(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211161156.9 (22)申请日 2022.09.23 (65)同一申请的已公布的文献号 申请公布号 CN 115249134 A (43)申请公布日 2022.10.28 (73)专利权人 江西锦路科技 开发有限公司 地址 330000 江西省南昌市红谷滩区红谷 中大道1326号第10层 (72)发明人 沈阳　邓芳明　韦宝泉　曾晗　 卢金勤　喻斌　朱立　彭仁夔　 罗梓铭　饶先明　 (74)专利代理 机构 南昌金轩知识产权代理有限 公司 36129 专利代理师 文珊 (51)Int.Cl. G06F 17/00(2019.01) G06Q 10/06(2012.01) G06Q 10/00(2012.01) G06Q 50/30(2012.01)G06F 9/50(2006.01) (56)对比文件 CN 113534829 A,2021.10.2 2 CN 113905049 A,202 2.01.07 CN 113395679 A,2021.09.14 CN 114065963 A,2022.02.18 US 2022255790 A1,202 2.08.11 US 2022196414 A1,202 2.06.23 CN 115047913 A,202 2.09.13 CN 113395654 A,2021.09.14 WO 2017219780 A1,2017.12.28 周振宇等.面向智能电力巡 检的高可靠低时 延移动边 缘计算技术. 《高电压技 术》 .2020,(第 06期), 杨思远， 梁微， 李立欣. “6G无人机边缘计算 场景下智能分组机制 ”. 《移动通信》 .202 2, (续) 审查员 李峥 (54)发明名称 一种用于无人机的资源分配方法、 装置、 设 备及存储介质 (57)摘要 本发明涉及智能决策技术领域， 揭露了一种 用于无人机的资源分配方法、 装置、 设备及存储 介质， 其中所述方法包括： 获取待巡检的无人机 设备和巡检任务， 通过预设的边缘服务器规划待 巡检区域的巡检 路径； 实时计算无人机设备与边 缘服务器的当前距离， 并获取边缘服务器的计算 容量， 将当前距离和计算容量进行数据合并， 得 到合并数据； 获取无人机设备执行巡检任务的时 延数据， 计算无人机设备执行巡检任务的能耗； 对合并数据进行深度分析， 得到分析数据， 构建 目标最大函数， 对分析数据、 时延数据以及能耗 进行优化处理， 得到优化方案； 计算优化方案与 边缘服务器的支持度， 在支持度大于预设阈值时， 将优化方案作为无 人机设备的最终方案 。 [转续页] 权利要求书3页 说明书11页 附图2页 CN 115249134 B 2022.12.23 CN 115249134 B (56)对比文件 王浩淼;段海 滨;魏晨.“基于合作竞争公共 物品博弈的无 人机集群动态资源分配 ”. 《中国科 学： 信息科 学》 .2022, JieLin,LinHuang,Han linZhang, XinyuYang,PengZhao." A Novel Lyapun ov based Dynamic Resource Al location for UAVs-assisted Edge Computi ng".<Computer Networks>.202 2, Xin Chen,Xu L iu,Geyong Min."Deep Q- Network based resource al location for UAV-assisted Ultra-Dense Netw orks".< Computer Netw orks>.2021,2/2 页 2[接上页] CN 115249134 B1.一种用于无 人机的资源分配方法， 其特 征在于， 所述方法包括： 获取待巡检的无人机设备和待巡检区域， 查询所述无人机设备对应的巡检任务， 根据 所述巡检任务， 通过 预设的边 缘服务器规划所述待巡检区域的巡检路径； 接收所述无人机设备的请求指令， 根据所述请求指令执行所述无人机设备对应的巡检 任务， 并根据所述巡检路径， 实时计算所述无人机 设备与所述边缘服务器的当前距离， 并获 取所述边缘服务器的计算容量， 将所述当前距离和所述计算容量进行数据合并， 得到合并 数据； 获取所述无人机设备执行所述巡检任务的时延数据， 通过所述边缘服务器计算所述无 人机设备 执行所述巡检任务的能耗； 利用训练好的系统奖励最大化目标模型中的深度分析神经网络对所述合并数据进行 深度分析， 得到 分析数据， 构建所述训练好的系统奖励最大化目标模 型中的目标最大函数， 通过所述 目标最大函数对所述分析数据、 所述时延数据以及所述能耗进行优化处理， 得到 优化方案； 计算所述优化方案与所述边缘服务器的支持度， 在所述支持度大于预设阈值时， 将所 述优化方案作为所述无 人机设备的最终方案； 通过所述边缘服务器计算所述无 人机设备 执行所述巡检任务的能耗， 包括： 利用下述公式计算所述无 人机设备 执行所述巡检任务的能耗： 其中， T表示时隙t的最大取值， c1表示无人机的机翼面积常数， c2表示无人机的载荷系 数常数， v[t]表示时隙t对应的无人机的速度， a(t)表示时隙t对应的加速度， g表示重力加 速度，∆k表示无人机动能的变化， 表示无人机飞行到时隙t的时隙间隔； 构建所述目标最大函数， 包括： 其中， 表示最大目标函数， 、 和 分别是 、 和 的权重参数， 是奖励任 务分区和 卸载协调器一个正的值， 表示执行第i个子任 务无人机设备的能耗， 表示第i个 子任务的数据传输时间， 对数运算是将项归一化为量值； 在奖励函数中， 为在允许时延 内完成任务的奖励； 表示能量消耗； 表示任务全部时延； 降低任务全部时 延 可以提高用户体验质量， C是鼓励代理保持边 缘服务器稳定性的一个激励系数； 目标最大函数根据上述公式进行构建： 其中， maxE表示目标最大函数， 是边缘服务器的状态， π表示将 边缘服务器状态映射到 动作的策略， 表示所述巡检任务中子任务的执 行动作。 2.如权利要求1所述的用于无人机的资源分配方法， 其特征在于， 根据所述巡检任务， 通过预设的边 缘服务器规划所述待巡检区域的巡检路径， 包括： 获取所述巡检任务中的子任务， 并对所述无人机设备执行所述子任务的路径进行模 拟， 得到模拟路径；权　利　要　求　书 1/3 页 2 CN 115249134 B 3