-
公开(公告)号：CN116112981B
公开(公告)日：2023-07-25
申请号：CN202310388877.1
申请日：2023-04-13
Applicant: 东南大学
IPC: H04W28/08 , H04W28/084 , H04B7/185 , G06F9/50 , G06N3/126 , G06F18/23213
Abstract: 本发明涉及一种基于边缘计算的无人机任务卸载方法，包括以下步骤：步骤1：端层的终端设备发布计算任务，通过DDS发布计算任务的元数据信息，主题为topicA；步骤2：云层的调度分析模块通过DDS订阅topicA，构建OMUDTCOS，得到无人机部署决策和任务计算卸载决策；步骤3：云层的调度下发模块通过DDS发布求解出的两个决策，主题分别为topicB和topicC；步骤4：边层的指令下发模块通过DDS订阅topicB和topicC，获取到无人机部署决策和任务计算卸载决策，最终由端层完成实际的无人机集群部署和终端设备任务的计算卸载。
-
Patent Agency Ranking
公开(公告)号：CN116069463A
公开(公告)日：2023-05-05
申请号：CN202211581904.9
申请日：2022-12-09
Applicant: 东南大学
IPC: G06F9/48 , G06F9/50 , G06N3/126 , G06N3/006 , G06F18/23213 , G06Q10/0631 , G06Q10/0637
Abstract: 本发明涉及一种基于移动边缘计算的无人机数据采集调度系统，所述系统包括平台层，边缘层以及设备层，其中设备层包含无人机发放与回收基地，无人机节点模块以及物联网节点模块，无人机发放与回收基地由无人机回收模块和无人机发放模块组成，物联网节点集合构成了物联网节点模块，无人机集群构成了无人机节点模块，其中物联网节点发布传输任务，无人机集群负责收集其发布的传输任务，边缘层包含物联网节点信息收集模块和无人机部署决策指令下发模块，物联网节点信息收集模块获取设备层物联网节点所发布的传输任务的元数据信息。方案构建了OMDUCDS，充分考虑任务发布的时序特性，所构建的模型更加合理；方案采用DEACFASAMSP求解模型，能求解更好的无人机部署决策。
-
公开(公告)号：CN116932162A
公开(公告)日：2023-10-24
申请号：CN202310850451.3
申请日：2023-07-11
Applicant: 东南大学
IPC: G06F9/48 , G06F16/901
Abstract: 本发明涉及一种面向运行时环境不确定的任务重调度系统，所述调度系统包括实施层，调度层以及采集层三层，其中，采集层：包含任务信息上传模块，任务信息上传模块通过DDS发布任务元数据信息；调度层：包含资源更新模块，模型映射模块，调度决策制定模块，资源更新模块更新异构计算平台的资源信息，并传送至模型映射模块，模型映射模块接收采集层发布的任务元数据信息和异构计算平台资源信息，建立CSMHCP，实施层：包含任务执行模块和资源信息上传模块，任务执行模块根据任务的调度决策将任务放置于异构计算平台上执行，每当有异构计算平台加入或退出时，资源信息上传模块通过DDS发布异构计算平台资源更新信息至调度层的资源更新模块。
-
公开(公告)号：CN116112981A
公开(公告)日：2023-05-12
申请号：CN202310388877.1
申请日：2023-04-13
Applicant: 东南大学
IPC: H04W28/08 , H04W28/084 , H04B7/185 , G06F9/50 , G06N3/126 , G06F18/23213
Abstract: 本发明涉及一种基于边缘计算的无人机任务卸载方法，包括以下步骤：步骤1：端层的终端设备发布计算任务，通过DDS发布计算任务的元数据信息，主题为topicA；步骤2：云层的调度分析模块通过DDS订阅topicA，构建OMUDTCOS，得到无人机部署决策和任务计算卸载决策；步骤3：云层的调度下发模块通过DDS发布求解出的两个决策，主题分别为topicB和topicC；步骤4：边层的指令下发模块通过DDS订阅topicB和topicC，获取到无人机部署决策和任务计算卸载决策，最终由端层完成实际的无人机集群部署和终端设备任务的计算卸载。
-
公开(公告)号：CN115827740A
公开(公告)日：2023-03-21
申请号：CN202211582528.5
申请日：2022-12-09
Applicant: 东南大学
IPC: G06F16/2458 , G06F16/248 , G06F16/26
Abstract: 本发明涉及一种基于DDS的数据溯源系统及方法，所述系统包括监控层和终端层两层，终端层包含子系统数据收集模块和子系统数据流上传模块，子系统数据流上传模块借助DDS将数据上传至监控层；监控层包含基于非入侵式的交互数据获取模块、主题间数据项关联性分析模块、基于主题的数据演变序列生成模块和可视化展示模块；该技术方案支持系统运行过程中实时的数据溯源，而非事后分析，不依赖于系统运行日志；针对运行态下的主题动态加入，可实时更新主题发布订阅关系和数据流动路径；使用发布/订阅机制，带来了非入侵式的数据获取方式，这样无需修改运行系统的代码，也无需设置探针，使得数据溯源方法具有良好的灵活性和可扩展性。
-
公开(公告)号：CN116980911A
公开(公告)日：2023-10-31
申请号：CN202310998339.4
申请日：2023-08-08
Applicant: 东南大学
Abstract: 本发明涉及一种基于绝对定位和相对定位的强化学习无人机网络构建系统，所述系统包括中心侧和边缘侧两部分，中心侧包含无人机部署决策制定模块，无人机移动决策制定模块和信息收发模块；边缘侧包含无人机飞行决策制定模块，无人机通信模块和地面节点通信模块；该方案提供了一种无需考虑无人机组网拓扑结构，使用无人机的相对定位信息来制定无人机飞行决策的强化学习方法，具有普适性；提出了自适应扩展卡尔曼滤波测距精度提升策略，该策略使用自适应扩展卡尔曼滤波算法(Adaptive Extended Kalman Filter Algorithm,AEKF)计算无人机之间的相对距离，能有效提高距离测量的精度。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
