申请/专利权人：南京信息工程大学

申请日：2024-01-15

公开（公告）日：2024-04-19

公开（公告）号：CN117580105B

主分类号：H04W28/08

分类号：H04W28/08;H04W28/084;H04W84/06;G06N3/045;G06N3/084;G06N3/092

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明公开了一种面向电网巡检的无人机任务卸载优化方法，包括以下步骤：（1）基于BS的通信方式及各无人机的巡检模式，构建由MEC服务器和无人机组成的电网巡检系统模型；（2）基于巡检系统模型，计算第k个无人机在第i时隙用于执行巡检任务的飞行能耗；（3）计算各无人机在第i时隙的任务处理时延；（4）计算各无人机在第i时隙的能量消耗；（5）基于任务处理时延和能量消耗，以系统能耗和时延的加权和最小化为目标函数：（6）采用深度强化学习中的DDPG算法求解最优卸载策略,使无人机电网巡检系统能耗和时延加权和最小；本发明能够在实时变化的环境中自主地调整无人机的卸载比例，以适应不同任务需求和通信环境，实现高效的无人机电网巡检。

主权项：1.一种面向电网巡检的无人机任务卸载优化方法，其特征在于，由设置在固定位置的集成了MEC服务器的多天线基站BS和N个单天线无人机组成，包括以下步骤：（1）基于BS的通信方式及各无人机的巡检模式，构建由MEC服务器和无人机组成的电网巡检系统模型；包括以下步骤：（11）以TDMA方式将整个系统时间划分为长度为T的I个连续时隙，且在同一时隙内无线信道增益保持不变；（12）在每个时隙中，所有无人机首先利用规定时间从巡检开始位置飞行到结束位置，然后在结束位置采用OFDM技术将部分任务卸载到MEC服务器执行；其中在整个巡检过程中无人机始终保持在固定高度H飞行，且上一时隙的结束位置是下一时隙的开始位置；（2）基于巡检系统模型，计算第k个无人机在第i时隙用于执行巡检任务的飞行能耗；公式如下： ；其中，表示第k个无人机在第i时隙中的飞行速度，设所有无人机的重量均为M；（3）计算各无人机在第i时隙的任务处理时延；时延包括：无人机本地执行任务的计算时延、无人机向MEC服务器传输任务数据时延和MEC服务器计算时延，包括以下步骤：（31）当无人机本地执行部分巡检计算任务时，计算时延依赖于无人机CPU的计算频率，则第k个无人机在第i时隙本地执行任务的计算时延公式如下： ；其中，表示第k个无人机在第i时隙的计算任务数据量大小，表示第k个无人机在第i时隙卸载到MEC服务器的任务比例，则表示第k个无人机在第i时隙本地执行的任务比例，s表示处理一个单位字节数据所需的CPU周期，设所有无人机的CPU计算频率均为；（32）无人机向MEC服务器传输剩余巡检计算任务的时延取决于无人机上行链路传输速率；公式如下：设MEC服务器的位置固定在，第k个无人机在第i时隙飞行巡检的结束位置为： ；其中，与分别对应第k个无人机在第i-1时隙的横、纵坐标，表示第k个无人机在第i-1时隙的飞行角度，则第k个无人机在第i时隙与MEC服务器之间的视距链路的信道增益为： ；其中，表示参考距离为1m时的信道增益，表示第k个无人机在第i时隙与MEC服务器之间的欧氏距离；由于障碍物堵塞，则第k个无人机在第i时隙的上行链路传输速率为： ；其中，表示分配给每个无人机的信道带宽，设所有无人机的传输功率均为，表示噪声功率，表示传输损耗，表示第k个无人机在第i时隙与MEC服务器之间是否存在堵塞即0表示无堵塞，1表示有堵塞；则第k个无人机在第i时隙向MEC服务器传输任务数据时延公式如下： ；其中，表示第k个无人机在第i时隙的计算任务数据量大小，表示第k个无人机在第i时隙卸载到MEC服务器的任务比例，表示第k个无人机在第i时隙的上行链路传输速率；（33）当无人机将剩余巡检任务卸载至MEC服务器执行时，计算时延依赖于MEC服务器的计算频率，则MEC服务器在第i时隙为第k个无人机提供计算服务的计算时延公式如下： ；其中，表示第k个无人机在第i时隙的计算任务数据量大小，表示第k个无人机在第i时隙卸载到MEC服务器的任务比例，s表示处理一个单位字节数据所需的CPU周期，表示MEC服务器的计算频率；（34）由步骤（31）-（33）可得无人机电网巡检系统在第i时隙的任务处理最大时延为： ；其中表示第k个无人机在第i时隙本地执行任务的计算时延，表示第k个无人机在第i时隙向MEC服务器传输任务数据时延，表示MEC服务器在第i时隙为第k个无人机提供计算服务的计算时延；（4）计算各无人机在第i时隙的能量消耗；能量消耗包括：无人机的飞行能耗、无人机本地执行任务的计算能耗和无人机将任务卸载至MEC服务器的传输能耗；包括以下步骤：（41）当无人机本地执行部分巡检计算任务时，计算能耗取决于芯片结构对无人机CPU处理的影响因子；由步骤（31）可得第k个无人机在第i时隙本地执行的计算能耗为：设所有无人机的芯片架构的能量系数均为，公式如下： ；其中，表示无人机的CPU计算频率，表示第k个无人机在第i时隙本地执行的任务比例，表示第k个无人机在第i时隙的计算任务数据量大小；（42）无人机向MEC服务器传输剩余巡检计算任务能耗依赖于无人机传输功率及上行链路传输速率；由步骤（32）第k个无人机在第i时隙将任务卸载至MEC服务器的传输能耗为： ；其中，表示无人机的传输功率，表示第k个无人机在第i时隙的计算任务数据量大小，表示第k个无人机在第i时隙卸载到MEC服务器的任务比例，表示第k个无人机在第i时隙的上行链路传输速率；（43）由（2）和步骤（41）-（42）得到无人机电网巡检系统在第i时隙的能量消耗为： ；其中，表示第k个无人机在第i时隙本地执行的计算能耗，表示第k个无人机在第i时隙将任务卸载至MEC服务器的传输能耗，表示第k个无人机在第i时隙用于执行巡检任务的飞行能耗；（5）基于任务处理时延和能量消耗，以系统能耗和时延的加权和最小化为目标函数；具体如下：基于得到任务处理时延和能量消耗，以系统能耗和时延加权和最小化为目标函数，则无人机电网巡检系统的任务卸载比例策略优化问题建模为： ； ； ； ； ； ； ；其中，表示时延权重参数，表示能耗权重参数，且，；对时延要求高的计算任务，增加时延权重参数；若UAV电池处于低电量下则优先考虑能耗参数，即增加能耗权重参数；为计算任务的卸载比例值的范围，表示MEC服务器与无人机的位置约束，表示无人机与MEC服务器之间无线信道的堵塞约束，是确保无人机在所有时隙的飞行能耗、传输能耗及计算能耗不超过最大电池容量，表示在整个时间段中要完成的所有计算任务；（6）采用深度强化学习中的DDPG算法求解最优卸载策略,使无人机电网巡检系统能耗和时延加权和最小；包括以下步骤：（61）在无人机电网巡检系统中，状态空间由N个无人机及其环境决定，则每i时隙的系统状态定义为： ；其中，表示在整个时间段中需要完成的总剩余计算任务大小，表示MEC服务器的位置信息，表示第N个无人机在第i时隙的剩余电量，表示第N个无人机在第i时隙的位置信息，表示第N个无人机在第i时隙的巡检计算任务大小，表示第N个无人机在第i时隙中与MEC服务器之间无线信道是否堵塞；基于第i时隙系统状态及每个无人机的任务卸载率，则第i时隙的系统卸载决策动作为： ；其中，表示第N个无人机在第i时隙的任务卸载比例；（62）基于第t时隙的状态空间和动作空间，采用深度强化学习中的DDPG算法求解满足所述目标函数的无人机计算任务的最优卸载策略，使得无人机电网巡检系统能耗和时延加权和最小。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种面向电网巡检的无人机任务卸载优化方法

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