CN106485349A - 一种巡视时间的分配方法 - Google Patents
一种巡视时间的分配方法 Download PDFInfo
- Publication number
- CN106485349A CN106485349A CN201610851306.7A CN201610851306A CN106485349A CN 106485349 A CN106485349 A CN 106485349A CN 201610851306 A CN201610851306 A CN 201610851306A CN 106485349 A CN106485349 A CN 106485349A
- Authority
- CN
- China
- Prior art keywords
- task
- tour
- list
- time
- distribution method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 title claims abstract description 34
- 238000012163 sequencing technique Methods 0.000 claims abstract description 3
- 238000007689 inspection Methods 0.000 claims description 26
- 238000007726 management method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 29
- 238000005457 optimization Methods 0.000 description 15
- 239000002245 particle Substances 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例提供一种巡视时间的分配方法,涉及巡航任务调度领域,能够合理安排巡视任务的巡视时间。具体方案包括:获取目标参数列表,所述目标参数列表包括任务列表和气象信息列表;根据所述气象信息列表建立天气模型;根据所述任务列表中各任务的管控级别,对各任务在区域内所对应的临时起降点进行排序;根据所述天气模型以及临时起降点的顺序确定约束条件,按照所述约束条件为所述任务列表中各任务分配巡视时间。本发明用于为巡视任务分配巡视时间。
Description
技术领域
本发明的实施例涉及巡航任务调度领域,尤其涉及一种巡视时间的分配方法。
背景技术
巡航任务包括对多个区域中每个区域进行一次或者多次巡视,巡航任务分配周期通常为一年。
随着科技的不断进步,巡航任务变得越发复杂,多次巡视在时间轴上的分布也越发密集,影响巡视时间分配的因素也越来越多,这些因素包括禁飞区的设立、天气情况、管控级别等等。在目前复杂的巡航应用环境下,传统的巡视时间分配方法已经不能很好地满足实际情况,常出现巡航时间冲突、某些月份的巡航任务过于密集的情况,因此亟需对巡视时间做出科学合理的安排,以减少巡航时间的冲突,完满完成巡航任务。
发明内容
本发明的实施例提供一种巡视时间的分配方法,能够合理安排1年内所有巡视任务的巡视时间。
为了达成上述目的,本发明提供一种巡视时间的分配方法,包括:
获取目标参数列表,所述目标参数列表包括任务列表和气象信息列表;
根据所述气象信息列表建立天气模型;
根据所述任务列表中各任务的管控级别,对各任务在区域内所对应的临时起降点进行排序;
根据所述天气模型以及临时起降点的顺序确定约束条件,按照所述约束条件为所述任务列表中各任务分配巡视时间。
本发明的实施例所提供的巡视时间的分配方法,根据任务的管控级别对临时起降点进行排序,用于根据起降点的排序来安排巡视时间;然后进一步根据约束条件将任务的巡视时间分配到具体月份上。实际应用场景中,有些任务只需要单次巡视,有些则需要至少两次巡视,对于这两种情况均可通过对约束条件进行限制以合理分配每一次巡视的时间,进而对多个区域、多条线路的多个任务每次的巡视时间做合理的安排,以减少巡航时间冲突,均衡各月份任务量,从而完满完成巡航任务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的实施例所提供的巡视时间的分配方法流程示意图;
图2为运行实例中读入任务列表的结果示意图;
图3为运行实例中读入气象信息列表的结果示意图;
图4为运行实例中读入任务调配信息的历史数据的结果示意图;
图5为运行实例中读入禁飞区信息的结果示意图;
图6为运行实例中最后的输出结果示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本发明的实施例提供一种巡视时间的分配方法,结合图1所示,包括以下步骤:
101、获取目标参数列表。
目标参数列表包括任务列表,任务列表读入规则参数如表1所示。
表1
目标参数列表还包括气象信息列表,气象信息列表读入规则参数如表2所示。
表2
获取目标参数列表之后,根据目标参数列表为任务列表中各任务分配巡视时间,该过程运用蚁群算法及粒子算法,基于动态规划完成巡视时间的分配。对蚁群算法及粒子群算法以及动态规划说明如下:
1.蚁群算法及粒子群算
蚁群算法是蚂蚁群落食物采集过程的模拟,是由Marco Dorigo于1992年在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质。针对比例-积分-导数(英文全称:proportion integral derivative,英文简称:PID)控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。
粒子群算法是鸟群觅食过程的模拟,粒子群算法从这种模型中得到启示并用于解决优化问题。粒子群算法中,每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(英文:fitnessvalue),每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。
由于群智能算法采用的是概率搜索算法,蚁群算法和粒子群算法具有共同的优点:
1)鲁棒性:由于算法无集中控制控制约束,不会因个别个体的故障而影响整个问题的求解;
2)扩展性:信息交流方式是非直接的,通信开销少;
3)并行分析性:可充分利用多处理器,适合于网络环境下的工作状态;
4)优化过程中无需依赖具体问题的数学特性,例如可微、线性等;
5)算法简单容易实现:***中个体能力简单,执行时间短;
另外,粒子群算法还具有如下优点:
1)群体搜索,并具有记忆功能,保留个体和全局的最优信息;
2)协同搜索,同时利用个体和全局的最优信息指导进一步搜索。
同时,蚁群算法和粒子群算法也存在着局限性:
1)优化性能在很大程度上依赖于参数设定,受初始值影响较大。在本实施例分配巡视时间的过程中,初始的参数设定取决于历史巡航数据,较为准确,可排除这个弱点;
2)容易产生早熟收敛。
蚁群算法本质上适合于求解离散组合优化问题,在旅行商问题上取得成功应用后陆续渗透到其他领域。在指派、调度、子集、带约束满足等组合优化问题时达到了高效的优化性能。并在图着色、电路设计、二次分配问题、数据聚类分析、武器攻击目标分配和优化、大规模集成电路设计、网络路由优化、数据挖掘、车辆路径规划、区域性无线电频率自动分配、集合覆盖等优化领域得到了成功应用。在某群体中若存在众多无智能的个体,它们通过相互之间的简单合作所表现出来的智能行为即称为集群智能(英文:SwarmIntelligence)。互联网上的交流,不过是更多的神经元连接(人脑)通过互联网相互作用的结果,光缆和路由器不过是轴突和突触的延伸。从自组织现象的角度上看,人脑的智能和蚁群也没有本质上的区别,单个神经元没有智能可言,单个蚂蚁也没有,但是通过连接形成的体系,是一个智能体。
2.动态规划
动态规划是运筹学的一个分支,是求解决策过程(英文:decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(英文:multistep decision process)的优化问题时,提出了著名的最优化原理(英文:principle of optimality),把多阶段过程转化为一系列单阶段问题,逐个求解,创立了解决这类过程优化问题的新方法——动态规划。1957年出版了他的名著DynamicProgramming,这是该领域的第一本著作。
动态规划程序设计是对解最优化问题的一种途径、一种方法,而不是一种特殊算法。不像前面的那些搜索或数值计算那样,具有一个标准的数学表达式和明确清晰的解题方法。动态规划程序设计往往是针对一种最优化问题,由于各种问题的性质不同,确定最优解的条件也互不相同,因而动态规划的设计方法对不同的问题,有各具特色的解题方法,而不存在一种万能的动态规划算法,可以解决各类最优化问题。因此应用过程中除了要对基本概念和方法正确理解外,必须具体问题具体分析处理,以丰富的想象力去建立模型,用创造性的技巧去求解。
基本思想与分治法类似,也是将待求解的问题分解为若干个子问题(阶段),按顺序求解子阶段,前一子问题的解,为后一子问题的求解提供了有用的信息。在求解任一子问题时,列出各种可能的局部解,通过决策保留那些有可能达到最优的局部解,丢弃其他局部解。依次解决各子问题,最后一个子问题就是初始问题的解。
本实施例中,利用蚁群算法和粒子算法,从基本的每一个个体开始考量,同时考量每一个个体转移后的***所处的状态的经历量值,找寻最优路径及状态转移方式,应用到分配巡视时间的过程中主要体现为考量每次巡视的安排时间,在满足约束的条件下,分配巡视时间时,考量整个***的状态转移是否是最优的转移方式,该过程包括步骤102-104。
102、根据气象信息列表建立天气模型。
根据历史气象状况对气象信息进行建模,通过考虑月降水量等信息,将一年的气象信息建立成可计算表达式的形式,最小单位精确到月,每月初始化为30天。进一步地,还可以将工作日因素考虑在内对天气模型做优化。
103、根据任务列表中各任务的管控级别,对各任务在区域内所对应的临时起降点进行排序。
每个任务拥有健康度属性和重要性属性,通常将每年管控级别高的放到较早月份,也就是说控级别高的任务尽早完成。
本实施例中,首先遍历分配到一个临时起降点的任务,计算每个任务的管控级别;然后将临时起降点的任务的最高管控级别,作为临时起降点所对应的管控级别;再按照临时起降点对应的管控级别对区域内的临时起降点进行排序。如果一个临时起降点对应的管控级别高,则优先执行分配到该临时起降点的任务。
104、任务分配到具体月份。
天气模型考虑了降水量、每月可飞行天数等因素,根据飞行天数可计算每月理论可用于巡视的时间长度,保证不超过该飞行器的每月可飞行容量。
临时起降点的顺序考虑了不同任务的管控级别,即执行任务的优先次序。
分配巡视时间时,根据天气模型以及临时起降点的顺序确定约束条件,再按照约束条件为任务列表中各任务分配巡视时间,将任务分配到具体月份。
在一种具体的实施方式中,约束条件包括:按照临时起降点的排序对区域内临时起降点所需执行的任务进行巡视;对一个临时起降点的任务,按照管控级别从高到低的顺序进行巡视,在管控级别相同的情况下,巡视次数大于1的线路优先进行巡视;区域内每个月所安排的作业计划量不能超过作业量上限。
对于需要进行至少两次巡视的任务,约束条件还可以进一步包括:任务的第二次巡视与第一次巡视之间的时间间隔不小于K个月,K为预设值,通常取4。对于不能满足约束条件的任务需进行局部调整。
根据以上约束条件,按照月份的先后顺序依次遍历天气模型中的月份,将一个任务的巡视时间安排到满足约束条件的月份。
在满足约束条件的前提下,任务分配应尽量不要太集中到一个月份,而应任务均衡化分配。
105、确定当年初次巡视的时间范围。
目标参数列表还可以包括任务调配信息的历史数据,用于提供历史作业时间。历史数据读入规则参数如表3所示。
表3
对区域内所有任务的巡视时间分配完成后,根据历史数据构建概率模型对现有的任务安排提供一定的辅助决策,包括根据历史数据中的线路巡视时间,确定当年初次巡视同一线路的时间范围。
106、输出禁飞区提示信息。
目标参数列表还可以包括禁飞区信息,用于提供对禁飞区位置的描述信息,例如禁飞区的位置坐标等信息。禁飞区信息读入规则参数如表4所示。
表4
对区域内所有任务的巡视时间分配完成后,检查所有线路是否有杆塔区域属于禁飞区,当确定有线路穿过禁飞区时,输出禁飞区提示信息,禁飞区提示信息用于指示线路与禁飞区的重叠位置。
由于巡航线路中所有的坐标都在地球表面,需要求解坐标之间的距离相交问题,在立体几何范畴相对不好解决。于是通过合理类比,将椭球形球面坐标映射到平面直角坐标系内,主要原因有:从赤道切割地球,近似于圆面,容易解决问题;在几千米的范畴内,地球表面凹凸程度不大,可以近似类比于平面;中国领土集中于东经和北纬的部分区域,投影到直角坐标系更容易解决问题;巡航线路所有点落在地球表面上,投影到平面直角坐标系内不至于造成点的重叠。综合考虑以上因素,将球面坐标系投影到平面直角坐标系实为明智之举。具体如下公式:
X'=cosXcosY,Y'=cosXsinY
其中X为维度,Y为经度,X′为转换到平面直角坐标系后的横坐标,Y′为转换到平面直角坐标系后的纵坐标。经过转换之后,就可以采取平面几何的相关知识进行运算。
107、将巡视时间加入到任务列表中。
对区域内所有任务的巡视时间分配完成后,将为任务分配的巡视时间加入到任务列表中,输出添加了巡视时间的任务列表。
基于上述步骤所描述的巡视时间的分配方法,对具体的运行实例说明如下:
将航天提供的数据作为算法的输入参数,附图2为读入任务列表的结果,附图3为读入气象信息列表的结果,附图4为读入任务调配信息的历史数据的结果,附图5为读入禁飞区信息的结果,最后的输出结果如附图6所示。
每个临时起降点中包括了分配给该临时起降点的任务,同时每个任务中的intendJobTime字段表示通过算法生成的为该任务分配的巡视时间。如图6所示,线路编号为60的任务被分配在一月份巡视。
本发明的实施例所提供的巡视时间的分配方法,根据任务的管控级别对临时起降点进行排序,用于根据起降点的排序来安排巡视时间;然后进一步根据约束条件将任务的巡视时间分配到具体月份上。实际应用场景中,有些任务只需要单次巡视,有些则需要至少两次巡视,对于这两种情况均可通过对约束条件进行限制以合理分配每一次巡视的时间,进而对多个区域、多条线路的多个任务每次的巡视时间做合理的安排,以减少巡航时间冲突,均衡各月份任务量,从而完满完成巡航任务。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种巡视时间的分配方法,其特征在于,包括:
获取目标参数列表,所述目标参数列表包括任务列表和气象信息列表;
根据所述气象信息列表建立天气模型;
根据所述任务列表中各任务的管控级别,对各任务在区域内所对应的临时起降点进行排序;
根据所述天气模型以及临时起降点的顺序确定约束条件,按照所述约束条件为所述任务列表中各任务分配巡视时间。
2.根据权利要求1所述的分配方法,其特征在于,所述根据所述气象信息列表建立天气模型,包括:
将一年的气象信息建立成可计算表达式的形式,最小单位精确到月份,每月初始化为30天。
3.根据权利要求1所述的分配方法,其特征在于,所述根据所述任务列表中各任务的管控级别,对各任务在区域内所对应的临时起降点进行排序,包括:
遍历分配到一个临时起降点的任务,计算每个任务的管控级别;
将临时起降点的任务的最高管控级别,作为临时起降点所对应的管控级别;
按照临时起降点对应的管控级别对区域内的临时起降点进行排序。
4.根据权利要求1所述的分配方法,其特征在于,所述约束条件包括:
按照临时起降点的排序对区域内的临时起降点进行巡视;
对一个临时起降点的任务,按照管控级别从高到低的顺序进行巡视,在管控级别相同的情况下,巡视次数大于1的线路优先进行巡视;
区域内每个月所安排的作业计划量不能超过作业量上限。
5.根据权利要求4所述的分配方法,其特征在于,对于需要进行至少两次巡视的任务,所述约束条件还包括:
任务的第二次巡视与第一次巡视之间的时间间隔不小于K个月,K为预设值。
6.根据权利要求4或5所述的分配方法,其特征在于,所述按照所述约束条件为所述任务列表中各任务分配巡视时间,包括:
按照月份的先后顺序依次遍历所述天气模型中的月份,将一个任务的巡视时间安排到满足所述约束条件的月份。
7.根据权利要求1-6任一项所述的分配方法,其特征在于,
所述目标参数列表还包括:任务调配信息的历史数据;
对区域内所有任务的巡视时间分配完成后,所述分配方法还包括:根据所述历史数据中的线路巡视时间,确定当年初次巡视同一线路的时间范围。
8.根据权利要求1-6任一项所述的分配方法,其特征在于,
所述目标参数列表还包括:禁飞区信息;
对区域内所有任务的巡视时间分配完成后,所述分配方法还包括:当确定有线路穿过禁飞区时,输出禁飞区提示信息,所述禁飞区提示信息用于指示线路与禁飞区的重叠位置。
9.根据权利要求1-6任一项所述的分配方法,其特征在于,对区域内所有任务的巡视时间分配完成后,所述分配方法还包括:
将为任务分配的巡视时间加入到所述任务列表中,输出添加了巡视时间的所述任务列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610851306.7A CN106485349A (zh) | 2016-09-26 | 2016-09-26 | 一种巡视时间的分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610851306.7A CN106485349A (zh) | 2016-09-26 | 2016-09-26 | 一种巡视时间的分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106485349A true CN106485349A (zh) | 2017-03-08 |
Family
ID=58268824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610851306.7A Pending CN106485349A (zh) | 2016-09-26 | 2016-09-26 | 一种巡视时间的分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485349A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476112A (zh) * | 2020-03-20 | 2020-07-31 | 深圳中科保泰科技有限公司 | 无人机多混合任务巡采巡查方法及平台*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737415A (zh) * | 2012-07-16 | 2012-10-17 | 航天科工深圳(集团)有限公司 | 一种智能巡检***及巡检任务的制定方法 |
CN103824340A (zh) * | 2014-03-07 | 2014-05-28 | 山东鲁能智能技术有限公司 | 无人机输电线路智能巡检***及巡检方法 |
CN103838144A (zh) * | 2013-12-30 | 2014-06-04 | 林兴志 | 基于物联网土壤分析的甘蔗精细种植滴灌建模控制方法 |
CN104615849A (zh) * | 2014-12-30 | 2015-05-13 | 中国民航大学 | 一种适用于通用航空的飞行计划评估***及实现方法 |
-
2016
- 2016-09-26 CN CN201610851306.7A patent/CN106485349A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737415A (zh) * | 2012-07-16 | 2012-10-17 | 航天科工深圳(集团)有限公司 | 一种智能巡检***及巡检任务的制定方法 |
CN103838144A (zh) * | 2013-12-30 | 2014-06-04 | 林兴志 | 基于物联网土壤分析的甘蔗精细种植滴灌建模控制方法 |
CN103824340A (zh) * | 2014-03-07 | 2014-05-28 | 山东鲁能智能技术有限公司 | 无人机输电线路智能巡检***及巡检方法 |
CN104615849A (zh) * | 2014-12-30 | 2015-05-13 | 中国民航大学 | 一种适用于通用航空的飞行计划评估***及实现方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476112A (zh) * | 2020-03-20 | 2020-07-31 | 深圳中科保泰科技有限公司 | 无人机多混合任务巡采巡查方法及平台*** |
CN111476112B (zh) * | 2020-03-20 | 2023-08-15 | 深圳块织类脑智能科技有限公司 | 无人机多混合任务巡采巡查方法及平台*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106441308B (zh) | 一种基于自适应权重鸽群算法的无人机航路规划方法 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN111831008B (zh) | 一种基于分布式架构的无人机编队协同控制***及其方法 | |
CN112016812A (zh) | 多无人机任务调度方法、***及存储介质 | |
CN107807665B (zh) | 无人机编队探测任务协同分配方法及装置 | |
CN110580196A (zh) | 一种实现并行任务调度的多任务强化学习方法 | |
CN112766813A (zh) | 一种空天协同观测复杂任务调度方法及*** | |
CN102508639B (zh) | 一种基于卫星遥感数据特征的分布式并行处理方法 | |
CN103345504A (zh) | 单星调度的算子构建方法 | |
CN105225003A (zh) | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 | |
CN105045095B (zh) | 一种多无人机应急救灾任务分配方法 | |
CN113077109B (zh) | 一种机巡计划智能调度***、方法、设备及介质 | |
Gerdes et al. | Dynamic airspace sectorization using controller task load | |
CN113064449B (zh) | 一种无人机调度方法及*** | |
CN106600570A (zh) | 一种基于云计算的海量点云滤波方法 | |
CN104077630A (zh) | 一种模拟人体细胞演化的复杂作业车间布局方法 | |
Cao et al. | Multiple UAVs hierarchical dynamic task allocation based on PSO-FSA and decentralized auction | |
CN112633562B (zh) | 一种机场停机位智能调度方法 | |
CN106371924A (zh) | 一种最小化MapReduce集群能耗的任务调度方法 | |
CN108764652A (zh) | 适应集群航点任务的无人机集群组织方法及*** | |
CN113342034A (zh) | 一种无人机通道巡检与精细化巡检的组合策略算法 | |
Chen et al. | A cluster first strategy for distributed multi-robot task allocation problem with time constraints | |
CN113138606B (zh) | 一种无人机湖泊测绘任务航迹规划方法 | |
CN106485349A (zh) | 一种巡视时间的分配方法 | |
CN117291444B (zh) | 一种数字乡村业务管理方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170308 |