本发明涉及无人机控制，具体是一种用于控制无人机的方法、设备及计算机可读存储介质。
背景技术：
1、在传统的边缘计算网络中，边缘服务器的固定位置和有限的服务覆盖范围限制了它们只能为本地用户提供服务的能力。这一局限性在紧急救援和无人区域监控等关键场景中尤为明显，这些场景需要更广泛且更灵活的服务覆盖范围。为了解决上述问题，无人机支持的移动边缘计算系统应运而生。在无人机支持的移动边缘计算系统中，带有服务器的无人机可以迅速部署，以满足缺乏地面基础设施或地面基础设施过载区域的移动用户的资源需求。
2、现有的无人机支持的移动边缘计算系统中，任务卸载方法主要聚焦于延迟最小化、节省能源、降低系统成本以及提高吞吐量。这些方法基于先到先服务的原则，无法充分满足实际场景中多样化的服务质量要求。这一局限性在以用户为中心的无人机通信系统中尤为突出，因为这些系统中任务的延迟容忍度可能存在显著差异。例如，如果高优先级的任务（如导航任务）无法满足延迟阈值，可能会产生严重后果，而娱乐相关的任务则有更大的容忍度。可见，无人机支持的移动边缘计算系统中的对无人机的控制方式，在对无人机上的任务进行卸载时，存在无法满足多样化任务需求的问题，也无法根据任务的紧迫性进行优先级排序，确保高优先级任务得到及时处理，同时保持整体系统效率。
技术实现思路
1、本发明的目的在于提出一种用于控制无人机的方法、设备及计算机可读存储介质，以解决上述对无人机上的任务进行卸载时，无法满足多样化任务需求的问题。
2、为了实现上述目的，本发明具体采用的技术方案如下：
3、一种用于控制无人机的方法，包括如下步骤：
4、s1、获取无人机的系统效用计算模型，该系统效用计算模型为：
5、 ； ；
6、该系统效用计算模型的目标是最大化所有移动用户在所有时间段内的平均系统效用；其中：n为时隙的总数量，k 表示移动用户的数量。表示第k个用户在第n个时间段内的任务效用。表示高优先级任务，表示低优先级任务，表示高优先级任务的效用，表示低优先级任务的效用；是指示函数，当任务为高优先级任务时，=1，=0；当任务为低优先级任务时，=0，=1。
7、s2、根据无人机轨迹、计算能力、任务延迟，获取第一约束条件、第二约束条件、第三约束条件和第四约束条件；其中，第一约束条件为无人机轨迹的约束，包括水平角度、速度、空间内的运动；第二约束条件为计算能力的约束；第三约束条件为卸载比例的约束，卸载比例需要在0-1之间；第四约束条件为用户关联约束，完成任务后无人机需要和用户建立通信，以及确保关联状态的可行性；
8、s3、根据所述第一约束条件、第二约束条件、第三约束条件和第四约束条件，以所述平均系统效用计算模型的输出量最大为目标，分别对所述无人机的飞行轨迹、任务卸载比、计算能力分配和移动用户关联进行优化，得到最优的无人机控制策略；
9、s4、采用所述最优的无人机控制策略对无人机进行控制。
10、根据本发明的一个实施例，根据任务完成所需总时间和最大延迟阈值作比较得到高优先级任务的效用，并且所采用的计算公式为：
11、
12、其中，表示最大允许延迟阈值，在第l架无人机上完成任务所需的总时间，代表一个负常数，表示一个指示函数，当x为真时，，当x为假时，。
13、根据本发明的另一个实施例，根据任务完成所需总时间和最大延迟阈值作比较得到低优先级任务的效用，并且所采用的计算公式为：
14、
15、其中，表示最大允许延迟阈值，在第l架无人机上完成任务所需的总时间，是一个指数衰减函数，是一个正常数，代表在最大延迟阈值内完成任务所获得的奖励， 为指数衰减因子。
16、根据本发明的一个实施例，根据所述第一约束条件对所述无人机的飞行轨迹进行优化包括：
17、固定无人机的任务卸载比、计算能力分配和移动用户关联；
18、在所述第一约束条件下，对所述无人机的飞行轨迹进行调整，以得到所述平均系统效用计算模型的输出量最大时无人机的飞行轨迹，并将该飞行轨迹作为无人机的最优飞行轨迹。
19、根据本发明的另一个实施例，根据所述第二约束条件对所述无人机的任务卸载比进行优化包括：
20、固定无人机的飞行轨迹、计算能力分配和移动用户关联；
21、在所述第二约束条件下，对所述无人机的任务卸载比进行调整，以得到所述平均系统效用计算模型的输出量最大时无人机的任务卸载比，并将该任务卸载比作为无人机的最优任务卸载比。
22、根据本发明的又一个实施例，根据所述第三约束条件对所述无人机的计算能力分配进行优化包括：
23、固定无人机的飞行轨迹、任务卸载比和移动用户关联；
24、在所述第三约束条件下，对所述无人机的计算能力分配比进行调整，以得到所述平均系统效用计算模型的输出量最大时无人机的计算能力分配，并将该计算能力分配比作为无人机的最优计算能力分配。
25、根据本发明的另一个实施例，根据所述第四约束条件对所述移动用户关联进行优化包括：
26、固定无人机的飞行轨迹、计算能力分配和计算能力分配；
27、在所述第四约束条件下，对所述移动用户关联进行调整，以得到所述平均系统效用计算模型的输出量最大时的移动用户关联，并将该移动用户关联作为最优移动用户关联。
28、第二方面，本发明还提供了一种用于控制无人机的设备，包括存储器和处理器，所述处理器用于执行存储于所述存储器的计算机程序，以实现如上述任意一项实施例中的用于控制无人机的方法。
29、第三方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被执行时实现如上述任意一项实施例中的用于控制无人机的方法。
30、本发明具有以下的特点和有益效果：
31、本发明所提供的技术方案，在得到无人机的平均系统效用计算模型后，以该平均系统效用计算模型的输出最大为目标，对无人机的飞行轨迹、任务卸载比、计算能力分配和移动用户关联进行优化，得到最优的无人机控制策略。由于本申请的技术方案以无人机的飞行轨迹、任务卸载比、计算能力分配和移动用户关联进行优化为约束，通过对多个耦合变量的联合优化，从而提高无人机的平均系统效用，因此与现有技术相比，能够提高无人机卸载任务时的平均系统效用。
1.一种用于控制无人机的方法，其特征在于，包括：
2.如权利要求1所述的一种用于控制无人机的方法，其特征在于，所述无人机的系统效用计算模型为：
3.如权利要求2所述的一种用于控制无人机的方法，其特征在于，所述高优先级任务的效用的计算公式为：
4.如权利要求2所述的一种用于控制无人机的方法，其特征在于，所述低优先级任务的效用的计算公式为：；
5.如权利要求1所述的一种用于控制无人机的方法，其特征在于，所述步骤s3中，根据所述第一约束条件对所述无人机的飞行轨迹进行优化包括：
6.如权利要求1所述的一种用于控制无人机的方法，其特征在于，所述步骤s3中，根据所述第二约束条件对所述无人机的任务卸载比进行优化包括：
7.如权利要求1所述的一种用于控制无人机的方法，其特征在于，所述步骤s3中，根据所述第三约束条件对所述无人机的计算能力分配进行优化包括：
8.如权利要求1所述的一种用于控制无人机的方法，其特征在于，所述步骤s3中，根据所述第四约束条件对所述移动用户关联进行优化包括：
9.一种用于控制无人机的设备，其特征在于：包括
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的用于控制无人机的方法。
