【技术实现步骤摘要】
本专利技术属于无人机协同轨迹规划，具体涉及一种基于多旅行商问题的多无人机轨迹规划和数据获取方法。
技术介绍
1、传感器网络作为物联网的“感官系统”，以其无处不在、灵活拓扑的特点，已经成为连接物与物、人与物之间重要的数字化桥梁。在未来大规模传感器场景中将分布数十亿的传感器设备，使得物联网技术从工业自动化到智能交通、智能家居到智慧城市成为可能。
2、针对上述需求，为了能更有效地收集这些设备的数据，同时依赖于6g网络提供的多维智能协同服务，装载了红外雷达、高精度传感器和高清摄像头的高精尖无人机的出现为研究人员们提供了新的解决思路。此外，用多无人机系统替换单个无人机系统可以以较低的总体成本提高空间覆盖范围、数据收集量和降低资源开销。有人认为，在提供通感一体化服务方面，使用多个无人机协同将会进一步增强感知和通信的覆盖范围。也有人认为可以使用博弈论来建模和平衡基于无人机的移动边缘计算系统的执行时间和能源成本。
3、然而，目前的技术大多专注于数据感知、资源分配或计算卸载中，无人机轨迹规划对数据采集的性能也有着至关重要的作用。有人通过设计一种基于深度强化学习的方法来解决多任务的车辆群体感知问题，该方法可以在评估动态环境中的感知任务时最大化能量效率。当前环境建模问题随着物理世界的发展变得越来越复杂，单个智能体也很难成为执行任务的首选方案。
4、为此，多智能体强化学习应运而生。利用多智能体强化学习的有用信息路径规划方法，在无需智能体间通信的情况下最大化收获的数据。
5、因此，解决最小化无人机工作的总时
技术实现思路
1、本专利技术的目的在于提供一种基于多旅行商问题的多无人机轨迹规划和数据获取方法，以解决上述
技术介绍
中提出的问题。
2、本专利技术目的是这样实现的：基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：其特征在于：该方法包括以下步骤：
3、步骤s1：场景内布置多个传感器和簇头节点，传感器将数据传输给簇头节点进行保存，无人机获取簇头节点数据；
4、步骤s2：建立问题模型，综合考虑传感器的分簇情况以及簇头节点的位置、每架无人机服务簇的集合以及访问这些位置节点的次序；
5、步骤s3：将问题模型转变为多旅行商问题；
6、步骤s4：利用改进遗传算法对多无人机轨迹进行全局规划；
7、步骤s5：利用多智能体强化学习规划多无人机局部轨迹和数据获取；
8、步骤s6：利用coma算法制定无人机飞行策略实时调整无人机的飞行角度、轨迹和计算方法，完成多无人机轨迹规划、数据传输和计算任务。
9、优选的，所述步骤s1中场景内布置多个传感器和簇头节点，传感器将数据传输给簇头节点进行保存，无人机获取簇头节点数据，具体为：
10、场景内随机分布se个传感器，每个传感器收集其周围地面环境的信息，传感器收集的数据类型为湿度、温度、噪声、烟雾浓度和视频数据；
11、场景内部署k个簇头节点，k个簇头节点对其采集范围内的传感器se进行预收集并等待无人机执行数据获取任务，满足k>>u，u为无人机总数；
12、假设簇头节点的发射功率为pk，簇内其他节点的发射功率为pse，pk>>pse；
13、所有的传感器节点一共分成k个簇，每个传感器必须与一个簇头节点k相绑，簇头节点k的接收信噪比表示为：
14、
15、其中，dk,se是簇头节点k与传感器se之间的距离；α是路径损耗指数，σ2是噪声功率。
16、优选的，所述步骤s2中建立问题模型，具体为：
17、步骤s2-1：建立无人机运动学模型，约束无人机在飞行过程中获取的数据速度、角度和距离；
18、步骤s2-2：建立传输信道模型，分析无人机与簇头节点之间传输信道的平均路径损耗；
19、步骤s2-3：建立无人机数据获取模型，分析无人机在飞行过程中的数据获取速率、数据获取时间、数据获取能耗；
20、步骤s2-4：建立无人机计算模型，分析无人机在获取完数据后的计算模式，分析无人机在一次数据获取任务周期内的时间组成；
21、步骤s2-5：建立无人机获取簇头节点的数据量问题模型，优化无人机服务的分簇情况、无人机一轮任务周期内需要获取每个簇的总数据量、无人机服务的簇头节点的位置、无人机访问这些位置的次序、无人机获取数据时飞行轨迹的离散化位置以及无人机采用的通信计算策略。
22、优选的，所述步骤s2-4中建立无人机计算模型，分析无人机在获取完数据后的计算模式，具体为：
23、假设服务器具有总计算资源ctotal，令cu表示分配给无人机u的计算资源，则无人机计算模型为：
24、
25、其中，表示为数据获取时间，表示无人机的获取速率；当无人机完成一轮数据获取任务后，数据获取任务放入本地队列进行计算；
26、每架无人机都装载了一个cpu作为计算设备，由于自身的能力有限，需要通过d2d的方式传输给附近无人机进行协同计算，从而得到更好的性能；
27、建立d2d通信模型，具体操作为：
28、假设无人机的通信半径为r，两个无人机间只有在距离r以内才能进行通信，使用nu＝{n|n∈u,dn,u<r}表示无人机u的潜在可通信无人机集合，无人机u到无人机n之间的传输速率为：
29、
30、其中，是无人机分配给d2d通信的信道带宽，为无人机u到无人机n的传输功率，为无人机u与无人机n之间的信道增益，dn,u表示无人机u和无人机n之间的距离；
31、传输时间为：
32、
33、其中，ηu表示d2d通信的计算任务的比例，ηu∈[0,1]；选择d2d通信方式时数据传输的能量消耗为：
34、
35、计算时间为：
36、
37、其中，表示无人机n的本地cpu频率；则采用d2d通信计算传输总时间为
38、消耗能量为：
39、
40、其中，δn(fn)2为无人机n的单位cpu周期的能耗；则采用d2d通信计算传输总能耗为
41、因此无人机u选择d2d通信模式的时间和能耗加权和为：
42、
43、其中，θt和θe分别表示时间加权系数和能耗加权系数，满足θt+θe＝1；
44、假设无人机u选择本地计算，时间为：
45、
46、其中，表示无人机u的本地cpu频率，(1-ηu)是本地计算数据获取任务的比例；
47、能耗为：
48、
49、其中，δu(fu)2为无人机u的单位cpu周期的能耗；时间和能耗加权和为：
50、
51、优选的，所述步骤s2-5中建本文档来自技高网...
【技术保护点】
1.基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S1中场景内布置多个传感器和簇头节点，传感器将数据传输给簇头节点进行保存，无人机获取簇头节点数据，具体为：
3.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S2中建立问题模型，具体为：
4.根据权利要求3所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S2-4中建立无人机计算模型，分析无人机在获取完数据后的计算模式，具体为：
5.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S2-5中建立无人机获取簇头节点的数据量问题模型，具体为：
6.根据权利要求5所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S3中将问题模型转变为多旅行商问题，具体为：
7.根据权利要求1所述的基于多旅行商问题的多
8.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S5中利用多智能体强化学习规划多无人机局部轨迹和数据获取，具体为：
9.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤S6中利用COMA算法制定无人机飞行策略实时调整无人机的飞行角度、轨迹和计算方法，完成多无人机轨迹规划、数据传输和计算任务，具体为：
...【技术特征摘要】
1.基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤s1中场景内布置多个传感器和簇头节点，传感器将数据传输给簇头节点进行保存，无人机获取簇头节点数据，具体为：
3.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤s2中建立问题模型，具体为：
4.根据权利要求3所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤s2-4中建立无人机计算模型，分析无人机在获取完数据后的计算模式，具体为：
5.根据权利要求1所述的基于多旅行商问题的多无人机轨迹规划和数据获取方法，其特征在于：所述步骤s2-5中建立无人机获取簇头节点...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。