一种基于数字孪生的无人机数能计算联合资源分配方法组成比例

本发明专利技术涉及一种基于数字孪生的无人机数能计算联合资源分配方法，包括：S1、构建UAV和地面IOT设备的物理实体的数字孪生模型；S2、构建UAV的计算资源分配的数字孪生模型；S3、构建IOT设备的剩余能量数字孪生模型；S4、根据构建的模型对地面IOT设备的最大计算任务所完成的时间最小化的优化问题求解。本发明专利技术提出了UAV与IoT设备的数字孪生模型以及数字孪生辅助下的移动边缘计算和无线能量传输模型，考虑到IoT设备的公平性，提出了最小化最大的IoT设备的计算任务完成时间的问题，并且提出了联合资源分配算法，联合优化了IoT设备的卸载决策，UAV的计算资源分配以及UAV的水平飞行轨迹。UAV的计算资源分配以及UAV的水平飞行轨迹。UAV的计算资源分配以及UAV的水平飞行轨迹。

【技术实现步骤摘要】
一种基于数字孪生的无人机数能计算联合资源分配方法


[0001]本专利技术涉及无人机数能传输
，尤其涉及一种基于数字孪生的无人机数能计算联合资源分配方法。

技术介绍

[0002]无人机(UAV)具有高度移动性和低成本的特点，在传统通信网络不能覆盖的偏远地区，可以采用无人机作为空中的移动基站或者数据收集平台，为偏远地区的设备提供信息服务。但是在大规模物联网(Internet OfThings,IoT)中，IoT设备的电池容量有限，更换电池成本高，如何为设备提供持续且低成本的能量供应成为了非常棘手的问题。无线功率传输(Wireless Power Transfer,WPT)技术作为一种新型的供电方式，设备可以通过射频信号接收来自能量发射机的功率，即使在移动状态下也可以进行无线充电，保证了IoT设备的能量持续供应。然而，在远场WPT场景下，由于能量信号受到路径损耗的影响，收集的能量可能会显著降低。这时，UAV利用其自身的移动性和较高的飞行高度，可以与地面IoT设备构建视距(Line of Sight,LoS)传输链路，因此，UAV支持WPT技术，通过优化UAV的飞行轨迹，收集到的能量可以大幅度增加。将传统的无线通信网络中的无线信息传输(Wireless Information Transfer,WIT)与WPT结合，可以实现数据与能量的协作同传(Simultaneous Wireless Information and PowerTransfer,SWIPT)和无线供电的通信网络(Wireless Powered CommunicationNetworking,WPCN)，此时，无人机可以作为一个移动的接入点，解决传统WPCN网络中固定接入点造成的能量传输效率低以及用户的公平性问题。
[0003]数字孪生(Digital Twin,DT)技术是指对物理空间的真实事物进行虚拟数字化，即在虚拟空间中建立物理空间真实事物的镜像模型，然后通过这两个空间的数据交互，实现实时预测、优化、监控、控制和改进决策。在IoT网络中，随着IoT设备数量的日益增加，如何对大规模网络中的资源进行动态分配成为一个非常有挑战的问题。DT技术作为一个有潜力的数字映射技术，如何通过建立物理空间的数字仿真模型来解决大规模IoT网络下智能的动态资源分配问题，是目前需要考虑的。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺点，提供了一种基于数字孪生的无人机数能计算资源分配方法，能够解决IoT网络中设备计算能力有限以及能量供应不足的问题，并且利用数字孪生技术提供实时的计算资源分配方案。
[0006]本专利技术的目的通过以下技术方案来实现：一种基于数字孪生的无人机数能计算资源分配方法，所述资源分配方法包括：
[0007]S1、构建UAV和地面IOT设备的物理实体的数字孪生模型其中U和K分别表示UAV和IOT设备的物理实体，和分别表示DT复制出的UAV和IOT设备的虚
拟副本；
[0008]S2、构建UAV的计算资源分配的数字孪生模型其中表示在时隙t，UAV的DT估计的分配给物联网设备k的计算任务的计算资源，表示UAV真实分配的计算资源和估计值之间的偏差；
[0009]S3、构建IOT设备的剩余能量数字孪生模型其中e
k
(t)表示在时隙t，IOT设备k的DT估计的剩余能量值，表示IOT设备k在时隙t的剩余能量的真实值与估计值之间的偏差；
[0010]S4、根据构建的模型对地面IOT设备的最大计算任务所完成的时间最小化的优化问题求解。
[0011]所述地面IOT设备的最大计算任务所完成的时间最小化的优化问题为其中，表示IoT设备卸载决策的集合，表示UAV的计算资源分配的集合，表示UAV的水平轨迹的集合，为IoT设备k的计算任务完成时间，包括卸载数据时延和计算时延；
[0012]设置的约束条件为：设置的约束条件为：设置的约束条件为：其中f
max
为UAV的最大计算资源，V
max
表示UAV的最大水平飞行速度。
[0013]在数字孪生辅助下的无人机与地面物联网设备的计算模型中，假设IoT设备将计算任务全部卸载到具有MEC能力的UAV上，设置IoT设备k的计算任务表示为其中D
k
表示从IoT设备k卸载到UAV的数据量，F
k
表示UAV用于处理IoT设备卸载的数据所需要的总的CPU循环数，在时隙t，UAV的DT估计的IoT设备k的卸载数据的计算时延表示为实际的IoT设备k在时隙t的计算时延为则在整个飞行周期，IoT设备k的计算时延为
[0014]在数字孪生辅助下无人机与地面物联网设备采用线性能量传输模型进行能量传输，则在时隙t，IoT设备k接收到的来自UAV的能量表示为其中η表示能量转换效率，P
U
表示UAV的充电功率，h
k
(t)表示在时隙t，UAV到IoT设备k的路径损耗，表示为Δτ为每个时隙长度，满足T＝MΔτ，在前n个时隙IoT设备k收集的
能量表示为则IoT设备k的DT在时隙t估计的剩余能量表示为其中表示IoTk在前n个时隙卸载计算任务所消耗的能量，DT的剩余能量估计值有一个的偏差，真实的剩余能量值表示为
[0015]在IoT设备与UAV之间的通信链路没有被阻挡的前提下，将物理实体的无线通信模型建模为LoS链路，在时隙t，IoT设备k的可达速率表示其中B为无线信道带宽，P
k
为IoT设备k的发射功率，β0表示参考距离为1m时的信道增益，σ2表示噪声功率，采用子时划分传输协议，即每个时隙被划分为K+1个子时隙，IoT设备在这K个子时隙依次卸载数据，剩余一个子时隙用于接收能量，设置在时隙t，IoT设备k的卸载时长比例系数为a
k
(t)，卸载的数据量表示为D
k
(t)＝r
k
(t)a
k
(t)Δτ，则IoT设备k在整个飞行周期的卸载时延可以表示为
[0016]引入辅助变量T
max
来表示所有IOT设备中最大计算任务所完成的时间并采用块坐标下降的算法将优化问题分解为三个子问题，并对每个子问题分别进行求解，最后通过迭代得到最终解。
[0017]所述采用块坐标下降的算法将优化问题分解为三个子问题，并对每个子问题分别进行求解，最后通过迭代得到最终解具体包括：
[0018]A1、初始化无人机的飞行轨迹Q0，初始化计算资源分配F0，迭代次数r＝0，迭代阈值
ò
，迭代最大次数r
max
；
[0019]A2、对于给定的{Q
r
,F
r
}，优化问题转换为关于IoT卸载决策变量A的线性规划问题，并利用线性规划方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：所述资源分配方法包括：S1、构建UAV和地面IOT设备的物理实体的数字孪生模型其中U和K分别表示UAV和IOT设备的物理实体，和分别表示DT复制出的UAV和IOT设备的虚拟副本；S2、构建UAV的计算资源分配的数字孪生模型其中表示在时隙t，UAV的DT估计的分配给物联网设备k的计算任务的计算资源，表示UAV真实分配的计算资源和估计值之间的偏差；S3、构建IOT设备的剩余能量数字孪生模型其中e
k
(t)表示在时隙t，IOT设备k的DT估计的剩余能量值，表示IOT设备k在时隙t的剩余能量的真实值与估计值之间的偏差；S4、根据构建的模型对地面IOT设备的最大计算任务所完成的时间最小化的优化问题求解。2.根据权利要求1所述的一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：所述地面IOT设备的最大计算任务所完成的时间最小化的优化问题为其中，表示IoT设备卸载决策的集合，表示UAV的计算资源分配的集合，表示UAV的水平轨迹的集合，为IoT设备k的计算任务完成时间，包括卸载数据时延和计算时延；设置的约束条件为：设置的约束条件为：设置的约束条件为：其中f
max
为UAV的最大计算资源，V
max
表示UAV的最大水平飞行速度。3.根据权利要求2所述的一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：在数字孪生辅助下的无人机与地面物联网设备的计算模型中，假设IoT设备将计算任务全部卸载到具有MEC能力的UAV上，设置IoT设备k的计算任务表示为其中D
k
表示从IoT设备k卸载到UAV的数据量，F
k
表示UAV用于处理IoT设备卸载的数据所需要的总的CPU循环数，在时隙t，UAV的DT估计的IoT设备k的卸载数据的计算时延表示为实际的IoT设备k在时隙t的计算时延为则在整个飞行周期，IoT设备k的计算时延为
4.根据权利要求3所述的一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：在数字孪生辅助下无人机与地面物联网设备采用线性能量传输模型进行能量传输，则在时隙t，IoT设备k接收到的来自UAV的能量表示为其中η表示能量转换效率，P
U
表示UAV的充电功率，h
k
(t)表示在时隙t，UAV到IoT设备k的路径损耗，表示为Δτ为每个时隙长度，满足T＝MΔτ，在前n个时隙IoT设备k收集的能量表示为则IoT设备k的DT在时隙t估计的剩余能量表示为其中表示IoTk在前n个时隙卸载计算任务所消耗的能量，DT的剩余能量估计值有一个的偏差，真实的剩余能量值表示为5.根据权利要求4所述的一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：在IoT设备与UAV之间的通信链路没有被阻挡的前提下，将物理实体的无线通信模型建模为LoS链路，在时隙t，IoT设备k的可达速率表示其中B为无线信道带宽，P
k
为IoT设备k的发射功率，β0表示参考距离为1m时的信道增益，σ2表示噪声功率，采用子时划分传输协议，即每个时隙被划分为K+1个子时隙，IoT设备在这K个子时隙依次卸载数据，剩余一个子时隙用于接收能量，设置在时隙t，IoT设备k的卸载时长比例系数为a
k
(t)，卸载的数据量表示为D
k
(t)＝r
k
(t)a
k
(t)Δτ，则IoT设备k在整个飞行周期的卸载时延可以表示为6.根据权利要求2所述的一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：引入辅助变量T
max
来表示所有IOT设备中最大计算任务所完成的时间并采用块坐标下降的算法将优化问题分解为三个子问题，并对每个子问题分别进行求解，最后通过迭代得到最终解。7.根据权利要求6所述的一种基于数字孪生的无人机数能计算联合资源分配方法，其特征在于：所述采用块坐标下降的算法将优化问题分解为三个子问题，并对每个子问题分别进行求解，最后通过迭代得到最终解具体包括：A1、初始化无人机的飞行轨迹Q0，初始化计算资源分配F0，迭代次数r＝0，迭代阈值
ò
，迭代最大次数r
max
；A2、对于给定的{Q
r
,F
r
}，优化问题转换为关于IoT卸载决策变量A的线性规划问题...

【专利技术属性】
技术研发人员：杨鲲，符钰婧，杜璇，
申请(专利权)人：河北百亚信息科技有限公司，
类型：发明
国别省市：