基于智能无人机的边缘计算研究.pdf

33中国设备工程 2023.09（上）中 国 设 备 工 程C h i n a P l a n tE n g i n e e r i n g现如今，无人机作为一种新型飞行器，凭借灵活性强、部署简易等优势得到了广泛的应用。然而，无人机在实际应用中也存在一定的缺陷，主要是其在监控监视、网络覆盖等民用领域中应用时，需要实时收集并处理所采集的周围环境信息，但收集分析大量数据对于计算能力有着较高的需求，无人机自身的计算能力远无法满足实际应用的需要，进而也会导致无人机续航时间受影响。移动边缘计算作为一种新兴计算技术，其作用在一定程度上类似微云边缘服务器，即可以将一些难以处理的数据进行传输，委托给边缘服务器，边缘服务器相对而言计算能力更强，可以较好地完成这些复杂数据的处理，目前也是激昂数据委托过程成为任务卸载。基于移动边缘计算方式的特殊性，可以有效降低任务延时，因而目前该计算方法也被广泛用于各种服务中。对于无人机收集处理数据而言，也可以借助边缘计算将密集型任务进行分配，后续边缘服务器将这些数据处理之后，也会将处理结果传输给无人机，由此便达到了降低无人机能耗、保证其续航时间的目的。对此，文中基于智能无人机边缘计算展开深入的研究探讨，以此为用户带来更好的体验。1 基于智能无人机的边缘计算研究分类及应用现如今，基于智能无人机的边缘计算研究已经成为国内外相关学者的重点关注内容。对于该研究进行分析可知，无人机的作用对象有所不同，可以根据作用对象对基于无人机的边缘计算进行具体的场景划分。其一是无人机作为用户节点，该种情况下，支撑无人机边缘计算服务的时地面基站，因此可简称为面向无人机网络的边缘智能计算方法；其二则是在无人机上装配了边缘计算服务器，这种场景下，无人机需要向地面网络提供计基金资助：1.科研项目：基于边缘计算的智能无人 机 在 应 急 测 绘 中 的 应 用 研 究（GAZY2022KY02）2.科研项目：5G+无人机智能在应急救援的应用研究（2020KY51002）。基于智能无人机的边缘计算研究姚文云1，劳振国1，蓝方芳2（1.广西安全工程职业技术学院；2.南宁市良庆区财政局，广西 南宁 530000）摘要：现如今，信息技术发展迅速，尤其是 5G 技术的应用推广，使得用户对网络传输速度及稳定性的要求也是日益提高。目前，部分地面基站已经无法满足网络传输的基本需要，但增设基站又会消耗大量的成本，对此，借助无人机这一灵活性强、成本低的飞行器，可以有效地实现特定区域通信覆盖。基于无人的智能边缘计算则可以结合智能无人机平台灵活迅速地为地面用户提供更好的边缘计算服务，由此也可以拓展边缘计算服务范围，同时也减少了部署基站所需投入的成本，因而目前有关智能无人机边缘计算的研究也是愈发增多。为了充分发挥无人机平台灵活性强等优势为地面设备带来高效便捷的边缘计算服务，本文重点就基于智能无人机的边缘计算的 2 种不同场景展开研究，同时也是以最小能耗及最大效用为目标，对基于无人机的边缘智能计算进行分析，以此为有关该方面的研究提供参考。关键词：无人机平台；边缘计算；边缘服务器；任务卸载；网络传输中图分类号：TU984.18;P208;TP311.13 文献标识码：A 文章编号：1671-0711（2023）09（上）-0033-03算服务，因此这一场景称为面向地面的无人机边缘计算。与此同时，基于智能无人机的边缘计算的应用范围也是极为广阔，通常可以应用于农情勘察、资源分配、资源调度、预测用户流量等方面。如智能无人机边缘计算在农情勘察方面的应用，即在无人机一侧安装有相应的勘察采集机构及支撑防护机构，主要包括起落架、固定杆、传感器等部件。其中传感器包括防护传感器和碰撞传感器，当无人机执行勘察工作时，安装在支撑架上的摄像头及飞行把握系统、rtk 精准定位装置可以进行网络图像传输，即将所勘察的农情通过采集机构无线网络图像传输模块传递到地面工作站，并由此借助对信息进行快速处理，实时计算得到田地中病虫害、杂草、作物大面积死亡等一系列灾害的具体情况，从而为后续农田灾害防治措施的采取提供数据支撑。其他方面的应用原理也基本如此，都是由无人机获取所要调查的基本信息，然后将信息传输至地面基站进行计算处理，最终再反馈到无人机。2 面向无人机网络的边缘智能计算的深入研究在了解了面向无人机网络的边缘智能计算场景基本工作原理的基础上，进一步深入分析可知，无人机在执行任务方面有着一定的性能需求，尤其是在将本地任务卸载到地面基站的过程中，需要充分考虑能源消耗及时延计算，一旦任务卸载过程中能耗过大，必然会导致无人机电量快速消耗，执行任务的时间也将大幅度缩减。此外，若是其时延太高，则地面计算将计算结果返还给无人机的耗时会延长，这就会导致用户的设备体验有所下降。对此，可以结合优化无人机的具体性能目标，将其卸载本地任务分为三种类型，分别是以最小化无人机能耗、最小化时延、最大化效用为主进行探讨。2.1 无人机能耗最小化无人机能耗最小化可以有效延长无人机的续航时间，对此，可以在保证无人机网络边缘智能计算整体服务质量的基础上，采用相应的无人机能耗最小化卸载策略，以此实现卸载任务的有效优化。一般情况下，无人设备9上.indd 332023/8/30 14:32:1834研究与探索Research and Exploration 智能制造与趋势中国设备工程 2023.09（上）机在将密集型任务卸载到地面基站的过程中，其能耗主要源自于无人机的飞行或是悬停、无人机自身计算、将复杂任务卸载到地面基站的通信能耗，这三个部分共同构成了无人机的总体能耗。对此，要实现无人机能耗的最小化，还需结合无人机边缘智能计算具体场景及能耗表达式进行研究，再结合相应的能耗优化方法来实现无人机能耗的最小化。根据无人机能耗的最小化，提供了一种地面基站为无人机一对一进行复杂计算任务卸载服务的方法,即在无人机卸载任务从起始位置到达结束位置的过程中,可将任务卸载工作分为两部分，一部分的卸载服务计算任务是在无人机自身完成，另一部分才必须完成卸载并由地面基站进行计算任务。由此,便能够通过对无人机飞行路线的优化和比特分配的联合分析，借助逐次逼近法计算得出无人机边缘智能计算中能耗最小值的次优解。这一最小化无人机能耗的方法所考虑的是无人机的飞行能耗以及计算能耗，根据最终的仿真结果显示，联合优化无人机路径及比特分配的无人机总能耗要明显地优于最小飞行能耗方案中的无人机能耗，这也在一定程度上表明，无人机的飞行能耗与计算能耗之间存在一定的关联。2.2 无人机时延最小化一般情况下，当无人机需要执行的任务时延敏感性较强时，则需要重点关注其飞行的时延，该种情况下，无人机的时延及能耗均很重要，但最小时延还是要优于最小能耗，即必须首先保证无人机时延的最小化。基于无人机网络的边缘算法时延控制所需考虑的内容也涉及诸多方面，包括无人机飞行过程时延、计算任务卸载时延、便捷服务器中所卸载数据的处理及传输时延等，其中数据回传时延考虑的较少甚至不予考虑，主要是由于基于无人机的边缘智能计算通常数据量较小，因而回传时延并不显著，仅通过无人机的边缘计算任务传输速率的优化、无人机飞行路径的优化等实现其任务时延的最小化。具体而言，在综合考虑调节多个时延约束的条件下，可以以拉格朗日乘子法更精准地计算无人机在卸载计算数据过程中的传输速率，这也是当多对一的情况下采用的方法，其中边缘服务器为多，共同为同一无人机提供卸载服务。该优化方法主要是借助粒子群优化算法有效解决无人机提供卸载服务的任务分配问题，进而也可以满足地面用户设备的服务质量需求。当无人机数据传输时延约束条件不是过于严格的情况下，通过数据传输速率优化便可使其能耗最小化，而无人机所执行任务时延敏感性较强时，则需要尽可能地提高数据传输速率，以此才能更好地寻求时延最小化分配方案。目前学者对无人机时延最小化都进行了深入的研究，结果表明，基于模拟退火的粒子群优化算法的无人机最低时延要明显地优于平均分配策略以及无合作策略，可见多边缘服务器有助于无人机时延的优化。2.3 无人机效用最大化上述的分析分别针对无人机卸载决策中能耗最小及时延最小，然而，基于无人机的边缘智能计算实际场景通常并不需要实现最小能耗或是最小时延，即要结合实际情况有效协调无人机卸载决策中能耗及时延之间的关系，由此使二者达到有效平衡，以达到任务卸载效能最优化目标。从博弈论的视角出发,如果无人机群能够利用局域网将高强度运算任务迅速地卸载到地面基站，而在此基础上再使用蜂窝网将计算任务迅速卸载到地面基站边缘服务器上,基站边缘服务器的计算能力则是要明显超过基站的。实现对计算任务的卸载后,系统还需要建立能耗及时延整体风险总和的代价函数并将其视为系统的主要收益指标，进而在后续不断优化计算任务卸载决策，以达到降低能耗、减少无人机时延的目的。国外学者 Messous M 即借助该方法提出了一种分布式算法，其研究结果显示，这一计算任务卸载决策的函数值确实要低于仅将计算任务卸载到无人机本地、基站或是边缘服务器的方法。综合来看，面向智能无人机网络的边缘计算所重点考虑的内容是无人机能耗及任务时延，通过分布式算法等便可以实现无人机网络边缘计算任务卸载能耗及时延的有效降低，这对于优化无人机边缘智能计算整体效用也有着很大的帮助。3 面向地面网络的无人机边缘智能计算深入研究当无人机面向地面网络提供计算卸载服务时，无人机作为提供的主体部分，通常需要将计算任务卸载到边缘服务器。对于该无人机边缘智能计算场景而言，所考虑的内容也是能耗问题，其主要源自地面终端设备及无人机自身两方面，下述则对具体的计算优化进行深入的分析探讨。3.1 用户设备能耗的最小化由于地面基站设备在计算能力和电池容量等方面都是有限的,所以当这些地面设施在进行卸载任务时，尤其是密集型任务通常会出现能耗太快的情况，以此便会影响用户的实际体验。因此,能够把原本由地面设备进行的密集型计算任务全部卸载至无人机边缘服务器，然后再利用无人机路线和比特分配的优势有效地减少用户设备功耗。目前,有关无人机路径和比特分配的变量优化的资料已经比较多了,包括一个基于无人机的边缘移动算法框架能够通过无人机提供的多种对地面设备的卸载功能,并通过逐次向凸逼近的方式进行对无人机飞行路由和比特分配的联合优化。经试验仿真证明,比特分配和无人机路径组合等优化的方式，比单因素选择的方式节能效益更加突出。3.2 无人机能耗的最小化挡在无人机上安装边缘服务器后，虽然地面基站无须考虑能耗问题，但无人机电池容量有限，且在维持飞行的同时也需要提供计算卸载服务，因此最小化无人机能耗对于任务卸载及边缘智能计算的完成都有着重要意设备9上.indd 342023/8/30 14:32:1835中国设备工程 2023.09（上）中 国 设 备 工 程C h i n a P l a n tE n g i n e e r i n g悬索桥的跨越能力是所有桥型中最大的，构造简单，受力明确；跨径愈大，材料耗费愈少、桥的单位造价愈低，目前 1000m 以上跨径的桥梁几乎全是悬索桥。主缆是悬索桥的主要承重构件，锈蚀是引起主缆损坏的主要原因。因主缆直径大，出现锈蚀或断丝后，需开缆维修，实施难度大，成本极高。为保证桥梁安全运行，经常或定期检查主缆外观，及早发现表观病害是保持其耐久性的基本前提。悬索桥主缆检查主要依靠专业检测人员沿缆上的工作通道进行巡视，检查主缆表面防护层是否损伤脱落、索夹是否移位，或利用长杆加反光镜探至主缆下方查看缆下表面及悬索夹情况。人工巡视存在检查盲区大、精准性差、效率低、高空作业安全隐患高等问题。浅析悬索桥主缆外观检测机器人研发元小强2，丁宁1,2，张建国2，朱洪武1，于霖坤2（1.香港中文大学（深圳）机器人与智能制造研究院，广东 深圳 518172；2.深圳市人工智能与机器人研究院，广东 深圳 518129）摘要：针对悬索桥主缆大直径、多索夹、人工检测盲区多、安全风险高和全覆盖检测困难的工程难题，本文提出了一种利用主缆检修道栏杆绳作为攀爬载体，通过变构型环式折叠机构携带视觉传感器阵列实现主缆全覆盖外观检测的机器人。对机器人的运动学特性和机械强度进行了分析研究，并在实验室环境下对机器人进行了可靠性测试。实验结果表明，机器人可沿主缆平稳运行，以最小收缩态通过障碍，以最大展开态对主缆及索夹进行表观图像采集，实现主缆全覆盖检测。关键词：机器人；悬索桥；主缆；视觉检测中图分类号：U448.25 文献标识码：A 文章编号：1671-0711（2023）09（上）-0035-03近年来，一些学者对悬索桥主缆检测机器人进行了研究，长安大学司癸卯等研制的主缆检查车采用双履带液压行走驱动，整机满载重 6t，满足悬索桥主缆日常的维护检测。中国矿业大学赵文瑞等提出了一种“M”型悬索桥主缆损伤检测机器人结构，机架通过履带和压紧轮与主缆形成封闭结构，具有较好的稳定性，文中未见样机的相关描述。西南交通大学王少华等分别研制了轮式和履带式液压驱动自行走悬索桥主缆检修车，为主缆检修提供了良好的作业平台，整机满载重 8t。华南理工大学魏武等对蛇形机器人在桥梁缆索上的攀爬步态进行了研究。韩国成均馆大学的 Ho Moon Kim 等针对悬索桥吊索研究设计了一种六轮式检测机器人，通过控制连杆机构可以适用不同吊索直径，无法应用于主缆。中国铁路上海局集团有限公司韦庆冬等对轮式主缆检修车进行了故障分析，其中除常见的机械系统与控制系统故障外，基金项目：国家重点研发计划(2019YFB1310403)。义。对此有学者提出了无人机能耗最小化策略，旨在保证服务质量的基础上实现无人机能耗的最小化。如所提出的一种基于无人机的移动边缘计算系统，该系统是在无人机无线能量传输架构的基础上得到的，其在为地面设备提供计算卸载服务的过程中，也会借助无线能量传输技术为地面用户设备供电。因此，也是对比特数、无人机飞行路径及计算频率等进行联合优化卸载，进而得到了一种能耗最小的方案。实践研究后也证明，该方法较无人机由初始点到终点直线或是半圆飞行的基准方案性能更好。3.3 任务量的最大化当地面设备所执行的计算任务需求高且任务量较大时，通常需要采用针对性的计算任务卸载策略，对于这一决策而言，可以简要地了解基于微波功率传输的无人机边缘计算系统，在该系统中，无人机会先进行无线充电，在于用户设备上方提供卸载计算服务，充电过程便利用了微波电站，无人机只需悬停便可随时进行充电，这也在一定程度上增强了无人机的续航性。后来也是通过对卸载决策、持续时间等进行了联合型优化，从实验结果来看，确实有助于提高服务效益。4 结语就目前而言，无人机的应用愈发广泛，边缘计算也是通过计算任务卸载帮助缓解了无人机密集型数据处理的困境。通过本文的分析可以清晰地了解当前 2 种场景下的无人机边缘计算具体优化策略，以此不断提升任务卸载及计算结果传输效率，从而为用户带来更好的使用体验。参考文献：1 范 文,韦 茜,周 知,于 帅,陈 旭.数 据 新 鲜 度 驱 动 的 协 作式无人机联邦学习智能决策优化研究 J.电子与信息学报,2022,44(09):2994-3003.2 谢怡佳.基于滚动时域优化的无人机辅助行进车辆边缘计算 系 统 优 化 研 究 D.广 州 大 学,2022.DOI:10.27040/ki.ggzdu.2022.001503.3 姜泽峰.无人机边缘云计算环境中高效节能的计算卸载 策 略 的 研 究 D.江 南 大 学,2022.DOI:10.27169/ki.gwqgu.2022.000274.4 田贤忠,闵旭,周璐.无人机辅助的服务缓存边缘计算最优计算卸载决策与资源分配 J/OL.小型微型计算机系统:1-72022-11-03.DOI:10.20009/ki.21-1106/TP.2021-0864.设备9上.indd 352023/8/30 14:32:18