[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

本發明公開了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，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；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，該方法能夠有效地減少無人機的飛行距離及飛行時間，縮短飛行周期，提高傳輸效率。

技術領域

本發明涉及一種無人機飛行軌跡優化方法，具體涉及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。

背景技術

傳統上，無線通信主要采用固定的地面基礎設施，如地面基站(BS)、接入點和中繼。為了有效地滿足日益增長和高度多樣化的交通需求，利用各種空中通信平臺，如氣球(Helikites)和無人機(UAV)，從空中提供無線連接。無人機(UAV)近年來在許多領域得到了廣泛的關注：它們可以應用于許多不同的場景，包括監視、監視、移動中繼和數據收集。一般來說，無人機可以提供視距路徑(LoS)鏈路，從而提供良好的鏈路容量。由于其潛在的機動性，靈活的部署，以及低成本，無人機可用于多種應用，如精確農業，搜索和救援，物聯網(IoT)通信以及及時的環境監測和災害預警。此外，無人機可以用作移動中繼來擴展網絡的容量和覆蓋率。同時，隨著信息技術(IT)領域的日益普及，Facebook Aquila Drone和Google Loon Project都旨在利用無人機為遠程用戶提供無處不在的互聯網接入。靈活部署無人機，可以使其成為空中基站(BSs)為地面終端(GTs)提供服務。因此，無人機能夠在缺乏地面基礎設施的地區或過載條件下為地面用戶提供地面-空中通信服務。然而，無人機通信系統仍面臨許多關鍵挑戰。其中之一是電池容量有限，使得無人機不得不著陸充電，這嚴重限制了無人機的耐久性。隨著無人機的不斷降低成本和耐久性的提高，以及通信設備的設備小型化，無人機支持的通信將在未來的無線系統中發揮越來越重要的作用。根據實際應用，無線通信系統中的無人機既可以準靜態地部署在預定位置，也可以通過遵循某些軌跡在服務地面設備上連續飛行。應用的一些實際場景包括在熱點地區啟用無人機緩存或任務卸載和在自然災害后快速恢復通信服務。沿著這個方向，通過利用無人機-地面鏈路的獨特信道特性，在二維(2D)或三維空間中優化無人機的布局。通過根據所服務的地面終端的位置及其通信要求動態地調整無人機的位置，這與在地面具有固定中繼的傳統系統相比，可有助于顯著提高性能。例如，對于物聯網(IoT)和機器類型通信的數據收集，無人機可以順序地接近每個地面終端，以便縮短它們的視距距離以獲得更高效的數據收集。對于這樣的應用，系統性能關鍵取決于無人機軌跡，這也是我們研究的課題。

發明內容

本發明的目的在于克服上述現有技術的缺點，提供了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，該方法能夠有效地減少無人機的飛行距離及飛行時間。

為達到上述目的，本發明所述的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。

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的具體操作為：