一种面向多无人机基站的天线角度与飞行路径控制方法技术

本发明专利技术公开了一种面向多无人机基站的天线角度与飞行路径控制方法，该方法针对灾害发生导致地面基站无法工作而由无人机作为基站提供信号的场景，利用整数非线性规划和随机动态规划求解使得随机用户需求的信号质量总体最优以及成本投入最小的无人机台数、飞行路径以及天线角度。同时本发明专利技术还公开了一种针对上述整数非线性规划和随机动态规划模型的、结合强化学习算法和分支剪界法的最优无人机台数、飞行路径以及天线角度求解算法。飞行路径以及天线角度求解算法。飞行路径以及天线角度求解算法。

【技术实现步骤摘要】
一种面向多无人机基站的天线角度与飞行路径控制方法


[0001]本专利技术属于无人机
，具体是一种面向多无人机基站的天线角度与飞行路径控制方法。

技术介绍

[0002]快速和可靠的无线通信已经成为人类生活中的一个关键需求。当自然灾害来临时，使用传统的无线网络难以提供无处不在的连接。在这种情况下，基于无人机的空中网络为关键任务场景提供了的快速、灵活和可靠的无线通信。由于其独有的特性，如移动性、灵活部署和快速重新配置，无人机可以随时动态地改变位置，在紧急情况下为地面用户提供按需通信。
[0003]目前，对无人机基站移动通信的研究还存在一些不足。一方面，传统的研究常使用静态控制方法，既无法适用于灾害情况和通信需求快速多变的实际场景，也没有充分利用无人机的灵活性，另一方面，目前针对无人机基站的部署研究大多都集中于单无人机的航线控制，而在实际的移动通信中经常需要多无人机协同作业，且无人机的天线角度对通信质量也有重要影响。

技术实现思路

[0004]本专利技术的目的是提供一种面向多无人机基站的天线角度与飞行路径控制方法，该方法针对灾害发生导致地面基站无法工作而由无人机作为基站提供信号的场景，利用整数非线性规划和随机动态规划求解使得随机用户需求的信号质量总体最优以及成本投入最小的无人机台数、飞行路径以及天线角度。
[0005]为了达到上述目的，本专利技术所采取的技术方案为：
[0006]步骤(1)、任务区域网格化
[0007]对二维任务区域进行网格划分，使得用户需求的地点和不同地点的状态均以网格为单位。包括以下过程：
[0008](1.1)、所有产生用户需求的网格的集合：
[0009]Φ＝{1,2,...,N}
ꢀꢀꢀ
(1)，
[0010]式(1)中，Φ表示所有产生用户需求的网格的集合，N表示网格的个数；
[0011](1.2)、时刻t所有网格的状态向量：
[0012]λ
t
＝(λ
1,t
,λ
2,t
,...,λ
i,t
,....,λ
N,t
)
ꢀꢀꢀ
(2)，
[0013]式(2)中，λ
i,t
表示时刻t网格i的状态，λ
t
表示时刻t所有网格的状态向量。
[0014]步骤(2)、一种多无人机天线角度与飞行路径控制方法，其特征在于：在随机需求实现中动态确定最优的天线角度与飞行路径。包括以下过程：
[0015](2.1)、时刻t所有网格的上行掉话率向量：
[0016][0017]式(3)中，表示时刻t网格i的上行掉话率，表示时刻t所有网格的上行掉话率
向量；
[0018](2.2)、时刻t所有网格的下行掉话率向量：
[0019][0020]式(4)中，表示时刻t网格i的下行掉话率，表示时刻t所有网格的下行掉话率向量；
[0021](2.3)、时刻t所有网格的上行50％吞吐量向量：
[0022][0023]式(5)中，表示时刻t网格i的上行50％吞吐量，表示时刻t所有网格的上行50％吞吐量向量；
[0024](2.4)、时刻t所有网格的下行50％吞吐量向量：
[0025][0026]式(6)中，表示时刻t网格i的下行50％吞吐量，表示时刻t所有网格的下行50％吞吐量向量；
[0027](2.5)、时刻t所有网格的上行5％吞吐量向量：
[0028][0029]式(7)中，表示时刻t网格i的上行5％吞吐量，表示时刻t所有网格的上行5％吞吐量向量；
[0030](2.6)、时刻t所有网格的下行5％吞吐量向量：
[0031][0032]式(8)中，表示时刻t网格i的下行5％吞吐量，表示时刻t所有网格的下行5％吞吐量向量；
[0033](2.7)、时刻t网格i的需求重要性：
[0034][0035]式(9)中，h
i
表示时刻t网格i的需求重要性，当时表示网格i为关键需求网格，当h
i,t
＝h时表示网格i为通常需求网格，p
i,t
＝f(λ
i,t
)表示网格i的需求重要性概率是该网格状态的函数；
[0036](2.8)、时刻t报酬函数：
[0037][0038]式(10)中，ω1、ω2和ω3表示掉话率、50％吞吐量和5％吞吐量的相对重要性的权重，M表示无人机发生碰撞时导致的成本损失，其中当两台无人机的位置距离小于Δ时定义为碰撞；
[0039](2.9)、时刻t无人机j的位置动作：
[0040][0041]式(11)中，和表示时刻t无人机j在x、y和z方向上的动作，当时表示时刻t无人机j沿该方向前进一个单位距离，当时表示时刻t无人机j沿该方向后退一个单位距离，当时表示时刻t无人机j沿该方向保持静止；
[0042](2.10)、时刻t无人机j的天线角度动作：
[0043][0044]式(12)中，当时表示时刻t无人机j的天线角度值增加10度，当时表示时刻t无人机j的天线角度值减少10度，当时表示时刻t无人机j的天线角度值保持不变；
[0045](2.11)、时刻t无人机j的位置状态的转移方程：
[0046][0047]式(13)中，和表示无人机j在时刻t和时刻t+1时的位置；
[0048](2.12)、时刻t无人机j的天线角度状态的转移方程：
[0049][0050]式(14)中，V
tj
和表示无人机j在时刻t和时刻t+1时的天线角度(以10度为单位)；
[0051](2.13)、所有网格的状态转移方程：
[0052]λ
t+1
＝Aλ
t
ꢀꢀꢀ
(15)，
[0053]式(15)中，A表示网格的状态转移矩阵；
[0054](2.14)、以累计收益最大化为目标设置函数：
[0055][0056]式(16)中，π表示策略函数，R(J,π)表示策略函数为π、一共有J台无人机时的累计收益，ρ表示折扣率；
[0057](2.15)、将式(9)—式(16)汇总，得到以累计收益最大化为目标的多无人机最优天线角度和飞行路径控制模型，写成如下形式：
[0058][0059](2.16)、上述优化问题属于随机动态规划问题。本专利技术使用近端策略优化算法进行求解，该算法是一种基于随机策略的强化算法，其主要特征在于：1)使用神经网络来同时拟合价值函数和策略函数；2)在每次更新时策略网络参数时，通过提出一种裁剪的替代目
标函数，以惩罚变化大的策略，其中裁剪超参数为ε。
[0060]步骤(3)、一种无人机最优台数确定方法，其特征在于：在随机需求实现前确定最优的无人机台数。包括以下过程：
[0061](3.1)、对总成本投入进行约束：
[0062]cJ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.任务区域网格化对二维任务区域进行网格划分，使得用户需求的地点和不同地点的状态均以网格为单位。包括以下过程：(1.1)、所有产生用户需求的网格的集合：Φ＝{1,2,...,N}
ꢀꢀꢀꢀ
(1)，式(1)中，Φ表示所有产生用户需求的网格的集合，N表示网格的个数；(1.2)、时刻t所有网格的状态向量：λ
t
＝(λ
1,t
,λ
2,t
,...,λ
i,t
,....,λ
N,t
)
ꢀꢀꢀꢀ
(2)，式(2)中，λ
i,t
表示时刻t网格i的状态，λ
t
表示时刻t所有网格的状态向量。2.一种基于权利要求1所述的任务区域网格化方法的多无人机天线角度与飞行路径控制方法，其特征在于：在随机需求实现中动态确定最优的天线角度与飞行路径。包括以下过程：(2.1)、时刻t所有网格的上行掉话率向量：式(3)中，表示时刻t网格i的上行掉话率，表示时刻t所有网格的上行掉话率向量；(2.2)、时刻t所有网格的下行掉话率向量：式(4)中，表示时刻t网格i的下行掉话率，表示时刻t所有网格的下行掉话率向量；(2.3)、时刻t所有网格的上行50％吞吐量向量：式(5)中，表示时刻t网格i的上行50％吞吐量，表示时刻t所有网格的上行50％吞吐量向量；(2.4)、时刻t所有网格的下行50％吞吐量向量：式(6)中，表示时刻t网格i的下行50％吞吐量，表示时刻t所有网格的下行50％吞吐量向量；(2.5)、时刻t所有网格的上行5％吞吐量向量：式(7)中，表示时刻t网格i的上行5％吞吐量，表示时刻t所有网格的上行5％吞吐量向量；(2.6)、时刻t所有网格的下行5％吞吐量向量：式(8)中，表示时刻t网格i的下行5％吞吐量，表示时刻t所有网格的下行5％吞吐量向量；
(2.7)、时刻t网格i的需求重要性：式(9)中，h
i
表示时刻t网格i的需求重要性，当时表示网格i为关键需求网格，当h
i,t
＝h时表示网格i为通常需求网格，p
i,t
＝f(λ
i,t
)表示网格i的需求重要性概率是该网格状态的函数；(2.8)、时刻t报酬函数：式(10)中，ω1、ω2和ω3表示掉话率、50％吞吐量和5％吞吐量的相对重要性的权重，M表示无人机发生碰撞时导致的成本损失，其中当两台无人机的位置距离小于Δ时定义为碰撞；(2.9)、时刻t无人机j的位置动作：式(11)中，和表示时刻t无人机j在x、y和z方向上的动作，当时表示时刻t无人机j沿该方向前进一个单位距离，当时表示时刻t无人机j沿...

【专利技术属性】
技术研发人员：万施霖，张裕汉，金鑫，
申请(专利权)人：广东翼景信息科技有限公司，
类型：发明
国别省市：