一种基于数据采集新鲜度的无人机充电站部署方法技术

本发明专利技术提供了一种基于数据采集新鲜度的无人机充电站部署方法，包括：步骤S1，初始化；步骤S2，节点与系统信息新鲜度指标表示；步骤S3，二维马尔科夫建模对无人机状态建模；步骤S4，充电站部署问题建模；步骤S5，问题的优化；步骤S6，问题的转换；步骤S7，充电站的部署：基于Greedy算法，根据最优状态概率和最优状态转移概率于充电站位置集合内筛选得到峰值最小的位置以部署充电站。有益效果是本发明专利技术利用二维马尔科夫链对无人机的位置和能量进行建模，表示出信息新鲜度与稳定状态下状态概率的关系，然后在满足充电站部署预算限制的基础上，从多个可选充电站位置选择出满足预算的充电站集合，再通过优化无人机状态之间的转移概率，来保证信息新鲜度。来保证信息新鲜度。来保证信息新鲜度。

【技术实现步骤摘要】
一种基于数据采集新鲜度的无人机充电站部署方法


[0001]本专利技术涉及无人机的
，具体而言，涉及一种基于数据采集新鲜度的无人机充电站部署方法。

技术介绍

[0002]无人机传感器网络由很多部署在空间中的传感器组成，这些传感器可以实时的监测应用场景的环境变化，并生成有效的监测数据，无人机相关技术发展迅速，由于无人机高机动、部署灵活、运营成本低的特点，被广泛应用于环境监测、空中基站和农业植保等场景中。
[0003]在无线传感器网络中，无人机为中继，首先采集来自传感器节点的收集信息，无人机再将接收的数据转发到数据中心，相较于传感器直接将信息传递到数据中心的方式，有利于传感器的使用寿命的延长，也使得信道条件很好的改善，无人机在传感器网络节点间往返飞行并传递信息，这些过程需要消耗大量的能量，而无人机自身携带的能量有限，为保持信息收集任务的可持续性，无人机需要及时的能量补充，这就需要为无人机部署充电桩。
[0004]目前无人机辅助的数据收集方法或无人机充电桩部署方法主要有：
[0005](1)完成指定的数据收集任务，通过优化无人机的功率控制，轨迹和通信调度，最小化能量消耗；
[0006](2)无人机作为中继收集传感器信息，设计不同的通信调度策略最小化信息年龄；
[0007](3)利用固定位置的充电站为无人机充电，在有能量供给的条件下，协调的通信和充电调度策略，最小化信息年龄；
[0008]但是上述数据收集方法或无人机充电桩部署方法仍存在如下问题：
[0009](1)在没有无人机能量供给的情况下，高能效的通信调度和无人机功率控制仍无法使无人机一直处在工作状态；
[0010](2)在有充电站情况下，充电站位置的选择，和不同时刻无人机充电策略选择仍是值得考虑的问题。

技术实现思路

[0011]本专利技术要解决的问题是提供一种保证无人机能够一直处在工作状态且能够合理配置充电站位置的基于数据采集新鲜度的无人机充电站部署方法。
[0012]为解决上述问题，本专利技术提供一种基于数据采集新鲜度的无人机充电站部署方法，包括：
[0013]步骤S1，初始化：于无人机辅助的传感器网络中，随机分布M个传感器节点、一架旋翼无人机、一个数据中心和J个充电站候选点，所述传感器网络以时隙进行划分且每个时隙长为T
s
，并设定所述旋翼无人机的飞行时间和悬停时间分别为T
f
和T
h
；
[0014]步骤S2，节点与系统信息新鲜度指标表示：利用大数定理分别得到所述传感器节点和系统的峰值，并针对同一个所述时隙内的每个所述传感器节点，在所述传感器节点被
所述旋翼无人机访问时减小所述传感器节点对应的信息新鲜度指标；以及在所述传感器节点未被所述旋翼无人机访问时增加所述传感器节点对应的所述信息新鲜度指标；
[0015]步骤S3，二维马尔科夫建模对无人机状态建模：设定充电站位置集合为V，由传感器节点集合N和充电站位置集合V组成的图表示为G＝(V
’
，A)，其中V
’
＝N∪V，A表示存在的路径，每条所述路径代表一个可用的正概率状态转换，并且采用二维的马尔科夫链的形式将t时刻所述旋翼无人机的状态表示为s(t)＝(q(t),E(t))，以及将无人机的状态概率转移矩阵表示为P
Y
×
Y
＝[P
r,l
](r,l∈{1,2,
…
,Y})，其中S
r
表示无人机当前状态，S
l
表示无人机下一时刻状态，P
r,l
表示从当前状态S
r
转移到下一状态S
l
的概率，并且
[0016]步骤S4，充电站部署问题建模：根据所述状态概率转移矩阵和充电站部署个数的约束建立第一优化问题；
[0017]步骤S5，问题的优化：根据状态转移概率的约束对所述第一优化问题进行优化得到第二优化问题；
[0018]步骤S6，问题的转换：将所述第二优化问题转换为凸问题，并利用成熟的凸优化求解得到最优状态概率和最优状态转移概率；
[0019]步骤S7，充电站的部署：基于Greedy算法，根据所述最优状态概率和所述最优状态转移概率于所述充电站位置集合内筛选得到峰值最小的位置以部署充电站。
[0020]优选的，执行所述步骤S1之后还包括一能耗计算过程，所述能耗计算过程包括：
[0021]步骤A1，根据所述旋翼无人机的旋翼数目、旋翼半径、空气密度和给定推动力得到对应的感应速度，并根据所述感应速度、所述给定推动力、预设的能量转化效率、预设的倾斜角和所述飞行时间得到对应的飞行能耗；
[0022]步骤A2，根据所述旋翼数目、所述旋翼半径、所述空气密度、所述给定推动力和所述悬停时间得到对应的悬停能耗；
[0023]步骤A3，采集所述旋翼无人机自身的参数数据和环境数据并输入至预先构建的视距传播和非视距传播混合模型中得到对应的视距传播概率和非视距传播概率，并根据所述视距传播概率和所述非视距传播概率得到对应的通信能耗。
[0024]优选的，所述步骤A3中，视距和非视距混合组成的信道增益计算公式如下所示：
[0025][0026]其中，
[0027]β0与单位距离(1m)路径损耗和载波频率有关；
[0028]k表示路径损耗指数；
[0029]ζ表示非视距传播时相对于视距传播额外的衰减系数；
[0030]i表示第i个传感器节点；
[0031]d
i
(t)表示在t时刻所述旋翼无人机与第i个传感器节点之间的距离；
[0032]则所述视距传播概率表示为：
[0033][0034]其中，
[0035]a表示参数数据；
[0036]b表示环境数据；
[0037]H表示无人机飞行高度；
[0038]则所述非视距传播概率表示为：P
LoS,i
＝1
‑
P
NLoS,i
。
[0039]优选的，所述步骤A3中，采集所述旋翼无人机自身的所述参数数据和所述环境数据并输入至预先构建的所述视距传播和非视距传播混合模型中得到对应的所述视距传播概率和所述非视距传播概率之后，还包括：
[0040]根据预设的系统带宽、所述旋翼无人机接收的噪声功率、所述传感器节点的发射功率得到对应的第一阶段数据传输速率，根据所述第一阶段数据传输速率和所述传感器的一传输数据包大小得到对应的第一传输时间，根据所述第一传输时间和所述旋翼无人机的悬停时间得到对应的第二传输时间，根据所述系统带宽、所述噪声功率、所述视距传播概率、所述非视距传播概率、非视距传播影响因子、所述第二传输时间、所述传输数据包大小和路径损耗指数得到所述通信能耗。
[0041]优选的，通过以下计算公式得到所述通信能耗：
[0042][0043]其中，<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据采集新鲜度的无人机充电站部署方法，其特征在于，包括：步骤S1，初始化：于无人机辅助的传感器网络中，随机分布M个传感器节点、一架旋翼无人机、一个数据中心和J个充电站候选点，所述传感器网络以时隙进行划分且每个时隙长为T
s
，并设定所述旋翼无人机的飞行时间和悬停时间分别为T
f
和T
h
；步骤S2，节点与系统信息新鲜度指标表示：利用大数定理分别得到所述传感器节点和系统的峰值，并针对同一个所述时隙内的每个所述传感器节点，在所述传感器节点被所述旋翼无人机访问时减小所述传感器节点对应的信息新鲜度指标；以及在所述传感器节点未被所述旋翼无人机访问时增加所述传感器节点对应的所述信息新鲜度指标；步骤S3，二维马尔科夫建模对无人机状态建模：设定充电站位置集合为V，由传感器节点集合N和充电站位置集合V组成的图表示为G＝(V
’
，A)，其中V
’
＝N∪V，A表示存在的路径，每条所述路径代表一个可用的正概率状态转换，并且采用二维的马尔科夫链的形式将t时刻所述旋翼无人机的状态表示为s(t)＝(q(t),E(t))，以及将无人机的状态概率转移矩阵表示为P
Y
×
Y
＝[P
r,l
](r,l∈{1,2,....,Y})，其中S
r
表示无人机当前状态，S
l
表示无人机下一时刻状态，P
r,l
表示从当前状态S
r
转移到下一状态S
l
的概率，并且步骤S4，充电站部署问题建模：根据所述状态概率转移矩阵和充电站部署个数的约束建立第一优化问题；步骤S5，问题的优化：根据状态转移概率的约束对所述第一优化问题进行优化得到第二优化问题；步骤S6，问题的转换：将所述第二优化问题转换为凸问题，并利用成熟的凸优化求解得到最优状态概率和最优状态转移概率；步骤S7，充电站的部署：基于Greedy算法，根据所述最优状态概率和所述最优状态转移概率于所述充电站位置集合内筛选得到峰值最小的位置以部署充电站。2.根据权利要求1所述的无人机充电站部署方法，其特征在于，执行所述步骤S1之后还包括一能耗计算过程，所述能耗计算过程包括：步骤A1，根据所述旋翼无人机的旋翼数目、旋翼半径、空气密度和给定推动力得到对应的感应速度，并根据所述感应速度、所述给定推动力、预设的能量转化效率、预设的倾斜角和所述飞行时间得到对应的飞行能耗；步骤A2，根据所述旋翼数目、所述旋翼半径、所述空气密度、所述给定推动力和所述悬停时间得到对应的悬停能耗；步骤A3，采集所述旋翼无人机自身的参数数据和环境数据并输入至预先构建的视距传播和非视距传播混合模型中得到对应的视距传播概率和非视距传播概率，并根据所述视距传播概率和所述非视距传播概率得到对应的通信能耗。3.根据权利要求2所述的无人机充电站部署方法，其特征在于，所述步骤A3中，视距和非视距混合组成的信道增益计算公式如下所示：其中，
...

【专利技术属性】
技术研发人员：杨飞，刘娟，谢玲富，屈龙，
申请(专利权)人：宁波大学，
类型：发明
国别省市：