買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜貴州財經(jīng)大學申請的專利一種無人機數(shù)據(jù)收集與能源傳輸方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119556717B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510104149.2，技術(shù)領(lǐng)域涉及：G05D1/46；該發(fā)明授權(quán)一種無人機數(shù)據(jù)收集與能源傳輸方法是由宋富洪;楊騎遜;鄧明森;陳旭;安馮競;喻曦設(shè)計研發(fā)完成，并于2025-01-23向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種無人機數(shù)據(jù)收集與能源傳輸方法在說明書摘要公布了：本申請公開了一種無人機數(shù)據(jù)收集與能源傳輸方法，涉及移動計算技術(shù)領(lǐng)域，方法包括：基于無人機系統(tǒng)構(gòu)建數(shù)據(jù)收集模型、能源收集模型及能源消耗模型；基于數(shù)據(jù)收集模型、能源收集模型及能源消耗模型，以所有智能設(shè)備的平均信息年齡最小、無人機的總能耗最小且所有智能設(shè)備收集的平均能源最大為目標，構(gòu)建多目標無人機飛行優(yōu)化模型；采用進化算法與強化學習算法交替處理的方式，對多目標無人機飛行優(yōu)化模型求解，以得到無人機的飛行行為決策，為飛行、懸停并收集數(shù)據(jù)、懸停并傳輸能量中的一項。本申請可得到同時考慮信息年齡最小、無人機能耗最小且收集能源最多的、質(zhì)量更優(yōu)的解決方案。

本發(fā)明授權(quán)一種無人機數(shù)據(jù)收集與能源傳輸方法在權(quán)利要求書中公布了：1.一種無人機數(shù)據(jù)收集與能源傳輸方法，其特征在于，所述無人機數(shù)據(jù)收集與能源傳輸方法包括：構(gòu)建無人機系統(tǒng)；所述無人機系統(tǒng)包括無人機、基站、高空平臺及多個智能設(shè)備；所述無人機用于收集所述智能設(shè)備采集到的數(shù)據(jù)并卸載至所述高空平臺、為所述智能設(shè)備傳輸能量；所述基站用于為所述無人機傳輸能量；基于所述無人機系統(tǒng)，構(gòu)建數(shù)據(jù)收集模型、能源收集模型及能源消耗模型；所述數(shù)據(jù)收集模型為基于所述智能設(shè)備采集到的數(shù)據(jù)對應的信息年齡構(gòu)建；基于所述數(shù)據(jù)收集模型、所述能源收集模型及所述能源消耗模型，以所有智能設(shè)備的平均信息年齡最小、無人機的總能耗最小且所有智能設(shè)備收集的平均能源最大為目標，構(gòu)建多目標無人機飛行優(yōu)化模型；采用進化算法與強化學習算法交替處理的方式，對所述多目標無人機飛行優(yōu)化模型求解，以得到無人機的飛行行為決策；所述飛行行為決策為飛行、懸停并收集數(shù)據(jù)、懸停并傳輸能量中的一項；采用進化算法與強化學習算法交替處理的方式，對所述多目標無人機飛行優(yōu)化模型求解，以得到無人機的飛行行為決策，包括：對于所述多目標無人機飛行優(yōu)化模型，基于馬爾科夫決策，確定初始種群；所述初始種群包括多個智能體，每個所述智能體均包含權(quán)重向量、策略網(wǎng)絡(luò)及價值網(wǎng)絡(luò)；所述權(quán)重向量用于表征多個優(yōu)化目標的重要性，多個優(yōu)化目標包括所有智能設(shè)備的平均信息年齡、無人機的總能耗、所有智能設(shè)備收集的平均能源；在當前迭代中，若迭代次數(shù)未達到預設(shè)次數(shù)，且處于預設(shè)強化學習執(zhí)行輪次范圍內(nèi)，則對所述初始種群中多個智能體執(zhí)行多目標近端策略優(yōu)化，以得到新種群；若迭代次數(shù)未達到預設(shè)次數(shù)，且處于預設(shè)進化操作執(zhí)行輪次范圍內(nèi)，則對所述初始種群及精英種群執(zhí)行進化操作，以得到新種群；其中，所述預設(shè)強化學習執(zhí)行輪次范圍內(nèi)的輪次與所述預設(shè)進化操作執(zhí)行輪次范圍內(nèi)的輪次，按大小順序交替設(shè)置；評估所述新種群中每個智能體的目標向量；所述目標向量依據(jù)所述智能體在每個時隙對應的向量值獎勵確定；基于所述新種群對精英種群進行更新，然后將所述新種群與緩沖種群合并以得到更新后緩沖種群，將所述新種群賦值給所述初始種群以得到更新后初始種群；若所述迭代次數(shù)不滿足預設(shè)倍值條件，則進入下一次迭代；若所述迭代次數(shù)滿足預設(shè)倍值條件，則基于所述新種群中每個智能體的目標向量，對所述更新后緩沖種群執(zhí)行種群更新操作，以刪除部分智能體得到優(yōu)化種群，將所述優(yōu)化種群賦值給所述初始種群以得到更新后初始種群，然后進入下一次迭代；若迭代次數(shù)達到預設(shè)次數(shù)，則將所述精英種群標記為輸出種群；根據(jù)所述輸出種群，確定無人機在多個時隙的飛行行為決策；所述數(shù)據(jù)收集模型包括：當高空平臺收到智能設(shè)備的數(shù)據(jù)時，對應的信息年齡表示為如下函數(shù)模型：；當高空平臺未收到智能設(shè)備的數(shù)據(jù)時，對應的信息年齡表示為如下函數(shù)模型：；其中，為無人機卸載數(shù)據(jù)至高空平臺的時延；為在時隙智能設(shè)備的信息年齡，為時隙的持續(xù)時間，為在時隙+1智能設(shè)備的信息年齡；所述無人機的飛行狀態(tài)包括無人機飛行速度t；所述無人機飛行能耗的計算模型為： ； ；其中，為在時隙的無人機飛行能耗，為在時隙無人機的推進功率消耗，和分別為懸停狀態(tài)下無人機的旋翼輪廓功率和旋翼葉尖速度，和分別為懸停狀態(tài)下無人機的誘導功率和旋翼轉(zhuǎn)子平均誘導速度，為機身阻力比，為空氣密度，為旋翼轉(zhuǎn)子穩(wěn)定性，為旋翼轉(zhuǎn)子盤面積；所述無人機數(shù)據(jù)收集能耗的計算模型為： ；其中，為在時隙的無人機數(shù)據(jù)收集能耗；為數(shù)據(jù)收集范圍內(nèi)的智能設(shè)備集合，為智能設(shè)備k發(fā)送數(shù)據(jù)至無人機的時延，為智能設(shè)備的數(shù)據(jù)發(fā)送功率，為在時隙無人機與智能設(shè)備之間的信道功率增益；所述無人機數(shù)據(jù)卸載能耗的計算模型為： ；其中，為在時隙的無人機數(shù)據(jù)卸載能耗，為無人機卸載數(shù)據(jù)至高空平臺的時延，為無人機的卸載功率；所述無人機向智能設(shè)備傳輸能耗的計算模型為： ；其中，為在時隙的無人機向智能設(shè)備傳輸能耗，為無人機從基站接受能源的接受功率；為二進制變量，若條件為真，則；否則；為無人機在時隙懸停并傳輸能量，為無人機在時隙懸停并收集數(shù)據(jù)；所述能源消耗模型為： ；其中，為在時隙無人機的能耗。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人貴州財經(jīng)大學，其通訊地址為：550025 貴州省貴陽市花溪區(qū)花溪大學城；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。