申请/专利权人：华北电力大学(保定)

申请日：2022-04-27

公开（公告）日：2024-04-16

公开（公告）号：CN115865674B

主分类号：H04L41/0833

分类号：H04L41/0833;H04L67/12;H04B7/185;G16Y20/30;H04L41/14;H04L41/142

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.04.14#实质审查的生效;2023.03.28#公开

摘要：本发明提出了一种无人机辅助数据采集中联合轨迹与节点接入的优化方法，最小化所有传感节点的能耗值。首先，建立了一个最小化最大能耗的问题模型。为了有效地解决这个非凸问题，利用块坐标下降法并通过引入松弛变量的方法将原始优化问题转换成两个子问题：轨迹优化问题和节点接入方案优化问题。其次，利用连续凸近似的方法提出了一种联合优化轨迹和接入方案的算法。该算法在每次迭代中依次获得最优节点接入方案和无人机飞行轨迹，迭代次数足够大时，传感节点的最小最大能耗逐渐收敛。仿真结果表明，提出的算法与基本的无人机飞行方案相比可以有效地降低节点的能耗并提高数据传输速率，同时算法具有良好的收敛性和复杂度。

主权项：1.一种无人机辅助数据采集中联合轨迹与节点接入的优化方法，其特征在于，包括以下步骤：S1，对最大的传感节点能耗进行最小化的问题进行建模；具体的，通过联合优化无人机飞行轨迹{q[n]}以及传感节点接入方案{xk[n]}，来对最大的传感节点能耗进行最小化，并提高系统的能量利用效率，该方案建模为P1，包括： s.t. ||q[n]-q[n-1]||≤Vmaxδt,n＝2,3,...N12c q[1]＝qI12fq[N]＝qF12g式12中，无人机的飞行轨迹通过离散化时间间隔表示为q[n]＝[xn,yn]T,n＝1,2,...N，其中[xn,yn]T表示在第n个时间点时无人机的水平位置坐标；二值变量xk[n]表示第n个时隙时的传感节点接入情况，当xk[n]＝1，则表示第k传感节点在第n个时隙接入无人机，否则该节点保持睡眠状态，变量xk[n]需满足的约束；Ek[n]表示第k个传感节点传输数据所消耗的能量；s.t.为中文“满足约束”的英文缩写；式12a中，δt是将生存时间T离散处理，并平均分成N个足够小且静态的时间间隔δt＝TN，Rk[n]为在时间间隔δt内，第k个传感节点的数据传输速率，Qreq,k表示每个传感节点的数据上传需求，B表示传感节点传输占用的总带宽；式12e和式12g中设定存在K个存储一定信息量的物联网传感节点需要上传数据，令K＝{1,2,…,K}表示传感节点集合，k表示第k个传感节点，式12b中，δt是将生存时间T离散处理，并平均分成N个足够小且静态的时间间隔δt＝TN，P0和Pi是两个常数，分别表示悬停状态下无人机的感应功率和叶片轮廓功率，V0表示悬停态下旋翼平均感应速率，d0表示机身阻力比，ρ表示空气密度，A表示转子盘面积，s是转子坚固度，Utip表示转子叶片的叶尖速度；V表示无人机的水平飞行速度，我们定义t＝nδt时刻无人机速度表示为||v[n]||＝||q[n]-q[n-1]||δt,n＝2,3,...N；且对于任意的||v[n]||需满足||v[n]||≤Vmax的速度上限约束，常量ΔK为无人机接收通信能耗，表示无人机可达到的最大能耗；式12f和式12g中，当n＝1、n＝N时，q[1]和q[N]分别表示无人机的起飞位置和降落位置；此时，由于二值约束12d和非凸的约束12a和12b的存在，问题P1是一个混合整数非线性问题，无法直接求解；S2，对约束进行缩放，将原始的混合整数非线性问题进行转化；具体的，通过引入松弛变量和二值变量的连续化方法，解决S1中存在的难以直接求解的混合整数非线性问题；通过引入松弛变量μ和二值变量xk[n]的连续化，将P1问题转化为如下P2问题： s.t. ||q[n]-q[n-1]||2≤Vmaxδt13d q[1]＝qI,q[N]＝qF13g其中，表示所有传感节点中最大的能耗；式13g中，qI表示UAV的初始水平位置，qF表示UAV的最终水平位置P2虽然对离散二值变量xk[n]进行了连续化，但仍然是一个包含耦合变量的非凸问题，不能直接求解；S3，通过块坐标下降法，将S2的非凸问题转化为了无人机轨迹优化和节点接入方案优化两个子问题；具体的，采用块坐标下降法迭代求解缩放后的问题，将优化变量，即无人机水平位置变量q和传感节点接入变量X分为两个变量集合：{q[n]}和{xk[n]}，固定{q[n]}，获取最优的SAW节点接入方案最小化节点最大能耗，此时问题P2可以转化为问题P3： s.t. 式14b中，相对于式13b多了xk[n]，主要用于表示在生存时间T内，每个用户k的总速率需满足约束14b；此时问题P3为关于{xk[n]}的标准线性规划问题LP，可以通过标准凸优化方法或求解器解决；S4，通过连续凸近似法我们将非凸的约束转化为满足KKT条件的全局下边界，求得其局部最优；具体的，固定{xk[n]}，优化无人机轨迹{q[n]}，此时SAW节点接入方案已确定，传感节点的能耗值也随之固定，因此问题P3转化为将最小吞吐量传感节点的权重λ进行最大化： s.t. ||q[n]-q[n-1]||2≤Vmaxδt15cq[1]＝qI,q[N]＝qF15d此时，由于非凸条件15a和15b中的第二项的存在，P4仍然是一个非凸优化问题；S5，通过依次迭代优化两个子问题；具体的，采用SCA方法来处理非凸条件15a，近似求解P4的局部最优方案，此时用ql[n]表示在第r次迭代时的局部最优值，因此我们对Rk[n]在ql[n]处进行一阶泰勒展开可得： 其中为Rk[n]的下边界；此时式16关于{q[n]}为凹的，但是问题P4仍然是非凸的，这是因为无人机能耗约束15b中的第二项是非凸的；为了将约束15b转化为凸的形式，引入松弛变量令化简后可以得到同理，在给定的局部点和vl[n]利用一阶泰勒展开，可以得到： 其中和vl[n]是第r次迭代的最优值；经过近似后问题P4转化为含有迭代值的问题P5，如下所示： s.t. ||q[n]-q[n-1]||2≤Vmaxδt20eq[1]＝qI,q[N]＝qF20f此时，问题P4中的非凸约束15a和15b转化为问题P5中的凸约束20a、20b、20c、20d，问题P5转化为一个凸优化问题，可以通过标准凸优化方法或求解器求解；S6，得到原始问题的局部最优解；通过依次求解问题P3和问题P5的优化变量{{μ},{xk[n]}}和进而解决问题P1；当相邻两次迭代值的差值小于设定精度ε时，可得到最优的无人机飞行轨迹、SAW节点接入方案，同时得到最小的最大传感节点能耗值；具体的，解决问题P1的迭代算法为：1：初始化{q[n]}0，精准误差λ0，l＝0；2：循环；3：固定{q[n]}l，通过求解问题P3获得最优的{xk[n]}l；4：固定{xk[n]}l，通过求解问题P5获得最优的{q[n]}l；5：l＝l+1；6：直到两次迭代目标函数值的差低于ε；7：输出节点接入方案{xk[n]}，无人机轨迹q[n]。

全文数据：

权利要求：

百度查询： 华北电力大学(保定) 一种无人机辅助数据采集中联合轨迹与节点接入的优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD