一种基于网络态势感知的多无人机任务处理系统技术方案

本发明专利技术请求保护一种基于网络态势感知的多无人机任务处理系统及方法，包括系统架构、硬件态势感知调度模块、任务分配调度算法模块、任务调度管理模块、数据管理模块、设备管理模块、用户管理模块，系统架构以SpringBoot和Vue.js为主，地面站采用MAVSDK进行开发，结合Fast API框架组成，本发明专利技术与现有技术相比的优点在于：基于网络态势对多无人机任务协同设计任务分配方案，涵盖算法执行模块和任务执行、用户信息查询、管理及任务完成和路线选择可视化等功能模块，以保证无人机任务执行的成功率和任务完成的及时性，其能有效提高多无人机对于任务执行和调度的协同能力，并为多无人机协同调度和线路规划管理提供一种智能化的管理系统。系统。系统。

【技术实现步骤摘要】
一种基于网络态势感知的多无人机任务处理系统


[0001]本专利技术涉及无人机多任务处理调度系统
，具体为一种网络态势感知的多无人机任务处理系统。

技术介绍

[0002]近几年来，无人机技术得到了迅猛的发展，其在物流、农业、安全监控等领域的应用范围不断扩大，据统计，2021年全球民用无人机市场规模超过1,600亿元人民币，同比增长61.6％，其中工业级无人机约占60％。随着下游应用领域的拓展，预计2025年市场规模将达到5,000亿元人民币，届时工业级无人机占比将超过80％。
[0003]但是随着无人机应用领域的不断扩展，无人机任务的数量和复杂度也在不断增加。无人机网络态势感知可以帮助无人机系统在多无人机任务中进行资源调度和任务分配，提高任务处理的效率和准确性。通过对无人机网络态势的感知，可以对任务进行实时的监控和分析，发现潜在的问题和隐患，及时调整任务计划和资源分配，确保任务的顺利完成。
[0004]CN111221352B，一种基于多无人机协同博弈对抗的控制系统，旨在解决1V 1博弈对抗系统难以满足多无人机协同博弈对抗研究需求的问题。本系统包括管理模块以及博弈双方的无人机编队模块、态势评估模块、决策模块、协同任务分配模块；管理模块，配置为存储无人机编队获取的状态信息；无人机编队模块，配置为获取无人机的状态信息以及执行控制指令；态势评估模块，配置为根据状态信息获取态势评估信息；决策模块，配置为基于态势评估信息，获取对抗策略；协同任务分配模块，配置为基于对抗策略，结合对抗目标以及最优态势评估值，生成各无人机的控制指令。本专利技术为多无人机协同博弈对抗提供了仿真环境。
[0005]该CN111221352B专利首先只是针对1v1的博弈对抗，没有详细讨论在同一联盟中的多无人机的协同任务处理；其次，没有考虑到在实际场景中，由于任务掉线，无人机离线多种情况下，如何保证任务的完成率；最后，该专利只停留在仿真阶段，没有结合实际无人机和搭建系统平台测试。
[0006]然而，本专利首先提出了基于贪心策略的集中式任务分配算法，在多个无人机中实现任务协同预分配；其次，本专利在考虑新任务的增加，任务掉线，无人机离线多种意外情况下，提出基于拍卖机制的分布式任务分配算法，实现任务的重分配，保证了任务的一定完成率；最后，本专利结合实际地图并开发了系统平台对我们的方案进行了测试。

技术实现思路

[0007]本专利技术旨在解决以上现有技术的问题。提出了一种基于网络态势感知的多无人机任务处理方法。本专利技术的技术方案如下：
[0008]一种基于网络态势感知的多无人机任务处理系统，其包括：系统架构、硬件态势感知调度模块、任务分配调度算法模块、任务调度管理模块、数据管理模块、设备管理模块、用
户管理模块，其中，
[0009]所述系统架构包括SpringBoot和Vue.js，采用MAVSDK进行开发，结合Fast API框架组成，Python实现后端的主体服务部分和无人机硬件实时态势感知调度模块，Vue.js实现系统前端的展示和用户交互，包括登录、注册、用户管理、无人机管理、任务管理、传感器管理、系统管理服务；
[0010]所述硬件态势感知调度模块用于对于无人机、传感器、通信模块的抗干扰能力以及适用性和可拓展性功能的实现；
[0011]所述任务分配调度算法模块用于分析处理系统任务发布对各个无人机任务选择和路线规划；在保证无人机作为分布式核心的前提下，对无人机的任务进行合理分配，最短时间完成任务，并获得最大系统效益；
[0012]所述任务调度管理模块用于无人机任务分配管理和执行，任务可视化展示和任务列表信息管理与查询；
[0013]所述数据管理模块用于无人机数据感知、数据采集、数据存储、数据处理分析和数据查询；
[0014]所述设备管理模块用于无人机设备和传感器设备一体化管理，确保设备管理结构、启用状态控制和传感器管理；
[0015]所述用户管理模块用于对用户进行管理和权限控制，包括用户注册和认证、权限分配和用户信息管理。
[0016]进一步的，所述硬件态势感知调度模块包括无人机控制模块、无人机态势感知模块；其中，
[0017]所述无人机控制模块用于实现无人机的控制实现，在满足无人机硬件要求的前提下，对无人机的飞行时间、速度、高度和稳定性进行控制；
[0018]所述无人机态势感知模块用于依靠传感器获取无人机周围的态势，并与其他无人机，地面站以及服务器取得通信。
[0019]进一步的，所述任务分配调度算法执行模块包括集中式任务分配算法模块、分布式任务分配算法模块、路线规划算法模块；
[0020]所述集中式任务分配算法模块用于考虑任务属性、无人机的状态和其他环境因素，采用基于贪心策略的集中式任务分配算法将任务自适应分配；
[0021]所述分布式任务分配算法模块用于系统任务分配后，根据现实坏境复杂程度和受环境多因素影响产生的额外情况，采用基于拍卖机制的分布式任务分配算法对任务重分配，以保证任务的完成；
[0022]所述路线规划算法模块用于任务分配完成后，系统采用强化学习算法对无人机的任务路线进行规划，以保证在最短时间完成任务。
[0023]进一步的，集中式任务分配算法具体包括以下步骤：；
[0024]1)利用贪心算法对任务的状态信息进行分析，如任务类型、任务紧急程度、任务优先级。
[0025]2)对任务按照服务优先级从高到低排序。
[0026]3)每次优先选择能够满足能量需求且优先级最高的任务进行调度，重复多次直至任务分配完成。
[0027]分布式任务分配算法具体包括以下步骤：
[0028]1)对任务掉线、无人机离线、任务新增情况下未完成的任务初始化。
[0029]2)将任务分配问题转化为拍卖问题，无人机作为拍卖者，任务作为拍卖品。
[0030]3)计算个无人机对任务的出价，选择最高出价的无人机完成任务。
[0031]基于强化学习的路线规划算法具体包括以下步骤：
[0032]1)将路线规划问题抽象为经典的旅行商问题。
[0033]2)利用基于强化学习的Pointer Network中的Encoder将输入的无人机执行任务地点向量序列和距离向量序列进行编码。
[0034]3)利用基于强化学习的Pointer Network中的Decoder将上述编码矩阵计算注意力分布，逐步预测下一个位置生成一个旅行城市顺序的输出序列。
[0035]4)将Pointer network的输出序列解码成无人机的飞行顺序。
[0036]进一步的，所述无人机任务调度管理模块包括任务分配模块、任务可视化模块、路线可视化模块、任务列表模块、数据增删改查模块；其中，
[0037]所述任务分配模块用于展示所有待分配的任务信息和任务分配以及任务执行的功能，并自动调用底层的基于贪心策略的集中式任务分配算法和基于拍卖机制的分布式任务分配算法模块进行无人机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络态势感知的多无人机任务处理系统，其特征在于，包括：系统架构、硬件态势感知调度模块、任务分配调度算法模块、任务调度管理模块、数据管理模块、设备管理模块、用户管理模块，其中，所述系统架构包括SpringBoot和Vue.js，采用MAVSDK进行开发，结合Fast API框架组成，Python实现后端的主体服务部分和无人机硬件实时态势感知调度模块，Vue.js实现系统前端的展示和用户交互，包括登录、注册、用户管理、无人机管理、任务管理、传感器管理、系统管理服务；所述硬件态势感知调度模块用于对于无人机、传感器、通信模块的抗干扰能力以及适用性和可拓展性功能的实现；所述任务分配调度算法模块用于分析处理系统任务发布对各个无人机任务选择和路线规划；在保证无人机作为分布式核心的前提下，采用基于贪心策略的集中式任务分配算法和基于拍卖机制的分布式任务分配算法对无人机的任务进行合理分配，最短时间完成任务，并获得最大系统效益；所述任务调度管理模块用于无人机任务分配管理和执行，任务可视化展示和任务列表信息管理与查询；所述数据管理模块用于无人机数据感知、数据采集、数据存储、数据处理分析和数据查询；所述设备管理模块用于无人机设备和传感器设备一体化管理，确保设备管理结构、启用状态控制和传感器管理；所述用户管理模块用于对用户进行管理和权限控制，包括用户注册和认证、权限分配和用户信息管理。2.根据权利要求1所述的一种基于网络态势感知的多无人机任务处理系统，其特征在于，所述硬件态势感知调度模块包括无人机控制模块、无人机态势感知模块；其中，所述无人机控制模块用于实现无人机的控制实现，在满足无人机硬件要求的前提下，对无人机的飞行时间、速度、高度和稳定性进行控制；所述无人机态势感知模块用于依靠传感器获取无人机周围的态势，并与其他无人机，地面站以及服务器取得通信。3.根据权利要求1所述的一种基于网络态势感知的多无人机任务处理系统，其特征在于，所述任务分配调度算法执行模块包括集中式任务分配算法模块、分布式任务分配算法模块、路线规划算法模块；所述集中式任务分配算法模块用于考虑任务属性、无人机的状态和其他环境因素，基于贪心策略的集中式任务分配算法将任务自适应分配；所述分布式任务分配算法模块用于系统任务分配后，根据现实坏境复杂程度和受环境多因素影响产生的额外情况，基于拍卖机制的分布式任务分配算法对任务重分配，以保证任务的完成；所述路线规划算法模块用于任务分配完成后，系统采用强化学习算法对无人机的任务路线进行规划，以保证在最短时间完成任务。4.根据权利要求3所述的一种基于网络态势感知的多无人机任务处理系统，其特征在于，基于贪心策略的集中式任务分配算法具体包括以下步骤：
1)利用贪心算法对任务的状态信息进行分析，如任务类型、任务紧急程度、任务优先级。2)对任务按照服务优先级从高到低排序。3)每次优先选择能够满足能量需求且优先级最高的任务进行调度，重复多次直至任务分配完成。基于拍卖机制的分布式任务分配算法具体包括以下步骤：1)对任务掉线、无人机离线、任务新增情况下未完成的任务初始化。2)将任务分配问题转化为拍卖问题，无人机作为拍卖者，任务作为拍卖品。3)计算多个无人机对任务的出价，选择最高出价的无人机完成任务。基于强化学习的路线规划算法具体包括以下步骤：1)将路线规划问题抽象为经典的旅行商问题。2)利用基于强化学习的Poi...

【专利技术属性】
技术研发人员：宁兆龙，祝海琳，王维，王小洁，吴宇，易令，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：