激光供能無人機集群充電策略研究

袁建華,李 尚,黃 開,洪滬生,趙子瑋

(三峽大學電氣與新能源學院,湖北 宜昌 443000)

1 引 言

無人機(UAV)在電力巡線中的運用越來越趨向于集群化、協作化[1]。利用激光對UAV進行無線充電可以提高UAV的生存能力,對于激光供能UAV集群,制定怎樣的充電策略是提高UAV生存能力和執行任務效率的關鍵[2]。目前,國內外對于集群化的UAV充電調度問題研究相對較少。文獻[3]中通過對網絡中剩余能量最少的節點進行充電來最大化網絡的利用率。文獻[4]將優化目標定為充電小車在充電周期中的休息時間占比最大化,將能量循環再生運用到充電調度中,并證明充電小車的最佳充電路線為最短的哈密頓回路。文獻[5]中將優化目標定為充電小車的移動能耗最小化,驗證了在無線傳感器數量不變的情況下,多個充電小車在協作化的方式下可以覆蓋更廣的充電范圍。文獻[6]以文獻[5]為基礎構造了最小權重的哈密頓回路,并將其應用到二維無線傳感器網絡中。文獻[7]提出一種先到先服務的調度策略(FCFS),誰先發出充電請求誰就先得到充電機會,忽略了空間優先級。文獻[8]在文獻[7]的基礎上考慮空間優先級,提出了一種搶占式的調度策略(NJNP)。以上文獻均是對離線狀態下集群化的充電策略的研究,根據已有的能量消耗率對其進行充電調度。然而,UAV在執行任務的過程中其能量消耗率呈現出較高的動態性和多樣性。因此,按照固有的能量消耗率來進行充電調度會造成UAV迫降過多的現象。所以,根據UAV的實時能量消耗來對UAV集群進行充電調度則顯得尤為重要。

本文基于UAV的實時能量消耗,構建了UAV的動態能量消耗模型及UAV集群網絡充電模型,提出了一種在線的激光供能UAV集群充電策略,適應于UAV能量消耗的多樣性和動態性,具有高度的時效性。

2 無人機激光無線充電系統

激光無線能量傳輸技術的能量傳輸載體為激光束,通過光伏接收器接收激光能量來進行光電轉換,從而實現了能量遠距離無線傳輸[9]。

UAV激光無線供能系統主要由地面激光能量發射機和激光能量接收機組成[10]。如圖1所示,主要包括:電源、激光器、跟瞄系統、光電轉換系統、充電電池等。激光器將激光發射出去照射到激光接收端,由光電轉換系統將激光能轉換為電能為電池充電[11]。

圖1 UAV集群激光充電示意圖

3 無人機集群激光充電網絡模型

3.1 無人機動態能量消耗率模型

對于UAV集群,UAV的能量消耗是動態變化的。因此,集群充電調度的核心是估計UAV的實時能量消耗。

本文設對UAV進行充電前的UAV集群部署時間為零,從當前開始UAV以時間間隔Δt定期記錄自己的當前剩余能量和當前時間值,并把這兩個值以消息的形式發送給LC。例如UAVi以(IDi,REin,tin,urg=0),n≥0的形式將自己的信息發送給LC,REin表示UAVi的當前剩余能量,tin表示當前時間,urg=0表示這是一個普通的消息。UAVi的實時能量消耗率rin為:

(1)

LC在接收到(n+1)條UAVi的能量信息通告后,計算得到UAVi的能量消耗率Rin。利用加權平均法算得:

(2)

式中,tn表示UAVi記錄第(n+1)條剩余能量的時間;rin為接收到第(n+1)條能量信息通告后的能量消耗率的當前值。

這樣需要LC保存所有的剩余能量信息來計算UAV的動態能量消耗率,代價會比較大,改進公式(2)得:

(3)

式中,STn-1為基站接收到UAVi的第n個剩余能量通告的總時間。UAVi每更新一次它的能量消耗率,總時間STn就要累加一次:

STn=STn-1+tn

(4)

3.2 UAV集群充電模型

UAV在空中執任務時,LC根據每個UAV的能量信息選擇性的對UAV進行充電。LC在上一個被充電的UAV充電結束后尋找下一個待充電的UAV的時間相對于UAV的充電時間可以忽略不計。當UAV的能量低于閾值Emin1時向LC發送充電請求信號,信號的表示形式為(IDi,REin,tin,urg=1),n≥0。urg=1表示這是一個充電請求信號,與之前的普通信號相區分。當UAV的能量低于Emin2時還沒有得到充電機會,則UAV會自動進行迫降返回基地。

本文將UAV的迫降率記為δ,即為:

(5)

式中,mi為選擇UAVi作為下一充電UAV時剩余UAV的迫降數量;n為UAV的總數量。

在任一t時刻UAVi的剩余飛行時間應該滿足:

(6)

在任一t時刻UAVi的剩余飛行時間為:

(7)

若此時LC對UAVi進行充電,LC對UAV的充電功率為U,則LC對UAVi的充電時間為:

(8)

假設此時LC正在為UAVi進行充電,那么剩余發送充電請求的UAVj的充電容忍時間為:

(9)

若Dj(ti)=0說明UAVj得不到充電機會,需要迫降,從充電隊列中刪除。

3.3 REOCS充電方案

LC在充電過程中選擇哪一個UAV為下一充電UAV是本充電策略的關鍵。其基本思路為:若UAV的剩余能量低于Emin1則該UAV需要充電,被納入充電服務池M中。當充電服務池為非空時,計算每個待充電UAV的剩余飛行時間與選擇某一UAV作為下一充電UAV時,剩余UAV的充電容忍時間,通過對比兩個時間始終選擇使UAV迫降數最少的UAV作為下一充電UAV。具體過程描述如下:

(1)LC對UAV進行充電前計算充電服務池中UAV的剩余飛行時間。

(2)將剩余能量小于Emin1的所有UAV加入M中。

(3)對M中待充電的UAV計算它的充電容忍時間。

若Dij>0說明選擇UAVi作為下一個充電UAV時,UAVj不會迫降。若UAVi對于所有的UAVj(j≠i,j∈請求充電的UAV)都滿足Dij>0,將UAVi加入到充電候選集X中。

(4)如果集合X為非空集,則LC計算集合X中的UAV的充電時間。選擇充電時間最短的UAV作為下一個充電UAV。

(5)如果集合X為空集,計算則選擇δ最小的UAV作為下一充電UAV。

已經選中的UAV在充電完成后從LC的充電服務池中將其刪除。清空集合X,執行(6)。

(6)重復(1)～(5),直到UAV集群任務完成。

4 UAV集群充電優化算法

激光供能UAV集群充電調度問題其實是一個旅行商問題TSP(Traveling Salesman Problem),對于此類問題有很多的算法可以運用[12]。本文提出一種改進的蟻群算法,通過考慮UAV的剩余飛行時間及UAV集群的迫降率結合UAV的實時能量消耗率來選擇下一需要充電的UAV,有效地解決了以往離線充電模式缺乏實時性的問題。

4.1 充電調度轉移策略

本文的算法中將螞蟻看作是LC,螞蟻的個數為A。初始狀態螞蟻K(K=1,2,…,A),隨機選擇一臺能量最低的UAV進行充電。LC在對UAVi充電結束后,繼續選擇下一臺需要充電的UAVj。在滿足充電約束的條件下應考慮以下因素:

1)螞蟻K從UAVi到下一UAVj的路徑上的信息素濃度σij(t),信息素濃度越大,螞蟻K選著UAVj的概率越大。

2)螞蟻K遍歷的下一UAVj的剩余飛行時間,剩余飛行時間時間越短,螞蟻K選擇該UAV的概率就越大。

3)選擇UAVj作為下一充電UAV時,UAV的迫降數量越少,選擇該UAV的概率越大。

通過以上因素,螞蟻K從UAVi移動到下一節點j的轉移策略為:

(10)

其中,α,β,γ為權重系數。

4.2 信息素更新策略

在算法進行多次運算后會留下較多的殘留信息素,啟示信息將會被淹沒,因此需要對信息素進行更新,(t+1)輪的信息素更新公式如下:

(11)

其中,1-ρ(0<ρ<1)為路徑上信息素的持久性因子；W表示前t輪算法遍歷的m個UAV的集合；Δσij(t)表示第t輪螞蟻K殘留的信息素。

本文中第(t+1)輪的信息素濃度不僅與上一輪的信息素濃度有關還要考慮UAV與LC的空間距離,空間距離越短,信息素濃度越大,選擇UAVj作為下一充電UAV的概率越大。故,螞蟻K在路徑(i,j)上的信息素濃度具體表示形式為:

(12)

4.3 集群充電調度方案

基于上述改進的螞蟻算法和信息素更新策略,我們在基于實時檢測UAV動態能耗的UAV群激光充電策略中在考慮UAV群的迫降率與UAV與LC的距離及UAV的剩余能量的基礎上選著下一UAV進行充電,充電調度算法流程圖如圖2所示。

圖2 充電調度算法流程圖

5 算例驗證

本研究基于matlab仿真平臺,對本文提出的充電策略(REDOCS)進行性能分析,并與傳統的FCFS,NJNP調度策略進行對比。通過UAV的迫降率與充電延遲兩種性能對比三種不同的充電策略,分析了REDOCS的性能。

本文選用IN-SPIRE2四旋翼無人機,在底部安裝10 cm×10 cm的GaAs光伏電池,電池容量為4500 mAh,最大充電功率為180 W,充電電流為10 A,工作放電時間為45 min[13-14]。

表1 仿真參數設定

5.1 光伏電池性能測試

本節用同波長(808 nm)不同功率的激光對GaAs光伏電池進行充電,分析其性能,其性能如圖3所示。

圖3 不同激光功率密度下GaAs光伏電池的輸出功率

從圖3可以看出當激光功率密度為7 W/cm2時,GaAs電池的輸出功率達到176 W,但光電轉換率為25 %,嚴重浪費了資源。當激光功率密度為1 W/cm2,光電轉換率達到了46.67 %,但GaAs電池的輸出功率為46.66 W,不足以支持UAV集群不間斷飛行。為了避免浪費資源,同時使UAV集群可以安全可靠的運行,本文選擇激光充電器的功率密度為5.5 W/cm2,這時GaAs電池的輸出功率達到170 W,光電轉換率為31 %。

5.2 激光功率密度對性能的影響

本節在4.1節的基礎上分析激光功率對充電策略性能的影響,并進一步驗證4.1節所選激光功率密度的合理性。其他參數為上述默認值,激光功率密度從3 W/cm2到7 W/cm2依次變化。三種充電策略的性能變化如圖4所示。

圖4 不同充電功率下的策略性能

從圖4(a)可以看出,隨著充電效率的逐步提高,UAV集群的迫降率同步下降。這是因為當充電效率提高時,對單個UAV的充電時間減少了,在同樣的時間內,LC可以服務更多的UAV。通過對比三種策略可以看出,隨著充電效率的逐步提高,REDOCS的迫降率始終低于其他兩種策略,這是因為REDOCS考慮UAV的實時能量消耗率,對UAV的剩余飛行時間及充電時間進行了合理的估計,LC可以根據UAV的實時能量消耗率來計算UAV的充電容忍時間,使其可以在充電容忍時間內得到充電機會。從圖4(b)中可以看出,隨著充電效率的增加,FCFS的充電延遲先增加后減小,NJNP與REDOCS的充電延遲逐步減小。這是因為,當充電效率增加時,充電請求增多,LC需要充電的UAV增加,使得UAV等待充電的時間增多,當充電效率增加到一定值后,UAV的充電時間變短,使得充電延遲降低。REDOCS的充電延遲優于NJNP,這是因為REDOCS總是選擇充電時間最少的UAV作為下一充電UAV,使得整個網絡的充電延遲減小。從圖4中可以看出,當激光功率達到5.5 W/s時,UAV的迫降率以及充電延遲都在一個合理的范圍內,激光功率的增加對UAV的迫降率和充電延遲的減少意義不大。

5.3 UAV數量對性能的影響

本節分析UAV的數量對三種策略性能的影響。其他參數為上述默認值,UAV的數量從2個逐步增加到20個,三種充電策略的性能變化如圖5所示。

圖5 不同UAV數量下的策略性能

從圖5(a)中可看出,在UAV數量較少時,三種策略的迫降率相差不大,這是因為當UAV較少時,LC可以很快的完成對少數UAV的充電調度。隨著UAV的數量增加,三種策略的迫降率呈現不同程度的上升。這是因為當UAV過多時,LC接收到的充電請求增多導致較多的UAV得不到充電機會。REDOCS的迫降率始終低于其他兩種策略,這是因為這本策略在合理設置充電請求發送門限值的前提下,根據UAV的實時能量消耗率來計算各待充電UAV的充電容忍時間和選擇該節點充電時,該節點的充電時間,始終選擇使迫降率最小的UAV作為下一充電節點。從圖5(b)中可看出,隨著UAV數量的增加,NJNP與REDOCS的充電延遲呈較緩的增長趨勢,REDOCS的充電延遲始終低于NJNP。這是因為REDOCS更加偏向于選擇充電時間最短的UAV作為下一充電UAV,提高了整網絡的性能,降低了網絡的充電延遲。

6 結 論

本文根據UAV激光充電的特點提出了一種基于實時能量檢測的在線充電策略(REDOCS),本策略考慮了UAV在實際環境能量消耗的多樣性、高度的動態性以及充電的公平性。根據REDOCS,始終選擇下一充電的UAV,保證整個網絡的迫降率最小。算例驗證表明,REDOCS可以在保證整個網絡壽命的同時,有效地降低迫降率。