(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210588899.8 (22)申请日 2022.05.26 (71)申请人 浙江机电职业 技术学院 地址 310053 浙江省杭州市滨江区滨 文路 528号 (72)发明人 李芹　王利军　韩超　焦庆春　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 郑芳 (51)Int.Cl. G06F 1/329(2019.01) G06F 9/48(2006.01) G06F 9/50(2006.01) G06N 3/04(2006.01) H04L 67/12(2022.01)G01D 21/02(2006.01) (54)发明名称 一种基于边云协同的无人机监控模块数据 自适应上传方法 (57)摘要 本发明涉及一种基于边云协同的无人机监 控模块数据自适应上传方法， 该方法主要由监控 模块端数据上传周 期自适应调整流程(简称 “模 块流程”)与云平台端数据上传周期自适应调整 流程(简称 “云端流程”)两部分组成； 其中模块流 程包括周期性检测无人机状态数据并保存、 空间 位置预测值与实测值误差计算、 判断是否需要调 整上传周期并完成数据上传、 回传历史数据中断 操作四个步骤， 云端流程包括无人机数据接收并 存储、 空间位置预测值与实测值误差计算、 审核 监控模块对 上传周期的调整是否合理三个步骤。 本发明既有效降低了无人机监控模块的功耗， 又 确保无人机飞行轨迹的重要数据不会遗漏漏传， 具有很好的推广性。 权利要求书3页 说明书9页 附图3页 CN 114942688 A 2022.08.26 CN 114942688 A 1.一种基于边云协同的无 人机监控 模块数据自适应上传方法， 其特 征在于： 所述方法包括模块流程、 云端流程以及两者之间的数据交互； 所述模块流程为监控模 块端数据上传周期自适应调整流程， 云端流程为云平台端数据上传周期自适应调整流程； 模块流程向云端流 程上传无 人机状态数据、 云端流 程向模块 流程下发上传周期调整命令； 模块流程的处理步骤包括： (1)周期性检测无 人机状态数据并保存； (2)空间位置预测值与实测值 误差计算； (3)判断是否需要调整上传周期并完成数据上传； (4)回传历史数据中断操作； 云端流程的处理步骤包括： (1)无人机数据接收并存 储； (2)空间位置预测值与实测值 误差计算； (3)审核监控 模块对上传周期的调整是否合理。 2.根据权利要求1所述基于边云协同的无人机监控模块数据自适应上传方法， 其特征 在于模块 流程的处理步骤(1)具体为： 监控模块内的单片机以固定频率采集GPS模块、 气压模块， 检测到的包括无人机经度、 纬度、 高度在内的实时参数， 并同时读取时钟芯片或定时器之内的当时时间值， 最 终存储在 监控模块内部的存 储模块。 3.根据权利要求2所述基于边云协同的无人机监控模块数据自适应上传方法， 其特征 在于模块 流程的处理步骤(2)具体为： 取离当前时刻最近的前三 次上传的经度、 纬度、 高度数据以及每次上传的时间值， 计算 得到无人机空间位置的预测 值， 然后计算当前空间位置实测值与预测值之间的误差， 为后 续步骤提供 是否需要调整上传周期的依据； 假设距离当前时刻最近的前面第 三次向云平台上传数据的时间点为 时间零点， 并假设 当时的空间坐标值为(X0,Y0,Z0)， 那么前面第二次、 前面第一次 的空间坐标分别为(Xt1,Yt1, Zt1)、 (Xt2,Yt2,Zt2)， 其中t1、 t2分别为前面第二次、 前面第一次与前面第三次之间 的时间差 值， 且该时间差值为通过单片机内时间芯片或定时器计算而来； 然后假设当前空间位置的 实测值坐标为(Xt3,Yt3,Zt3)， 同样t3表示当前时刻与前面第三次之间的时间差值； 采用二次多项式且经度纬度高度分别预测的形式， 使用前三 次空间坐标值预测当前空 间坐标值(X ’t3,Y’t3,Z’t3)， 如下列公式所示： X＝X0+AX*t+BX*t2 Y＝Y0+AY*t+BY*t2 Z＝Z0+AZ*t+BZ*t2 上式中， AX和BX是针对经度预测所需要求解的二次多项式系数， 利用(Xt1,t1)、 (Xt2,t2) 两组数据， 单片机计算得到AX和BX两个系数， 进而将t3值带入公式， 即可得到预测的经度值 X’t3； 同样的， 上式中针对纬度预测的二次多项式系数AY和BY， 和针对高度预测的二次多项 式系数AZ和BZ， 也能同理求 解得到， 并最终计算得到纬度预测值Y ’t3和高度预测值Z ’t3； 然后， 按照下列公式计算当前空间坐标实测值与预测值之间的空间距离 差：权　利　要　求　书 1/3 页 2 CN 114942688 A 2其中，△s表示当前空间坐标实测值与预测值之间的空间距离 差。 4.根据权利要求3所述基于边云协同的无人机监控模块数据自适应上传方法， 其特征 在于模块 流程的处理步骤(3)具体为： 判断是否需要调整上传周期时， 使用步骤(2)中计算的当前空间坐标实测值与预测值 之间的△s值， 按照如下规则调整数据上传周期： 若△s小于3米， 则上传周期加1秒； 若△s在3米到10米之间， 则上传周期保持不变； 若△s在10米到20米之间， 则上传周期减1秒； 若△s大于20米， 则将上传周期重 置至每秒1次； 上传周期调 整完毕以后， 将当前时刻的空间位置坐标实测值和调整后的最新上传周期 发送给云平台， 上传的数据帧格式如下： [上传时刻， 经度， 纬度， 高度， 最 新的数据上传周期]。 5.根据权利要求4所述基于边云协同的无人机监控模块数据自适应上传方法， 其特征 在于模块 流程的处理步骤(4)具体为： 该步骤为监控模块单片机中断流程， 即单片机平时运行过程中， 该步骤不会被执行； 但 当云平台下发相关命令时， 前三步骤， 无论是否已经执行完， 都必须立刻停止， 转而执行步 骤(4)， 执行完以后再继续原步骤任务； 当接受到历史数据回传命令时， 单片机调取并上传 当前时刻至上一上传时刻之 间存储在单片 机内部的所有无人机状态参数， 作为云平台重新 计算上传周期的输入参数的其中一部分。 6.根据权利要求5所述基于边云协同的无人机监控模块数据自适应上传方法， 其特征 在于云端流 程的处理步骤(1)具体为： 云平台系统将为每架无 人机创建一专用线程， 用以接受该 无人机的上传数据。 7.根据权利要求6所述基于边云协同的无人机监控模块数据自适应上传方法， 其特征 在于云端流 程的处理步骤(2)具体为： 云平台使用LSTM算法对无人机轨迹进行预测； LSTM模型的训练数据 为存在云平台的不 同无人机、 以及不同时间的历史飞行轨迹； LSTM模型训练完成之后， 输入参数为当前无人机 当前飞行轨迹下上传的部分历史空间位置坐标值， 输出参数为该无人机当前空间位置的预 测值； LSTM预测的具体过程如下： 训练数据集 为历史各 条飞行轨 迹H＝(h1， h2， ...， hI)， hi表示第i条完整的无人机轨迹的位置信息 序列， I为总的轨迹序列条数， m为该条轨迹序列中的第m个航迹点； t， X， Y， Z分别是无人机在 t时刻的4项特 征： 时间戳、 经度、 纬度、 高度； 然后， 采用Mi n‑Max方法进将上述数据集进行归一 化处理行归一 化， 如下公式所示： 上式中， hmax是该条轨迹历史数据集中的最大值， hmin是该条轨迹历史数据集中的最小 值， h′为该条轨迹归一化之后的数据；权　利　要　求　书 2/3 页 3 CN 114942688 A 3