海上无人集群联合轨迹设计方法.docx

: "海上无人集群联合轨迹设计方法" : 本文主要探讨了在海洋环境下，如何利用无人机集群和无人船协同工作，有效收集传感器数据的问题。面对海况复杂的区域，传统的无线通信手段受限，而无人机因其高机动性和高可控性成为理想的解决方案。通过设计无人机和无人船的联合轨迹，可以提高数据收集的效率。 【正文】: 在海洋大数据的时代，对海面传感器数据的及时获取对于海洋开发和保护至关重要。然而，受制于海况的不可控性，直接无线传输数据面临挑战。无人机凭借其在通信技术上的突破，能够作为移动基站进入危险或难以抵达的海域，收集设备数据。无人机在无线网络中可构建多层异构网络，提供覆盖范围广、适应性强的通信服务。但无人机的续航能力限制了其应用，它们需要定期补给，而海上环境不允许无人机像在陆地那样返回固定基地。 为此，本文提出了“无人船+多无人机”的集群模式，无人船作为移动平台，提供无人机起飞和降落的场所，同时承担补给任务。无人船沿着预设路径航行，无人机在执行数据收集任务后返回无人船进行能源补充。这样的设计充分利用了无人机的机动性与无人船的续航能力，降低了数据收集的复杂度。 无人机的轨迹优化是提升数据收集效率的关键。现有的文献中，有的采用强化学习动态调整无人机轨迹，但无法提前规划最优轨迹；有的通过离散化方法求解，但计算复杂度高；还有的忽略了速度限制，仅能提供次优解。针对这些局限，本文首次提出了一种基于用户分组和特殊结构（SHF）的低复杂度轨迹优化算法。 在系统模型部分，文中描述了一个包括N架无人机、K个传感器用户和一艘无人船的海上无人机集群通信模型。无人机在设定的飞行时间内从无人船起飞，完成数据收集后返回。每个无人机的服务用户通过调度参数确定，且每个用户仅由一架无人机服务。无人机和用户之间的数据传输速率受到飞行位置、信道条件和传输功率等因素的影响。 为了解决这个问题，文章将原始的联合轨迹优化问题分解为用户分组和单无人机轨迹设计两个子问题。通过连续凸近似的迭代方法，解决了非凸问题，从而提高了轨迹优化的效率。通过仿真验证，该算法表现出较高的性能优势，并在实际应用中具有广阔前景。 本文为海上无人集群的轨迹设计提供了创新的解决方案，通过优化无人机和无人船的运动轨迹，实现了高效的数据收集，为海洋大数据的实时获取提供了有力的技术支持。未来的研究可能进一步考虑环境因素、无人机的能量管理以及与其他海上设施的协同工作。