CN113422803A - 一种基于端边云协同的无人机智能巡检任务无缝迁移方法 - Google Patents
一种基于端边云协同的无人机智能巡检任务无缝迁移方法 Download PDFInfo
- Publication number
- CN113422803A CN113422803A CN202110544910.6A CN202110544910A CN113422803A CN 113422803 A CN113422803 A CN 113422803A CN 202110544910 A CN202110544910 A CN 202110544910A CN 113422803 A CN113422803 A CN 113422803A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- task
- migration
- resources
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于端边云协同的无人机智能巡检任务无缝迁移方法,包括:S1,搭建基于端边云协同的无人机智能巡检***;S2,构建异构资源协同信任图谱:根据***异构资源之间协同信任度,构建资源间协同信任知识图谱;S3,基于无人机移动位置,预测任务迁移时间、能耗:根据无人机实时移动位置,搜索附近可用资源,并预测计算任务迁移时间、能耗和成本;S4,基于能耗感知和位置移动的任务无缝迁移:以任务迁移时间和无人机能耗为目标,获得最优计算任务迁移策略,完成无缝迁移。本发明可以解决网络带宽压力问题和边缘层资源跨不同管理域问题,通过任务无缝迁移方法使得无人机智能巡检实时性更强,终端能耗更小。
Description
技术领域
本发明涉及端边云协同计算技术领域,尤其涉及一种基于端边云协同的无人机智能巡检任务无缝迁移方法。
背景技术
在泛在电力物联网建设过程中,输电线路的智能化伴随大量无人机、机器人、移动终端等运检新工具的应用,其中,以无人机智能巡检技术发展最为迅猛,较传统的人工巡检而言,其巡检效率更高。
然而,目前无人机巡检技术扔以人工操控为主,无人机终端仅仅具有数据采集功能,智能化水平较低。此外,随着无人机使用范围的增长,其采集到的数据成指数级别增长,但在实际使用过程中,数据分析和挖掘均需要在后期上传到云数据中心去执行,给云数据中心和网络带宽带来了巨大的挑战和压力。因此,将部分任务迁移到靠近终端侧的边缘层去运行,形成端边云有效协同,已成为一个新的研究热点。
在面向端边云协同的无人机智能巡检***中,具有多重分布式资源,包括现场侧的无人机终端资源、边缘端资源和中心侧的云数据中心。在此类***中,如何合理地将计算任务从无人机终端迁移到边缘层/云中心,是提升无人机巡检的智能化水平的关键。其中,因无人机位置移动导致服务的中断或失败,或异构边缘资源隶属于不同管理域,彼此之间不存在信任关系而不参与协同等问题,均会导致迁移失败,进一步导致任务相应时间变长。因此,研究基于无人机位置感知和资源协同信任关系的任务无缝迁移技术,是面向端边云协同的无人机智能巡检***亟需解决的问题。
发明内容
本发明要解决的技术问题在于针对现有技术中巡检过程中智能化水平低、巡检效率低的缺陷,提供一种基于端边云协同的无人机智能巡检任务无缝迁移方法。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种基于端边云协同的无人机智能巡检任务无缝迁移方法,该方法包括以下步骤:
S1,搭建基于端边云协同的无人机智能巡检***架构:搭建面向无人机智能巡检的***,该***包含云数据中心、边缘服务器层和终端设备层三层分布式计算架构;
S2,构建异构资源协同信任图谱:根据***异构资源之间协同信任度,构建资源间协同信任知识图谱;
S3,基于无人机移动位置,预测任务迁移时间、能耗:根据无人机实时移动位置,搜索附近可用资源,并预测计算任务迁移时间、能耗和成本;
S4,基于能耗感知和位置移动的任务无缝迁移:以任务迁移时间和无人机能耗为目标,获得最优计算任务迁移策略,完成无缝迁移。
优选的,在所述步骤S1中搭建基于端边云协同的无人机智能巡检***架构具体包括:
终端设备层为,由无人机机组组成的终端巡检模块,用于开启并控制无人机的自主巡检和协同作业,实时地将巡检图像和巡检数据,通过5G基站连接,传输给边缘服务模块;
边缘服务器层为,由智能巡检工作站组成的边缘服务模块,用于接受传输来的巡检数据,并对数据进行预处理和状态预评估,并及时地将结果反馈给云服务模块,同时周期性地将巡检数据存储到云服务模块;此外边缘服务模块根据终端无人机机组运行状态,分配或调整无人机机组巡检任务、协调无人机机组运检路径;
云数据中心为,由多台巡检中心服务器组成的云服务模块,用于接收到由运维人员发出的巡检请求,制定巡检任务后,将巡检任务传达或分配给边缘服务模块;此外,接收边缘服务器的结果,包括巡检数据预处理、状态预评估和数据存储,并根据结果进行数据分析和挖掘,得到故障识别、设备检测结果传输给运维人员。
优选的,在所述步骤S2中建立异构资源间协同信任知识图谱,包含以下步骤:
E1,收集资源协同数据:根据历史记录数据,收集边缘服务器层和终端设备层之间资源协同相关数据,包括案例时间、协同任务、协同负载、协同成功率,五个主要指标;
E2,统计数据:根据收集的数据集,计算并得到资源间的协同信誉值;根据一个时间周期T内,资源间协同次数,计算其有效协同值,作为资源之间的协同信誉值TWij;
E3,构建协同信任知识图谱:根据资源间历史协同情况,利用有向图来构建资源信任知识图谱,节点代表资源节点Ri,节点间的矢线代表资源间的协同关系,箭头指向代表计算任务迁移方向,点权代表资源的个体信誉值,用TUi表示,边权代表协同信誉值,用TWij表示。
优选的,在所述步骤E2中协同信誉值TWij的计算方法为:
引入时间衰退因子T(tk)=e-δ(T-tk),其中tk表示时间周期T内进行协同的时间,δ是一个固定系数;TWij等于T周期内平均协同成功率,假设Nij表示T周期内资源Ri和Rj的协同次数,Sk表示第k次协同时的任务执行成功率,则:
所述步骤E3中个体信誉值TUi的计算方法为:
其中Mi为T内所有与资源Ri有过协同的资源个数。
优选的,在所述步骤S3中基于无人机移动位置,预测任务迁移时间、能耗和成本,包含以下步骤:
P1,巡检区域分割:对***中资源进行区域分割,根据无人机巡检路径,按照一定周期,确定几个移动点,以移动点为中心数据点,将***资源分割成多个区域;
P2,删选拟用资源:根据无人机实时移动的位置点所在区域,利用距离衰减模型来对可用边缘节点带宽进行建模,从中选取网络带宽较优的前n个资源作为拟用资源;
P3,确定可迁移资源:根据资源间协同信任知识图谱,删选出协同信任度满足给定阈值内的资源,作为可迁移资源;
P4,预测任务迁移时间、迁移能耗。
优选的,在所述步骤P4的具体方法为:
计算任务迁移时间、迁移能耗,若无人机在两个位置点之间移动的过程中,在第一位置点时,正在执行巡检任务Task,其任务负载为w,并且正在资源Ri上进行计算,移动到第二位置点该任务还未完成,此时需要进行任务迁移;则迁移时间Tmigration=w/Vij,其中,Vij为任务从资源Ri迁移到资源Rj时资源之间数据传输速率,迁移能耗为Emigration=Eij*w/Vij,其中Eij为传递单位负载时所消耗的无人机终端能耗。
优选的,在所述步骤S4中基于能耗感知和位置移动的任务无缝迁移:以任务迁移时间和无人机能耗为优化目标,选择迁移时间最小、能耗最小的迁移策略,作为最优策略,并进行迁移。
相对于现有技术,本发明具有以下有益效果:本发明的基于端边云协同的无人机智能巡检任务无缝迁移方法,引入了资源间协同信任知识图谱,提高了迁移成功率,解决了因资源间不存在信任关系而不参与协同带来的迁移失败等问题。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中的一种基于端边云协同的无人机智能巡检任务无缝迁移方法流程图;
图2是本发明实施例中的无人机智能巡检***分布式架构图;
图3是本发明实施例中的边缘服务器层资源间协同信任知识图谱;
图4是本发明实施例中的无人机移动位置感知的边缘服务器资源分割方法。
具体实施方式
为使为使本发明实施例的目的、技术方案和优点更加清楚,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描述,所描述的实施例是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创新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:参见图1-图4,本实施例提供一种基于端边云协同的无人机智能巡检任务无缝迁移方法,根据无人机智能巡检***高移动性和端边资源异构等特点,将部分任务迁移到靠近终端侧的边缘层去运行,形成端边云有效协同,可以有效提高无人机巡检效率和智能化水平。方法包括以下步骤:
1,搭建基于端边云协同的无人机智能巡检***架构。
本实例搭建面向无人机智能巡检的***,包含云数据中心、边缘服务器层和终端设备层三层分布式计算架构。包括由无人机机组组成的终端巡检模块、由智能巡检工作站组成的边缘服务模块、和由云数据中心组成的云服务模块组成。
无人机机组巡检模块负责开启并控制无人机的自主巡检和协同作业,此外还需要实时地将巡检图像等数据,通过5G基站连接,传输给边缘服务模块。
边缘服务模块,负责接受传输来的巡检数据,并对数据进行预处理和状态预评估,并及时地将结果反馈给云服务模块,同时还可周期性地将巡检数据存储到云服务模块。此外边缘服务模块可根据终端无人机机组运行状态,分配或调整无人机机组巡检任务、协调无人机机组运检路径。
云服务模块,接收到由运维人员巡检请求,制定相关任务后,将任务传达或分配给边缘服务模块。此外,接收边缘服务器的结果,包括巡检数据预处理、状态预评估和数据存储等,并根据此类结果进行数据分析和挖掘,得到故障识别、设备检测等结果传输给运维人员。
2,构建异构资源协同信任图谱。
根据异构资源间历史协同数据信息,建立异构资源间协同信任知识图谱,本实施例中任务迁移一般发生在边缘服务层,因此收集的异构资源间协同数据集中在两个不同的边缘服务器之间的协同。具体包括收集资源协同数据,统计数据特性和构建知识图谱3个步骤:
2.1,根据历史记录数据,收集不同边缘服务器之间协同相关数据,包括协同时间、协同任务、协同负载、协同成功率五个主要指标;
2.2,统计数据特性。根据收集的数据集,计算并得到所有边缘服务资源Ri的个体信誉值TUi,和资源间的协同信誉值TWij。计算方式如下:
步骤(1)确定一个统计周期T;
步骤(2)统计T内,资源Ri和Rj之间协同次数Nij,其中第k次协同时的协同成功率用Sk表示;
步骤(3)引入时间衰退因子T(tk)=e-δ(T-tk),其中tk表示第k次协同的时间,δ是一个固定系数;
步骤(4)计算资源Ri和Rj的协同信誉值TWij如(1)所示;
步骤(5)计算资源Ri的个体信誉值TUi如(2)所示,其中Mi为T内所有与资源Ri有过协同的资源个数。
2.3,构建协同信任知识图谱。根据资源间历史协同情况,可以利用有向图来构建资源信任知识图谱,节点代表资源节点Ri,节点间的矢线代表资源间的协同关系,箭头指向代表计算任务迁移方向,点权代表资源的个体信誉值,用TUi表示,边权代表协同信誉值,用TWij表示。参照图3所示,其中TU4=(TW42+TW42)/2。
3,基于无人机移动位置,预测任务迁移时间、能耗。
无人机巡检过程中,终端的移动会引起计算任务的迁移,根据无人机实时移动位置,来进行任务迁移,预测迁移时间、能耗和成本,包括如下步骤:
步骤(1)确定巡检点。根据无人机巡检路径,确定离散的巡检点1,2,…,n;
步骤(2)区域分割。以巡检点为中心数据点,采用基于位置感知的资源分割方法,利用以巡检点i为中心,半径为R的圆对区域进行分割,区域内所有的边缘服务器资源组成备选资源集合;
步骤(3)删选可迁移资源。利用距离衰减模型来对集合中所有资源带宽进行建模,从中选取网络带宽较优的前n个资源作为备选的可迁移资源。
步骤(4)确定可迁移资源。根据资源间协同信任知识图谱,删选出协同信任度满足给定阈值内的资源,作为可迁移资源。
步骤(5)计算任务迁移时间、迁移能耗。若无人机从位置点2移动到3的过程中,在位置点2时,正在执行巡检任务Task,其任务负载为w,并且正在资源Ri上进行计算,移动到位置点3该任务还未完成,此时需要进行任务迁移。则迁移时间Tmigration=w/Vij,其中,Vij为任务从资源Ri迁移到资源Rj时资源之间数据传输速率,迁移能耗为Emigration=Eij*w/Vij,其中Eij为传递单位负载时所消耗的无人机终端能耗。
4,基于能耗感知和位置移动的任务无缝迁移。
以最小化任务迁移时间和无人机能耗为优化目标,确定最优的迁移策略,并实施和完成相应的任务迁移。
综上所述,建立一种基于端边云协同的无人机智能巡检任务无缝迁移方法,通过搭建基于端边云协同分布式架构的无人机智能巡检***,构建构建分布式的边缘层异构资源协同信任图谱,基于此来进行无人机巡检实时任务的在线无缝迁移,有效地解决了网络带宽压力问题和边缘层资源跨不同管理域问题,使无人机智能巡检实时性更强,终端能耗更小。
应当理解的是,以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于端边云协同的无人机智能巡检任务无缝迁移方法,其特征在于,该方法包括以下步骤:
S1,搭建基于端边云协同的无人机智能巡检***架构:搭建面向无人机智能巡检的***,该***包含云数据中心、边缘服务器层和终端设备层三层分布式计算架构;
S2,构建异构资源协同信任图谱:根据***异构资源之间协同信任度,构建资源间协同信任知识图谱;
S3,基于无人机移动位置,预测任务迁移时间、能耗:根据无人机实时移动位置,搜索附近可用资源,并预测计算任务迁移时间、能耗和成本;
S4,基于能耗感知和位置移动的任务无缝迁移:以任务迁移时间和无人机能耗为目标,获得最优计算任务迁移策略,完成无缝迁移。
2.根据权利要求1所述的基于端边云协同的无人机智能巡检任务无缝迁移方法,其特征在于,所述步骤S1中搭建基于端边云协同的无人机智能巡检***架构具体包括:
终端设备层为,由无人机机组组成的终端巡检模块,用于开启并控制无人机的自主巡检和协同作业,实时地将巡检图像和巡检数据,通过5G基站连接,传输给边缘服务模块;
边缘服务器层为,由智能巡检工作站组成的边缘服务模块,用于接受传输来的巡检数据,并对数据进行预处理和状态预评估,并及时地将结果反馈给云服务模块,同时周期性地将巡检数据存储到云服务模块;此外边缘服务模块根据终端无人机机组运行状态,分配或调整无人机机组巡检任务、协调无人机机组运检路径;
云数据中心为,由多台巡检中心服务器组成的云服务模块,用于接收到由运维人员发出的巡检请求,制定巡检任务后,将巡检任务传达或分配给边缘服务模块;此外,接收边缘服务器的结果,包括巡检数据预处理、状态预评估和数据存储,并根据结果进行数据分析和挖掘,得到故障识别、设备检测结果传输给运维人员。
3.根据权利要求1所述的基于端边云协同的无人机智能巡检任务无缝迁移方法,其特征在于,所述步骤S2中建立异构资源间协同信任知识图谱,包含以下步骤:
E1,收集资源协同数据:根据历史记录数据,收集边缘服务器层和终端设备层之间资源协同相关数据,包括案例时间、协同任务、协同负载、协同成功率,五个主要指标;
E2,统计数据:根据收集的数据集,计算并得到资源间的协同信誉值;根据一个时间周期T内,资源间协同次数,计算其有效协同值,作为资源之间的协同信誉值TWij;
E3,构建协同信任知识图谱:根据资源间历史协同情况,利用有向图来构建资源信任知识图谱,节点代表资源节点Ri,节点间的矢线代表资源间的协同关系,箭头指向代表计算任务迁移方向,点权代表资源的个体信誉值,用TUi表示,边权代表协同信誉值,用TWij表示。
5.根据权利要求1所述的基于端边云协同的无人机智能巡检任务无缝迁移方法,其特征在于,所述步骤S3中基于无人机移动位置,预测任务迁移时间、能耗和成本,包含以下步骤:
P1,巡检区域分割:对***中资源进行区域分割,根据无人机巡检路径,按照一定周期,确定几个移动点,以移动点为中心数据点,将***资源分割成多个区域;
P2,删选拟用资源:根据无人机实时移动的位置点所在区域,利用距离衰减模型来对可用边缘节点带宽进行建模,从中选取网络带宽较优的前n个资源作为拟用资源;
P3,确定可迁移资源:根据资源间协同信任知识图谱,删选出协同信任度满足给定阈值内的资源,作为可迁移资源;
P4,预测任务迁移时间、迁移能耗。
6.根据权利要求5所述的基于端边云协同的无人机智能巡检任务无缝迁移方法,其特征在于,所述步骤P4的具体方法为:
计算任务迁移时间、迁移能耗,若无人机在两个位置点之间移动的过程中,在第一位置点时,正在执行巡检任务Task,其任务负载为w,并且正在资源Ri上进行计算,移动到第二位置点该任务还未完成,此时需要进行任务迁移;则迁移时间Tmigration=w/Vij,其中,Vij为任务从资源Ri迁移到资源Rj时资源之间数据传输速率,迁移能耗为Emigration=Eij*w/Vij,其中Eij为传递单位负载时所消耗的无人机终端能耗。
7.根据权利要求1所述的基于端边云协同的无人机智能巡检任务无缝迁移方法,其特征在于,所述步骤S4中基于能耗感知和位置移动的任务无缝迁移:以任务迁移时间和无人机能耗为优化目标,选择迁移时间最小、能耗最小的迁移策略,作为最优策略,并进行迁移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110544910.6A CN113422803B (zh) | 2021-05-19 | 2021-05-19 | 一种基于端边云协同的无人机智能巡检任务无缝迁移方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110544910.6A CN113422803B (zh) | 2021-05-19 | 2021-05-19 | 一种基于端边云协同的无人机智能巡检任务无缝迁移方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113422803A true CN113422803A (zh) | 2021-09-21 |
CN113422803B CN113422803B (zh) | 2022-11-25 |
Family
ID=77712549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110544910.6A Active CN113422803B (zh) | 2021-05-19 | 2021-05-19 | 一种基于端边云协同的无人机智能巡检任务无缝迁移方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113422803B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693141A (zh) * | 2022-04-06 | 2022-07-01 | 长春理工大学 | 一种基于端边协同的变电站巡检方法 |
CN114827153A (zh) * | 2022-07-04 | 2022-07-29 | 广东电网有限责任公司肇庆供电局 | 边缘计算协同***中边缘服务器的选择方法、装置和*** |
CN115103161A (zh) * | 2022-06-22 | 2022-09-23 | 重庆紫光华山智安科技有限公司 | 基于视频推进的巡防方法、***、设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107959708A (zh) * | 2017-10-24 | 2018-04-24 | 北京邮电大学 | 一种基于云端-边缘端-车端的车联网服务协同计算方法与*** |
CN108810849A (zh) * | 2018-06-19 | 2018-11-13 | 广东工业大学 | 一种无人机计算任务的迁移方法、装置及无人机 |
CN109067490A (zh) * | 2018-09-29 | 2018-12-21 | 郑州航空工业管理学院 | 蜂窝网联下多无人机协同移动边缘计算***资源分配方法 |
CN109922137A (zh) * | 2019-01-28 | 2019-06-21 | 中国人民解放军国防科技大学 | 无人机协助的计算迁移方法 |
CN110502328A (zh) * | 2019-08-28 | 2019-11-26 | 嘉兴学院 | 一种海上边缘计算可信协同任务迁移方法 |
CN110851429A (zh) * | 2019-11-21 | 2020-02-28 | 嘉兴学院 | 一种基于影响力自适应聚合的边缘计算可信协同服务方法 |
CN110851531A (zh) * | 2019-11-08 | 2020-02-28 | 咪咕文化科技有限公司 | 协作边缘计算方法、区块链和协作边缘计算*** |
CN112132202A (zh) * | 2020-09-18 | 2020-12-25 | 嘉兴学院 | 一种基于综合信任评价的边缘计算协同盟员发现方法 |
WO2021012584A1 (zh) * | 2019-07-25 | 2021-01-28 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
CN112714416A (zh) * | 2020-11-30 | 2021-04-27 | 中南大学 | 一种基于信任的任务卸载方法 |
-
2021
- 2021-05-19 CN CN202110544910.6A patent/CN113422803B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107959708A (zh) * | 2017-10-24 | 2018-04-24 | 北京邮电大学 | 一种基于云端-边缘端-车端的车联网服务协同计算方法与*** |
CN108810849A (zh) * | 2018-06-19 | 2018-11-13 | 广东工业大学 | 一种无人机计算任务的迁移方法、装置及无人机 |
CN109067490A (zh) * | 2018-09-29 | 2018-12-21 | 郑州航空工业管理学院 | 蜂窝网联下多无人机协同移动边缘计算***资源分配方法 |
CN109922137A (zh) * | 2019-01-28 | 2019-06-21 | 中国人民解放军国防科技大学 | 无人机协助的计算迁移方法 |
WO2021012584A1 (zh) * | 2019-07-25 | 2021-01-28 | 北京工业大学 | 一种移动边缘计算场景下制定单任务迁移策略的方法 |
CN110502328A (zh) * | 2019-08-28 | 2019-11-26 | 嘉兴学院 | 一种海上边缘计算可信协同任务迁移方法 |
CN110851531A (zh) * | 2019-11-08 | 2020-02-28 | 咪咕文化科技有限公司 | 协作边缘计算方法、区块链和协作边缘计算*** |
CN110851429A (zh) * | 2019-11-21 | 2020-02-28 | 嘉兴学院 | 一种基于影响力自适应聚合的边缘计算可信协同服务方法 |
CN112132202A (zh) * | 2020-09-18 | 2020-12-25 | 嘉兴学院 | 一种基于综合信任评价的边缘计算协同盟员发现方法 |
CN112714416A (zh) * | 2020-11-30 | 2021-04-27 | 中南大学 | 一种基于信任的任务卸载方法 |
Non-Patent Citations (5)
Title |
---|
JUN LI等: "Task Offloading for UAV-based Mobile Edge Computing via Deep Reinforcement Learning", 《2018 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS IN CHINA (ICCC)》 * |
WU OUYANG: "Dynamic Task Migration Combining Energy Efficiency and Load Balancing Optimization in Three-Tier UAV-Enabled MObile Edge Computing System", 《ELECTRONICS》 * |
乐光学等: "边缘计算可信协同服务策略建模", 《计算机研究与发展》 * |
吴坤等: "一种动态环境下多Agent的协作方法", 《武汉工程大学学报》 * |
邓晓衡等: "基于综合信任的边缘计算资源协同研究", 《计算机研究与发展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693141A (zh) * | 2022-04-06 | 2022-07-01 | 长春理工大学 | 一种基于端边协同的变电站巡检方法 |
CN114693141B (zh) * | 2022-04-06 | 2022-10-25 | 长春理工大学 | 一种基于端边协同的变电站巡检方法 |
CN115103161A (zh) * | 2022-06-22 | 2022-09-23 | 重庆紫光华山智安科技有限公司 | 基于视频推进的巡防方法、***、设备及介质 |
CN114827153A (zh) * | 2022-07-04 | 2022-07-29 | 广东电网有限责任公司肇庆供电局 | 边缘计算协同***中边缘服务器的选择方法、装置和*** |
Also Published As
Publication number | Publication date |
---|---|
CN113422803B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | When UAV swarm meets edge-cloud computing: The QoS perspective | |
CN113422803B (zh) | 一种基于端边云协同的无人机智能巡检任务无缝迁移方法 | |
CN110287945B (zh) | 一种5g环境下无人机目标检测方法 | |
CN106502266B (zh) | 一种多机协同作业指挥控制*** | |
CN113452956B (zh) | 一种输电线路巡检任务智能分配方法及*** | |
CN110502328B (zh) | 一种海上边缘计算可信协同任务迁移方法 | |
CN113395679B (zh) | 一种无人机边缘服务器的资源和任务分配优化*** | |
CN109672751B (zh) | 一种基于边缘计算的智慧人口统计方法 | |
KR102508504B1 (ko) | 기계 학습 기반의 무인항공기 모바일 엣지 서버 간 협업 태스크 매칭 및 오프로딩 방법 | |
CN112596543B (zh) | 多机协同巡检*** | |
Munir et al. | Intelligent service fulfillment for software defined networks in smart city | |
Li et al. | Collaboration of heterogeneous unmanned vehicles for smart cities | |
CN113836796A (zh) | 一种基于云边协同的配电物联网数据监测***及调度方法 | |
CN113037857B (zh) | 面向云环境的多机器人协同感知服务***、方法及设备 | |
CN114327526B (zh) | 一种移动边缘计算环境中的任务卸载方法及其应用 | |
Ibn-Khedher et al. | Edge computing assisted autonomous driving using artificial intelligence | |
CN117726153B (zh) | 一种适用于无人机集群作业任务的实时重规划方法 | |
Rahbari et al. | Fast and fair computation offloading management in a swarm of drones using a rating-based federated learning approach | |
MahmoudZadeh et al. | Exploiting a fleet of UAVs for monitoring and data acquisition of a distributed sensor network | |
CN116755867B (zh) | 一种面向卫星云的计算资源调度***、方法及存储介质 | |
Delgado et al. | OROS: Orchestrating ROS-driven collaborative connected robots in mission-critical operations | |
Haider et al. | Ai-based energy-efficient UAV-assisted IoT data collection with integrated trajectory and resource optimization | |
Ou et al. | Research on network performance optimization technology based on cloud-edge collaborative architecture | |
Laroui et al. | Autonomous UAV aided vehicular edge computing for service offering | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |