一种基于注意力机制的动态时空无人机充电方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114217630A(43)申请公布日2022.03.22(21)申请号202111288495.9(22)申请日2021.11.02(71)申请人武汉大学地址430072湖北省武汉市武昌区珞珈山武汉大学(72)发明人蔡波于耀翔(74)专利代理机构成都东恒知盛知识产权代理事务所(特殊普通合伙)51304代理人何健雄(51)Int.Cl.G05D1/10(2006.01)H02J7/00(2006.01)权利要求书3页说明书9页附图4页(54)发明名称一种基于注意力机制的动态时空无人机充电方法(57)摘要本发明公开了一种基于注意力机制的动态时空无人机充电方法,包括如下步骤，获得无线传感器节点集群的电量和位置信息；获得充电无人机当前的信息建立能耗模型；预估当前充电任务周期内被充电节点的数量；将传感器节点划分为待充电集合与备选集合；计算传感范围内待充电聚类的重要性程度；计算无人机对待充电目标的空间悬停位置。本发明充分考虑传感器节点和无人机的实时电量以及无线充电效率，通过聚类算法和基于注意力机制的在线路径规划算法使无人机能够对关键目标进行充电，节省了无人机和充电和飞行能耗，在与不同算法进行对比后，证明了本方法所体现优势，保证无线传感器网络拥有更稳定的生命周期与鲁棒性。CN114217630ACN114217630A权利要求书1/3页1.一种基于注意力机制的动态时空无人机充电方法，其特征在于，包括如下步骤：S1、传感器节点通过单跳通信的方式向中心基站节点发送充电请求和基本信息；S2、充电无人机向基站节点提交当前时刻的基本信息，建立传感器与无人机相应的能耗模型；S3、根据传感器节点在工作状态能耗和睡眠状态的单位时间能耗得到所有传感器节点的失效时限和无人机到达该节点所需时间S4、根据当前时刻网络中已失效节点和不可达节点的总量D0，各节点的剩余电量Ei(t)，各节点与无人机的欧式距离di，cur(t)，得到各传感器节点的重要性程度I(si)，根据Euav(t)得到当前无人机可充电的最大节点个数K；S5、将传感器节点按重要性程度大小正向排序生成待充电队列Q，取Q中前K个无线传感器节点为聚簇集合的初始中心点，通过邻接矩阵中各节点与前K个节点之间的距离和自身电量构成特征组，使用基于K‑Medoids的聚类算法对节点进行聚类划分，分别生成聚簇集合Ci，1≤i≤K，以及由非聚簇节点组成的备选集合S6、使用注意力机制计算当前时刻下每个聚簇Ci的重要性程度并进行排序，选择重要性程度最高的集合Cuav作为无人机的下一充电目标；S7、交替迭代运用最小节点集合覆盖和最小圆覆盖算法将集合Cuav划分为多个子集，然后通过基于距离远近的排序算法确定无人机对Cuav中所有子集Bi充电的先后顺序，计算无人机在立体空间中对各子集充电时的悬停位置。2.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：步骤S1中所述的基本信息包括各传感器的地面坐标当前时刻剩余电量Ei(t)和与最近邻节点sj。3.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S2中的基本信息包括无人机当前所在位置当前剩余电量Euav(t)和飞行高度hcur。4.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S2中建立无线传感器与无人机相应的能耗模型具体包括：对于无线传感器的能耗模型，包括传感器工作状态的能耗与低电量时睡眠状态的能耗，对任意传感器节点si，其工作状态能耗表达为：无人机的移动能耗分为飞行能耗与悬停能耗，其中单位时间飞行能耗表达为：无人机单位时间的悬停能耗为：ph＝p0+p1；2CN114217630A权利要求书2/3页无人机的充电能耗表达为：5.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S4中传感器的重要性程度表达为：6.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S5中基于K‑Medoids的聚类算法，具体流程如下：S51、将待充电队列Q中前K个无线传感器节点作为初始中心节点；S52：计算每个节点与各初始中心节点之间的相似度，通过下式选择出节点si作为新的中心节点：其中μ为参数权重，lmax为无人机进行无线充电的最大有效距离；S53、重复上述步骤至中心节点的位置不再改变；S54、计算初始中心节点所属的聚类个数M，若有N个初始中心节点被划分到同一聚类则有K←K‑N+1；若M＜K，从Q中按顺序继续抽取M‑K个节点，重复S52与S53步骤直至M＝K。7.根据权利要求1所述的基于注意力机制的动态时空无人机充电方法，其特征在于：所述步骤S6中选取重要性程度最高的聚簇Ci