S4中传感器的重要性程度表达为：6.根据权利要求1所述...

【专利技术属性】
技术研发人员：蔡波，于耀翔，
申请(专利权)人：武汉大学，
类型：发明
国别省市：