[發明專利]邊緣計算網絡中基于機器學習的無人機飛行軌跡優化方法

有效

• 申請號: 201910184969.1
• 申請日: 2019-03-12
• 公開（公告）號: CN109885088B
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 杜清河;張小沛;徐大旦
• 申請（專利權）人: 西安交通大學
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

1.一種邊緣計算網絡中基于機器學習的無人機飛行軌跡優化方法，其特征在于，包括以下步驟：

在一個周期內，無人機從部署服務器的位置出發，依次經過各地面終端并完成通信任務，然后返回至初始位置，其中，當無人機起飛時，根據地面終端的位置分布計算飛行調度表，然后根據所述飛行調度表依次飛行經過各地面終端；

其中，當無人機進入地面終端的通信范圍D內時，無人機初始化地面終端的信息，同時地面終端向無人機發送需求信息，無人機接收到需求信息后則開始向地面終端傳輸需求內容，其中，同一時間無人機只能與一個地面終端進行通信，當無人機與當前地面終端完成通信任務后，則飛向下一個地面終端；

無人機在飛行過程中，利用迭代采取隨機方法及機器學習方法計算其局部優化軌跡，將所述局部優化軌跡添加到全局優化軌跡q中，并沿著該全局優化軌跡q飛行；

計算無人機的局部優化軌跡的具體過程為：

建立全局軌跡優化問題(P1)，其中，

(P1):min M

其中，M為一個周期時間離散的間隙δ(t)數量，q(1)＝q(M)表示在一個周期內，無人機從起點出發最終返回至起點，L表示無人機在一個時隙的飛行距離，α_k(n)為變量，α_k(n)表示地面終端的通信調度因子，α_k(n)具體表示無人機在時隙n時是否與地面終端發生數據交互，即α_k(n)＝1，則表明無人機在時隙n時與地面終端發生了數據交互通信；α_k(n)＝0，則表明無人機在時隙n時沒有與地面終端發生數據交互通信，B為通信帶寬，γ₀為當距離1米時接收機的信噪比，P為傳輸功率，H為無人機與地面終端的高度差，w_k為地面終端的位置坐標，代表地面終端所需通信數據量的大小；

求解該全局軌跡優化問題(P1)，通過計算飛行調度表將其轉化為求解局部軌跡優化問題，得無人機的局部優化軌跡然后將局部優化軌跡添加到全局優化軌跡q中；

求解該軌跡優化問題(P1)，得無人機的局部優化軌跡，然后將局部優化軌跡添加到全局優化軌跡q中的具體操作過程為：

1a)設已傳輸數據大小為R_k，初始化R_k＝0，傳輸率貪心指數ε∈[0,1]，η為迭代計數，令η＝0，設終止計數為C，初始化最優軌跡數據集為當前迭代局部軌跡為q_k；

1b)ξ為[0,1]內均勻分布的隨機數，獲取所述隨機數ξ；

1c)當ξε或最優軌跡數據集為空集時，則本次迭代采取隨機方法；當ξ≤ε時，則本次迭代采取機器學習方法；

1d)計算本次迭代局部軌跡預計路程將該路程S_k與最短軌跡路程相比，當且α≥1，則將當前迭代局部軌跡q_k存入最優軌跡數據集中，即令否則，則最優軌跡數據集保持不變，同時迭代計數增加1，即η←η+1；

1e)循環步驟1b)到步驟1d)，直到迭代計數η≥C為止，得局部優化軌跡將局部優化軌跡添加到全局優化軌跡q中；

步驟1c)中隨機方法的具體步驟為：

2a)初始化計步器i＝0，獲得目標通信地面終端的位置w_k及下一任務地面終端的位置w_k+1；

2b)已知在滿足(1-α)||q_k(i)-w_k||+α||q_k(i)-w_k+1||≤(1-α)||q_k(i+1)-w_k||+α||q_k(i+1)-w_k+1||和||q_k(i+1)-q_k(i)||≤L的條件下，得θ_i的上界θ_i^H及下界θ_i表示無人機在第i個時隙至第i+1個時隙之間的飛行方向，θ_i的概率密度為根據θ_i的概率密度P(θ_i)隨機選取θ_i值，得q_k(i+1)＝[x_k(i+1),y_k(i+1)]的坐標；

2c)計算傳輸速率

2d)更新R_k←R_k+r，i←i+1；

2e)轉至步驟2b)，直至||q_k(i)-w_k||≥D或α≥1或i≥M_max為止，得當前迭代局部軌跡q_k；

步驟1c)中機器學習方法的具體步驟為：

3a)初始化計步器i＝0，獲取當前任務地面終端的位置w_k及下一任務地面終端的位置w_k+1，獲取初始位置q_k(i)＝[x_k(i),y_k(i)]及最優空間中的參數

3b)已知在滿足(1-α)||q_k(i)-w_k||+α||q_k(i)-w_k+1||≤(1-α)||q_k(i+1)-w_k||+α||q_k(i+1)-w_k+1||和||q_k(i+1)-q_k(i)||≤L的條件下，得θ_i的上界θ_i^H和下界θ_i^L，θ_i表示無人機在第i個時隙至第i+1個時隙之間的飛行方向，θ_i的概率密度P(θ_i)為σ²為加性高斯白噪聲功率,根據θ_i的概率密度P(θ_i)隨機選取θ_i值，得q_k(i+1)＝[x_k(i+1),y_k(i+1)]的坐標；

3c)計算傳輸速率

3d)更新R_k←R_k+r，i←i+1；

3e)轉至步驟3b)，直至||q_k(N)-w_k||≥D或α≥1或i≥M_max為止，得當前迭代局部軌跡q_k。