-
公开(公告)号：CN107180309A
公开(公告)日：2017-09-19
申请号：CN201710399301.X
申请日：2017-05-31
Applicant: 中南大学
IPC: G06Q10/06
Abstract: 本发明提供了一种空天地观测资源的协同规划方法，包括：根据待分配任务集合中各待分配任务之间的冲突关系和规划中心中观测资源的参数信息，构建基于任务冲突的启发式准则；根据所述启发式准则，计算所述规划中心中所述观测资源观测待分配任务的观测收益；根据所述观测收益，构建所述规划中心的任务分配模型。本发明在不同子规划中心的协同规划中，考虑不同子规划中心的差异性、不同类别的观测资源的观测能力对任务分配的影响机理，使不同子规划中心之间达到深度的协同合作，提高规划中心对任务的观测收益，在付出多类子规划中心的情况下取得一加一大于二的协同效果。
-
公开(公告)号：CN118938277A
公开(公告)日：2024-11-12
申请号：CN202411265837.9
申请日：2024-09-10
Applicant: 中南大学
Abstract: 本发明公开了一种考虑卫星姿态机动的载荷覆盖条带确定方法，包括如下步骤：将卫星上成像载荷的场边界离散为若干载荷视元，并计算得到各所述载荷视元在地球球面上投影点的位置；基于卫星绕地球进行圆周运动引起的速度变化以及卫星姿态机动引起的速度变化，计算得到各所述载荷视元投影点的速度；基于各所述载荷视元投影点的位置与速度，分别对各所述载荷视元投影点计算指标函数，并基于指标函数筛选出能够作为覆盖区域包络点的投影点，从而得到载荷覆盖条带。本发明涉及天基观测技术领域，具有良好的有效性和高效性，能够有效地适用于超敏捷对地观测卫星的载荷覆盖范围计算需求。
-
公开(公告)号：CN115268493A
公开(公告)日：2022-11-01
申请号：CN202210880483.3
申请日：2022-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种基于双层强化学习的大规模多无人机任务调度方法，包括如下步骤：建立多无人机任务路径规划数学模型，并基于多无人机任务路径规划数学模型建立马尔可夫决策过程；构建包括上层模型和下层模型的分而治之框架，上层模型为基于Transformer模型的深度强化学习模型，用于处理多无人机任务分配；下层模型为基于注意力机制的深度强化学习模型，用于规划每个无人机的可行任务路径；采用交互式训练方法训练上层模型与下层模型；基于训练后的双层强化学习模型对大规模多无人机任务进行调度。本发明应用于无人机调度领域，能够有效地应用于大规模多无人机任务调度问题中，并且具有良好的泛化性。
-
公开(公告)号：CN113487264B
公开(公告)日：2022-09-02
申请号：CN202110817056.6
申请日：2021-07-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于异构多无人机的物流配送方法及系统，所述方法包括运用改进的模糊C均值聚类算法进行配送任务点聚类；采用多种算法结合进行大型无人机路径规划；对每个聚类中的配送任务点采用动态规划算法进行小型无人机的路径规划；构建异构多无人机的总成本目标函数，计算最优解，生成最优调度方案并执行；大型无人机按照预先规划路径将装有包裹的若干架小型无人机送到指定的放飞点放飞后返航，小型无人完成所属聚类的所有配送任务后由自动机场回收进行充电。本发明基于大型无人机携带多架小型无人机的配送模式，克服了地面交通条件约束而使得配送过程受阻的问题，增强了物流配送的灵活性和机动性，降低了配送成本，提高了物流配送效率。
-
公开(公告)号：CN114967757A
公开(公告)日：2022-08-30
申请号：CN202210816082.1
申请日：2022-07-12
Applicant: 中南大学
IPC: G05D1/10
Abstract: 本发明涉及一种车辆与多无人机协同路径规划方法、装置、终端及介质。该方法根据目标区域集合中待搜索区域确定无人机覆盖路径；根据映射点确定车辆规划路径，根据起飞点、覆盖路径以及降落点构建无人机航路集合，采用迭代松弛算法对无人机航路集合与车辆规划路径进行迭代优化，得到车辆与多无人机协同覆盖侦察最优路径规划。本方法设计了基于真实道路网的起飞点与降落点位置的无人机航路，在真实道路网任意节点都能够起飞和降落，起飞点与降落点选择较为灵活，节约了侦察时间；再通过迭代松弛算法对无人机航路集合与所述车辆规划路径进行迭代优化，可以在较短时间内生成满意的侦察路径规划方案。
-
Patent Agency Ranking
公开(公告)号：CN113487221B
公开(公告)日：2022-07-15
申请号：CN202110838362.8
申请日：2021-07-23
Applicant: 中南大学
Abstract: 本发明公开了面向动态目标观测的空天异构对地观测资源协同调度方法，包括步骤：对任务区域网格化；搜索过程等距离散化处理；将离散后的滚动规划周期点和卫星的过境时间窗，以及无人机抵达移动目标失踪位置的时间进行分割和合并处理；构建从移动目标失踪时间潜在区域；初始化或更新网格的概率和确定度；采用基于离散侧摆角的卫星最优覆盖算法确定卫星最优覆盖条带；采用基于免疫算法的多无人机协同搜索算法制定多无人机的观测计划，输出移动目标的位置和协同调度消耗的时间及卫星和无人机的观测计划。本发明有效地降低了解决了面向移动目标的空天异构对地观测资源协同调度问题，并在求解过程中表现出优异的性能。
-
公开(公告)号：CN109409773B
公开(公告)日：2022-04-08
申请号：CN201811351029.9
申请日：2018-11-14
Applicant: 中南大学
Abstract: 本发明属于卫星遥感领域，公开了一种基于合同网机制的对地观测资源动态规划方法，采用自下而上的分布式协同规划架构和基于合同网的协同规划流程；通过多轮不完全组合分配方法对大规模并发任务进行动态分配。本发明在分析现有规划体系与资源运行方式的基础上从底层架构出发，突破自上而下固有规划模式的思维定式，结合合同网的分布式计算优势面向空天地异构资源的动态规划难题，提出一种自下而上的分布式合同网协同规划框架并给出规划流程，以充分发挥分布式资源的计算优势进而提高任务分配效率。在此基础上，通过采用组合任务分割、多任务集同步分配、多层次匹配三种策略提出面向大规模任务的多类不完全组合分配方法，能快速分配大量并发任务。
-
公开(公告)号：CN113848970A
公开(公告)日：2021-12-28
申请号：CN202111010072.0
申请日：2021-08-31
Applicant: 中南大学
IPC: G05D1/10
Abstract: 本发明公开了一种车辆‑无人机多目标协同路径规划方法，包括以下步骤：获取所有的客户点的集合，无人机数量；生成初始种群，集合PF和概率参数；开始迭代优化：每次迭代中，基于遗传算子生成子代种群，并将其和父代种群合并；使用扰动策略合并种群中重复的解；执行非支配排序；更新帕累托前沿，并对PF中的解进行帕累托局部搜索，将搜索后的PF替换帕累托前沿；执行拥挤度计算和排挤策略；选择合适的解进入下一代种群；迭代直到返回最终的帕累托前沿；将路径规划方案发送给车辆和无人机。实验结果证明本发明性能优越性和参数敏感性。为物流企业的决策提供了一种寻找最优折衷方案的方法。
-
公开(公告)号：CN113487264A
公开(公告)日：2021-10-08
申请号：CN202110817056.6
申请日：2021-07-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于异构多无人机的物流配送方法及系统，所述方法包括运用改进的模糊C均值聚类算法进行配送任务点聚类；采用多种算法结合进行大型无人机路径规划；对每个聚类中的配送任务点采用动态规划算法进行小型无人机的路径规划；构建异构多无人机的总成本目标函数，计算最优解，生成最优调度方案并执行；大型无人机按照预先规划路径将装有包裹的若干架小型无人机送到指定的放飞点放飞后返航，小型无人完成所属聚类的所有配送任务后由自动机场回收进行充电。本发明基于大型无人机携带多架小型无人机的配送模式，克服了地面交通条件约束而使得配送过程受阻的问题，增强了物流配送的灵活性和机动性，降低了配送成本，提高了物流配送效率。
-
公开(公告)号：CN109087023B
公开(公告)日：2021-03-02
申请号：CN201810967096.7
申请日：2018-08-23
Applicant: 中南大学
IPC: G06Q10/06
Abstract: 本发明提供一种基于分治策略的多星观测分层调度方法及系统，具体包括以下步骤：S1、利用分配算法把任务分配至各轨道圈次上，形成各轨道圈次的任务集；S2、利用近似优化算法求解各轨道圈次上任务集的调度序列；S3、分配算法根据各轨道圈次调度序列反馈的未生成调度序列的任务重新更新分配算法的分配方案，进而形成新的各轨道圈次的新的任务集；S4、重复步骤S1、S2、S3直至达到多星观测分层调度的终止条件。通过把一个复杂的组合优化问题进行有效的分解简化，变成一个双层规划，有效降低了问题求解的复杂度，尤其在求解大规模多星观测调度问题时表现出卓越的性能。本发明应用于卫星调度技术领域。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.022 seconds)
