云计算济南大学张庆科
人脸识别技术在智慧校园中的应用
校园一卡通作为师生身份验证的有效证件和就餐、购物、 乘车的支付工具，便捷了广大师生。为了让支付更为多样性， 我校已实现部分餐厅、班车刷卡机的聚合支付功能，不但可以 刷卡支付，也可以扫码、刷脸支付。人脸识别作为一项备选支 付手段，首先在教职工群体推广开来。
Key words: smart campus; face recognition; application scenario; feature recognition
随着高校信息化建设的不断发展，生物识别技术应运而 生，生物特征数据可以将服务对象转移到个人身上，通过对个 人特征数据例如指纹、虹膜、声纹、人脸等内容的采集和识别， 实现完全针对个人的人性化加密手段[1]。其中，人脸识别的应 用更加推动了高校从数字校园到智慧校园的进步。国内部分 高校的信息化部门已悄然开启了校园数据治理工作，人脸数据 作为高校数据资产中的一部分，应该得到重视和应用。人脸识 别算法从早期的几何特征算法到现在基于深度学习的算法，识 别率几乎接近百分之百。同时，以人脸识别为主要业务的商 汤、旷视等科技公司，已经上市相关成熟产品，并广受各行业消 费企业欢迎。2020 年新冠疫情的突然到来，无接触式的人脸识 别应用顺势在我校得到推广，人脸识别技术在高校智慧校园中 的 应 用 势 在 必 行 ，同 时 在 应 用 过 程 中 暴 露 出 的 问 题 也 亟 需 解决。
4）非侵扰性：人脸识别无须干扰人们的正常行为就能较好 达到识别效果，无须担忧被识别者是否愿意将手放在指纹采集 设备上，他们的眼睛是否能够对准虹膜扫描装置等等。只需在 摄像机前自然地停留片刻，用户的身份就会被正确识别[3]；
5）并发性：在无感知人脸采集设备中，可以并发批量识别 并采集流动人员的人脸信息。这对于非结构化数据来说，这更 像一种“半结构化数据”。在大数据时代，让数据挖掘和知识发 现变得不再困难。
泉城里的“超算大脑”
泉城里的“超算大脑”作者：一卓来源：《走向世界》2022年第49期能夠为“中国天眼”助力，得益于山东在算力领域的超前布局。
早在2011年10月27日，济南超算就正式挂牌。
济南超算作为科技部批准成立的千万亿次国家超级计算中心之一，被公认为“超算界下一顶皇冠”，对培育产业新动能，推动科技与经济发展深度融合，赋能“十大千亿级产业”快速发展具有不可忽视的作用。
走进济南超算科技展厅，中国超级计算机的发展历史鲜活地呈现在人们眼前。
展厅围绕“超级计算智创未来”的主题，涵盖“走进超算”“赋能产业”“核心人才”“成果转化”等核心展区，全面呈现超级计算产业化及省市新旧动能转换的辉煌成就。
济南超算的前身是山东省计算中心，成立于1976年，是山东最早的信息技术领域技术研究和服务的公益性科研单位。
早年间，计算中心陆续引进了TQ-16、IBM-4341等大型计算机，并建设了高性能计算平台，为山东省乃至全国的科学研究和经济社会发展提供了重要的科学计算和工程计算支撑。
2011年，济南超算建成国内首台完全采用自主CPU构建的千万亿次超级计算机“神威·蓝光”，标志着中国成为继美国、日本后第三个能够采用自主处理器构建千万亿次超级计算机系统的国家；2018年，神威E级原型系统顺利通过课题验收，在济南超算正式启用，为中国下一代超级计算机的研制扫清了技术障碍，整体研制指标国际领先；2021年8月，建设完成“山河”超级计算平台，综合算力处于国际前列，并在德国汉堡举行的“ISC 2022高性能计算大会”上登顶最新一期IO500榜单。
今年7月，全国首个“超算互联网”工程正式在济南超算上线启用；“神威·蓝光Ⅱ”超级计算机问世，计算能力比“神威·蓝光”提升14倍。
目前，济南超算已实现超级计算领域核心技术完全自主可控，成为持续服务国家重大科技创新和区域经济发展的算力引擎。
济南超算不仅是一个承载着国家重要科学计算和工程计算的支撑平台，同时也是一个面向大众的“科技窗口”。
极课大数据助力基础教育减负增效
生 学 习 的动 态 过 程 ， 学业评价更加科学 、 精准 ， 发 挥 考 试 的
诊 断 与激 励功 能 。 再次， 教师 出题 、 出卷更 简 洁 ， 题 目质量 更 高 。 目前 ， 极 课大 数 据 已经和 江 苏 凤 凰 教 育 出版 社 、 学大 系
统 以及 学 科 网的 题库 进 行 对 接 ，校 本 题 库 、试 卷 库 自然 建 成， 从而 方 便 教师 进 行 学 科 题 目的采 摘 ， 让 教师 出卷 不 再 变 得 困难 ， 出卷 质量 大 大 提 高 。对 学 生 而 言 ， 极课 系 统 可 以将 学 生每 次 的 作 业和 考 试 情 况 的数 据 长 期 储 存 ，学 生 可 以查 看相 应 知 识 点 的 掌握 情 况 ，也 可 以将 自己 的 学 习情 况 和 班 级 的整 体 水 平进 行 比较 ， 及 时发 现 自己的不 足 ； 利 于 学 生 及 时调 整 自己 的学 习策 略 和学 习状态 。学生 错题 本 自动 形 成 ， 错 题 题 干 一键 导 出打 印 。学 生 在 学 校做 的作 业 、 考 试错 题 ， 都可 以在 网 上查 到 ， 帮 助 学生 减 少 整 理 与抄 错 题 的 时 间 ， 帮 助 学 生进 行 知 识 管理 。学 生个 性 化 作业 精准 推 送 ， 学生对 自 己知 识 点 的薄 弱 环 节进 行专 项 训练 ， 无 需 再 盲 目做 题 ， 学 生 学 习耗 时 更 少 ， 效 率 更 高 。对 家 长而 言 ， 可 以通 过 基 于微 信
一
、
什 么 是极 课大 数据
极课 大 数 据 是 一套 专 注 于 基 础 教 育 阶段 的信 息化 教 学 系 统， 侧重于基础教育学业采集与学情追踪反馈 ， 为教师、 学 生 、家 长解 决 教 与 学 过程 中面 临 的 效率 与 质 量 双 低 的 问 题 。通过 极 课 独有 的“ Ｉ Ｐ Ｈ适 应 性 教学 模 型 ” 和“ 集 中式 动 态
大学英语教学中微课、慕课和翻转课堂的可行性探析——以济南大学为例
2018年42期总第430期ENGLISH ON CAMPUS大学英语教学中微课、慕课和翻转课堂的可行性探析——以济南大学为例文/张丹丹一、引言信息技术对教育领域的冲击和影响日益明显，引发了人们对于传统教学模式及教学效果的质疑和反思。
在信息时代的大背景下，慕课、微课、翻转课堂是由互联网催生的“教育新宠”，校园“三课” ——课堂、课程、课本将实现“网络变身”，课本变身为网络资源，课程变身为慕课，校园教室变身为翻转课堂，再进一步，就是学校教育变身为“互联网+教育”(周雨青，2016)。
二、基本概念界定MOOC是Massive Open Online Course的缩写，即大规模的在线开放课程。
慕课是一种在线的教育模式，其对网络用户开放的门槛较低，用户可以免费注册使用。
慕课的每门课程会定期开课，用户根据自己的水平选择适合自己的慕课资源，注册开课后除了要观看相应的视频教学外，还需要通过网络参与讨论、提交作业、提出问题和阶段性的考试，这种学习模式类似于线下课程的作业评估和考核要求。
微课是按照新课程标准和教学实践要求，以教学视频为主要【摘要】网络信息化时代，高科技教学模式掀起了教育领域对于传统教学模式的深刻反思。
以微课、慕课和翻转课堂为代表的新型教学模式推动了各个学科领域的教学改革。
本文选取济南大学不同专业的学生为研究对象，充分利用慕课和微课的资源优势实行对传统课堂的翻转，探讨这种新型教育模式在大学英语教学中的可行性。
【关键词】微课；慕课；翻转课堂；可行性【作者简介】张丹丹(1974-)，女，山东威海人，济南大学外国语学院，讲师，研究方向：美国文学。
【基金项目】该文是济南大学教学研究项目“大学英语教学中微课和慕课的资源建设和翻转课堂的实践分析—以济南大学为例”(J1509)的阶段性成果。
用学术英语课程的学生中随机抽取开设第二轮教学实践。
3.项目实施的结果。
一是长沙理工大学通过两轮的教学实践发现，通过开设通用学术英语课程，学生的专业学习能力有所提高。
面向多无人机协同飞行控制的云系统架构
第４３卷 第１２期２０２０年１２月计 算 机 学 报ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＶｏｌ．４３Ｎｏ．１２Ｄｅｃ．２０２０收稿日期：２０１９ ０６ １７；在线发布日期：２０２０ ０１ １８．本课题得到国家重点研发计划（２０１７ＹＦＢ１００１９０１）资助．史殿习，博士，研究员，中国计算机学会（ＣＣＦ）会员，主要研究领域为人工智能、分布式计算、云计算及大数据处理等．Ｅ ｍａｉｌ：ｄｘｓｈｉ＠ｎｕｄｔ．ｅｄｕ．ｃｎ．洪 臣，硕士，主要研究方向为人工智能、分布式计算及云计算等．康 颖（通信作者），博士，助理研究员，主要研究方向为人工智能、数据挖掘、社区发现等．Ｅ ｍａｉｌ：ｋａｎｇｙｉｎｇ＿８４１２１８＠ｓｉｎａ．ｃｏｍ．金松昌，博士，助理研究员，主要研究方向为人工智能、数据挖掘、社区发现等．张拥军，博士，研究员，主要研究领域为高性能计算、分布式应用系统等．杨 东，学士，主要研究方向为有线通信、信息安全防护等．面向多无人机协同飞行控制的云系统架构史殿习１），２），３） 洪 臣４） 康 颖２），３），５） 金松昌２），３） 张拥军２） 杨 东５）１）（国防科技大学计算机学院 长沙 ４１００７３）２）（军事科学院国防科技创新研究院 北京 １００１６６）３）（天津（滨海）人工智能创新中心 天津 ３００４５７）４）（中国人民解放军６１９３２部队 北京 １０００７１）５）（中国人民解放军３１４０１部队 长春 １３００２２）摘 要 有限的载荷使得无人机难以承载过多的仪器设备，其极大地限制了无人机上资源的交互、共享以及无人机遂行任务多样性的能力．多无人机智能协同成为ＡＩ领域发展的主流方向，但已有的多无人机系统存在通信距离受限、数据资源分离等问题，且因网络连接的不稳定性及数据传输的延迟性，多无人机间难以实现有效的协同控制．本文提出了一种面向多无人机协同飞行控制的云系统架构ＵＡＶ３ＣＡ．ＵＡＶ３ＣＡ在云端为多无人机构建了一个“远程大脑”，通过ＰａａＳ抽象封装无人机及其上资源，可实现多无人机间信息数据的实时共享，并基于云端强大的存储和计算能力完成多无人机的统一规划及协同飞行控制．实验从单无人机制导和多无人机协同两个方面，对ＵＡＶ３ＣＡ在网络通信的稳定性、数据传输的实时性和协同控制的有效性等方面的性能给予了验证，最终以完美的编队队形呈现出ＵＡＶ３ＣＡ协同控制方式的灵活多样性．关键词 多无人机；云系统架构；协同飞行控制；实时共享中图法分类号ＴＰ３９３ 犇犗犐号１０．１１８９７／ＳＰ．Ｊ．１０１６．２０２０．０２３５２犆犾狅狌犱 犅犪狊犲犱犆狅狀狋狉狅犾犛狔狊狋犲犿犃狉犮犺犻狋犲犮狋狌狉犲犳狅狉犕狌犾狋犻 犝犃犞狊犆狅狅狆犲狉犪狋犻狏犲犉犾犻犵犺狋ＳＨＩＤｉａｎ Ｘｉ１），２），３） ＨＯＮＧＣｈｅｎ４） ＫＡＮＧＹｉｎｇ２），３），５） ＪＩＮＳｏｎｇ Ｃｈａｎｇ２），３）ＺＨＡＮＧＹｏｎｇ Ｊｕｎ２） ＹＡＮＧＤｏｎｇ５）１）（犛犮犺狅狅犾狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲，犖犪狋犻狅狀犪犾犝狀犻狏犲狉狊犻狋狔狅犳犇犲犳犲狀狊犲犜犲犮犺狀狅犾狅犵狔，犆犺犪狀犵狊犺犪 ４１００７３）２）（犖犪狋犻狅狀犪犾犐狀狀狅狏犪狋犻狅狀犐狀狊狋犻狋狌狋犲狅犳犇犲犳犲狀狊犲犜犲犮犺狀狅犾狅犵狔，犃犮犪犱犲犿狔狅犳犕犻犾犻狋犪狉狔犛犮犻犲狀犮犲狊，犅犲犻犼犻狀犵 １００１６６）３）（犜犻犪狀犼犻狀犃狉狋犻犳犻犮犻犪犾犐狀狋犲犾犾犻犵犲狀犮犲犐狀狀狅狏犪狋犻狅狀犆犲狀狋犲狉，犜犻犪狀犼犻狀 ３００４５７）４）（犘犲狅狆犾犲’狊犔犻犫犲狉犪狋犻狅狀犃狉犿狔狅犳犆犺犻狀犪犖狅．６１９３２，犅犲犻犼犻狀犵 １０００７１）５）（犘犲狅狆犾犲’狊犔犻犫犲狉犪狋犻狅狀犃狉犿狔狅犳犆犺犻狀犪犖狅．３１４０１，犆犺犪狀犵犮犺狌狀 １３００２２）犃犫狊狋狉犪犮狋 Ｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅ（ＵＡＶ），ａｓａｐｒｉｏｒｂｒａｎｃｈｏｆｉｎｔｅｌｌｉｇｅｎｔｕｎｍａｎｎｅｄｓｙｓｔｅｍ，ｈａｓａｔｔｒａｃｔｅｄａｗｉｄｅｒａｎｇｅｏｆｉｎｔｅｒｅｓｔｆｒｏｍｄｉｆｆｅｒｅｎｔｋｉｎｄｓｏｆａｐｐｌｉｃａｔｉｏｎｄｏｍａｉｎｓ，ｉｎｃｌｕｄｉｎｇｒｅａｌ ｔｉｍｅｍｏｎｉｔｏｒｉｎｇ，ｐｒｏｖｉｄｉｎｇｗｉｒｅｌｅｓｓｃｏｖｅｒａｇｅ，ｒｅｍｏｔｅｓｅｎｓｉｎｇ，ｓｅａｒｃｈａｎｄｒｅｓｃｕｅ，ｄｅｌｉｖｅｒｙｏｆｇｏｏｄｓ，ｓｅｃｕｒｉｔｙａｎｄｓｕｒｖｅｉｌｌａｎｃｅ，ｐｒｅｃｉｓｉｏｎａｇｒｉｃｕｌｔｕｒｅ，ａｎｄｃｉｖｉｌｉｎｆｒａｓｔｒｕｃｔｕｒｅｉｎｓｐｅｃｔｉｏｎｅｔｃ．Ｈｏｗｅｖｅｒ，ｔｈｅｒｅａｒｅｓｅｖｅｒａｌｎｅｗｃｈａｌｌｅｎｇｅｓａｒｉｓｉｎｇｆｒｏｍｍｏｒｅａｎｄｍｏｒｅｃｏｍｐｌｅｘａｐｐｌｉｃａｔｉｏｎｅｎｖｉｒｏｎｍｅｎｔｓａｎｄｓｃｅｎｅｓ，ｗｈｉｃｈｓｅｔｔｉｎｇａｈｉｇｈｅｒｄｅｍａｎｄｆｏｒｔｈｅｅｘｔｅｎｓｉｂｌｅｃａｐａｃｉｔｙｏｆＵＡＶ，ｅｓｐｅｃｉａｌｌｙｆｏｒｓｏｍｅｐｒｏｐｅｒｔｉｅｓｏｆＵＡＶｓｕｃｈａｓｓｍａｌｌｓｉｚｅ，ｌｉｇｈｔｗｅｉｇｈｔ，ｅｎｄｕｒｉｎｇｅｎｅｒｇｙ，ｐｒｏｃｅｓｓｉｎｇｃａｐａｂｉｌｉｔｙ，ｓｉｇｎａｌｔｒａｎｓｍｉｓｓｉｏｎｒａｎｇｅａｎｄｓｏｏｎ．ＴｈｅｌｉｍｉｔｅｄｐｒｏｃｅｓｓｉｎｇｐｏｗｅｒａｎｄｐａｙｌｏａｄｏｆＵＡＶａｒｅｔｈｅｍｏｓｔｃｈａｌｌｅｎｇｉｎｇｉｓｓｕｅｓ，ｗｈｉｃｈｒｅｓｔｒａｉｎｔｈｅｏｎ ｂｏａｒｄｒｅｑｕｉｒｅｍｅｎｔｓｌｉｋｅｓｅｎｓｏｒｗｅｉｇｈｔ，ｓｉｚｅａｎｄｒｅｑｕｉｒｅｄｐｏｗｅｒ．Ａｓａｒｅｓｕｌｔ，ｉｔｉｓｄｉｆｆｉｃｕｌｔｆｏｒＵＡＶｔｏｃａｒｒｙｏｎｐｌｅｎｔｙｏｆｉｎｓｔｒｕｍｅｎｔｓａｎｄｅｑｕｉｐｍｅｎｔｓａｎｄｈａｒｄｗｉｒｅｐｒｏｃｅｓｓｏｒｓ，ｗｈｉｃｈｉｍｐｏｓｅｓｄｒａｍａｔｉｃａｌｒｅｓｔｒｉｃｔｉｏｎｓｏｎｔｈｅｅｘｃｈａｎｇｅａｎｄｓｈａｒｅｏｆｒｅｓｏｕｒｃｅｓｂｅｔｗｅｅｎＵＡＶ，ａｎｄｏｎｔｈｅｃａｐａｂｉｌｉｔｙｏｆＵＡＶｔｏｅｘｅｃｕｔｅｄｉｖｅｒｓｅｔａｓｋｓｌｉｋｅｔｒａｃｋｉｎｇｍｕｌｔｉｐｌｅｏｂｊｅｃｔｓ，ｅｘｐｌｏｒａｔｉｏｎｏｆｃｏｍｐｌｅｘｔｅｒｒａｉｎａｎｄｓｏｏｎ．Ｔｏａｄｄｒｅｓｓｔｈｅｐｒｏｂｌｅｍｓｍｅｎｔｉｏｎｅｄａｂｏｖｅ，ｍａｎｙｓｏｌｕｔｉｏｎｓｈａｖｅｂｅｅｎｐｒｏｍｏｔｅｄ，ｏｆｗｈｉｃｈｏｎｅｍａｉｎｓｔｒｅａｍｏｎＡＩｄｅｖｅｌｏｐｍｅｎｔｉｓｔｏｍａｋｅｍｕｌｔｉ ＵＡＶｓｆｌｙｉｎｇｉｎｓｏｍｅｆｏｒｍａｔｉｏｎａｎｄｃｏｍｐｌｅｔｉｎｇｊｏｂｓｉｎｔｈｅｆｏｒｍｏｆｉｎｔｅｌｌｉｇｅｎｔｃｏｏｐｅｒａｔｉｏｎ，ｗｈｉｌｅｂｒｅａｋｉｎｇｔｈｒｏｕｇｈｔｈｅｉｎｔｒｉｎｓｉｃｌｉｍｉｔａｔｉｏｎｓｏｆｉｎｄｉｖｉｄｕａｌＵＡＶｉｎｐａｙｌｏａｄ，ｅｎｄｕｒｉｎｇｅｎｅｒｇｙ，ｃｏｍｐｕｔｉｎｇａｎｄｍｅｍｏｒｙｐｏｗｅｒ．Ｈｏｗｅｖｅｒ，ｔｈｅｅｘｉｓｔｅｄｓｙｓｔｅｍｓｏｆｍｕｌｔｉ ＵＡＶｓｌａｃｋｏｆｃｏｌｌａｂｏｒａｔｉｏｎｈａｖｅｂｅｅｎｆａｃｅｄｕｐｗｉｔｈｓｕｃｈｐｒｏｂｌｅｍｓａｓｔｈｅｃｏｎｆｉｎｅｄｄｉｓｔａｎｃｅｏｆｗｉｒｅｌｅｓｓｃｏｍｍｕｎｉｃａｔｉｏｎａｎｄｓｅｐａｒａｔｉｏｎｏｆｋｉｎｄｓｏｆｄａｔａｓｏｕｒｃｅｓ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｃｏｏｐｅｒａｔｉｖｅｃｏｎｔｒｏｌｏｎｍｕｌｔｉ ＵＡＶｓｉｓｈａｒｄｔｏｒｅａｌｉｚｅｂｅｃａｕｓｅｏｆｔｈｅｉｎｓｔａｂｉｌｉｔｙｏｆｎｅｔｗｏｒｋｃｏｎｎｅｃｔｉｏｎａｓｗｅｌｌａｓｔｈｅｌａｔｅｎｃｙｏｆｄａｔａｔｒａｎｓｍｉｓｓｉｏｎ．Ｉｎｌｉｇｈｔｏｆｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｓｙｎｅｒｇｙｏｆｍｕｌｔｉ ＵＡＶｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｃｌｏｕｄ ｂａｓｅｄｃｏｎｔｒｏｌｓｙｓｔｅｍａｒｃｈｉｔｅｃｔｕｒｅｆｏｒｍｕｌｔｉ ＵＡＶｓｃｏｏｐｅｒａｔｉｖｅｆｌｉｇｈｔ（ｓｈｏｒｔｆｏｒＵＡＶ３ＣＡ）．ＴｈｅｍａｉｎｉｄｅａｏｆＵＡＶ３ＣＡｉｓｔｏｃｏｎｆｉｇｕｒａｔｅａ“ｒｅｍｏｔｅｂｒａｉｎ”ｆｏｒｍｕｌｔｉ ＵＡＶｓｂａｓｅｄｏｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｃｌｏｕｄ，ｅｑｕａｌｌｙｍｅａｎｉｎｇｔｈａｔｂｙｖｉｒｔｕｅｏｆｔｈｅａｂｓｔｒａｃｔｉｏｎａｎｄｅｎｃａｐｓｕｌａｔｉｏｎｏｆｔｈｅｒｅｓｏｕｒｃｅｓｆｒｏｍＵＡＶｓｏｒｏｎｂｏａｒｄｏｆＵＡＶｓｂａｓｅｄｏｎＰａａＳ（ｐｌａｔｆｏｒｍａｓａｓｅｒｖｉｃｅ），ｔｈｅｉｎｆｏｒｍａｔｉｏｎａｎｄｄａｔａａｍｏｎｇｍｕｌｔｉ ＵＡＶｓａｒｅａｂｌｅｔｏｓｈａｒｅｉｎｒｅａｌｔｉｍｅ．Ｆｏｒａｎｏｔｈｅｒｔｈｉｎｇ，ｔｈｅｐｏｗｅｒｆｕｌｓｔｏｒａｇｅａｎｄｃｏｍｐｕｔｉｎｇａｂｉｌｉｔｙｏｆｔｈｅｃｌｏｕｄｐｕｔｉｔｉｎｔｏｒｅａｌｉｔｙｔｈａｔｅｎａｂｌｉｎｇｔｈｅｍｕｌｔｉ ＵＡＶｓｔｏｐｌａｎｉｎａｕｎｉｆｉｅｄｍａｎｎｅｒａｎｄｃｏｎｔｒｏｌｌｉｎｇｔｈｅｃｏｏｐｅｒａｔｉｖｅｆｌｉｇｈｔｏｆｍｕｌｔｉ ＵＡＶｓ．Ａｂｕｎｄａｎｔｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｆｒｏｍｔｗｏｄｉｆｆｅｒｄｅｓｉｇｎｅｄａｓｐｅｃｔｓ，ｏｆｔｈａｔｏｎｅｆｏｒｓｉｎｇｌｅｔｏｎＵＡＶｇｕｉｄａｎｃｅａｎｄｔｈｅｏｔｈｅｒｆｏｒｍｕｌｔｉ ＵＡＶｓｃｏｏｐｅｒａｔｉｏｎ，ｄｅｍｏｎｓｔｒａｔｅｔｈｅｅｘｃｅｌｌｅｎｔｐｅｒｆｏｒｍａｎｃｅｓｏｆｔｈｅｐｒｅｓｅｎｔｅｄＵＡＶ３ＣＡ，ｗｈｉｃｈａｒｅｃｏｎｃｒｅｔｅｌｙｓｈｏｗｎａｓｔｈｅｎｅｔｗｏｒｋｃｏｍｍｕｎｉｃａｔｉｏｎｂｅｃｏｍｉｎｇｓｔａｂｌｅｗｉｔｈｏｕｔｉｎｔｅｒｒｕｐｔｉｏｎ，ｔｈｅｄａｔａｔｒａｎｓｍｉｓｓｉｏｎｒｅａｃｈｉｎｇｏｎｅａｎｏｔｈｅｒａｍｏｎｇｍｕｌｔｉ ＵＡＶｓｓｙｓｔｅｍｉｎｔｉｍｅ，ａｎｄａｃｈｉｅｖｉｎｇｔｈｅｖａｌｉｄｃｏｏｐｅｒａｔｉｖｅｃｏｎｔｒｏｌｏｎｍｕｌｔｉ ＵＡＶｓｂｙｍｅａｎｓｏｆｔｈｅｒｅｓｏｕｒｃｅｓｓｈａｒｅｄｏｎｃｌｏｕｄ．Ｉｎｔｈｅｅｎｄ，ｔｈｅｐｅｒｆｅｃｔｄｉｓｐｌａｙｏｆｆｏｒｍａｔｉｏｎｅｖｏｌｕｔｉｏｎｏｆｆｉｖｅｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅｓｉｎｔｈｅｖｉｒｔｕａｌｅｎｖｉｒｏｎｍｅｎｔｈａｓａｃｃｏｕｎｔｅｄｆｏｒｔｈｅｆｌｅｘｉｂｉｌｉｔｙａｎｄｍｕｌｔｉｆｏｒｍｉｔｙｏｆｃｏｏｐｅｒａｔｉｖｅｃｏｎｔｒｏｌｐａｔｔｅｒｎｓｏｆｍｕｌｔｉ ＵＡＶｓｂａｓｅｄｏｎｔｈｅｐｒｏｐｏｓｅｄＵＡＶ３ＣＡ．犓犲狔狑狅狉犱狊 ｍｕｌｔｉ ＵＡＶｓ；ｃｌｏｕｄ ｂａｓｅｄｓｙｓｔｅｍａｒｃｈｉｔｅｃｔｕｒｅ；ｃｏｏｐｅｒａｔｉｖｅｆｌｉｇｈｔｃｏｎｔｒｏｌ；ｒｅａｌ ｔｉｍｅｓｈａｒｉｎｇ１ 引 言智能无人系统是人工智能（ＡＩ）领域的重要应用之一，其按照适用场景的不同分为无人车、无人机、空间机器人、海洋机器人、无人工厂机器人等不同类别［１］，其中以无人机（ＵｎｍａｎｎｅｄＡｅｒｉａｌＶｅｈｉｃｌｅ，ＵＡＶ）的应用最为典型且广泛．作为一种新兴产业和最具发展前景的ＡＩ技术，无人机不仅潜移默化的改变着人们的生活模式，还将在未来的产业或商业乃至民用、军事领域引发一场革命性变革．无人机因其具有成本低、全天候、零伤亡等优势，不仅能够取代人完成简单的重复性劳动，如边境巡逻、精准农业、货物运送、道路交通实时监管等，还能够在复杂环境或危险场景中替代人完成特殊难度的任务，如遥测遥感、建筑与公共设施巡检、事故灾害现场勘测及救援等［２］．但随着应用需求的不断扩展，实时多变、纷繁复杂的任务场景对无人机提出了更多更高的要求和挑战．面对单无人机有效载荷低、数据信息整合能力有限等情形，多无人机集群化、协同化、智能化成为无人机技术发展的一种必然趋势．体积小，重量轻是无人机的优势，但同时制约着无人机自身有效的载荷能力，使之难以承载过多的仪器设备和硬件处理器．目前，已有的无人机操控系统主要是以无线局域网或ＷｉＦｉ作为传输媒介，通过遥控器或者软件ＡＰＰ建立端到端的连接并施加控制，其最大的局限性是通信距离受限、可操作性不强，且不支持多架无人机同时接入同一个操控端局．因此，如何突破上述瓶颈成为亟待解决的问题．扩展无人机的体积以增加其有效载荷及存储计算能力或许是一种方法．但如果将多架无人机组成一个集群，使之协同飞行并执行任务，其将具备单无人机无３５３２１２期史殿习等：面向多无人机协同飞行控制的云系统架构可比拟的优势．正如Ｈｕｍｂｏｌｄｔ等人［３］所言，利用有限的资源创造无限的价值（ｍａｋｅｉｎｆｉｎｉｔｅｕｓｅｏｆｆｉｎｉｔｅｍｅａｎｓ），大量低成本的无人机通过有机的组合，会产生群体智能效应，这将极大地推进无人机潜在的应用能力．多无人机协同技术的研究未来可用于多个领域，其控制系统架构具有广阔的应用前景，并将在国民经济中产生巨大的经济效益．无线网络的飞速发展和物联网（ＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＩｏＴ［４］）的广泛推崇，使得研究人员将云计算的概念引入无人机领域，形成“云＋无人机”的概念．追溯到２０世纪９０年代，东京大学Ｉｎａｂａ［５］提出了远程大脑的概念，即提议将机器人与计算机通过万维网连接———发展“网络机器人”．这一概念实现的典型案例是Ｇｏｌｄｂｅｒｇ等人［６］通过Ｉｎｔｅｒｎｅｔ浏览器远程控制网络中的机器人；随后，Ｋｉｍ等人［７］采用ＵＤＰ协议连接无线传感器和群体机器人实现基于网络连接的控制．网络机器人仅仅是通过网络连接实现多机器人的简单相加，并没有从根本上解决机器人的物理瓶颈问题．在２０１０年的Ｈｕｍａｎｏｉｄｓ大会上，卡耐基梅隆大学的Ｋｕｆｆｎｅｒ博士［８］首次提出“云机器人”的概念，即机器人可利用互联网上的云服务器进行分布式并行计算和大数据存储、分析与处理，机器人本身无需能力扩展，若想获取信息，连接服务器即可．基于这一概念，很多研究尝试将繁复的计算卸载到云端来解决机器人自身存储计算能力受限的问题．Ａｒｕｍｕｇａｍ等人［９］在Ｈａｄｏｏｐ［１０］集群上采用Ｍａｐ／Ｒｅｄｕｃｅ［１１］计算框架来增强机器人算法执行的有效性，但该方法没有给出可靠的通信机制．Ｈｕｎｚｉｋｅｒ等人［１２］设计了一个开源的平台即服务机器人应用框架Ｒａｐｙｕｔａ，提供了一种安全的可定制化的计算环境以帮助机器人将繁重的计算任务转移到云端．上述两种方法仅专注于解决机器人计算层级的问题，协同控制的讨论没有深入．Ｋｕｒｉｋｉ等人［１３］基于ｃ共识协议提出了一种具有避碰能力的协同编队控制结构，其核心关注点在于如何解决多无人机间的避碰问题．随着无人机角色在机器人领域的不断增强，人们开始将无人机部署到云端．Ｇｈａｒｉｂｉ等人［１４］基于ＩｏＴ（ＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ［４］）提出了ＩｏＤ（ＩｎｔｅｒｎｅｔｏｆＤｒｏｎｅｓ）的概念模型并规划了一个设计框架．Ｋｏｕｂ ａ等人［１５］提出了一个软件架构ＤｒｏｎｅＭａｐＰｌａｎｎｅｒ（ＤＭＰ），通过具体的实现和实验证明了ＩｏＤ，即基于互联网的无人机云处理架构，但该方法一次仅支持访问控制一架无人机．Ｌｉｎ等人［１６］提出将无人机连接到ＧｏｏｇｌｅＥａｒｔｈ云服务，并将数据存储于ＭｙＳＱＬ数据库中，用户通过Ｗｅｂ浏览器可访问数据库中的无人机信息，该方法没有阐明多无人机控制问题，且通过数据库监控无人机将影响系统的实时响应能力．Ｓａｎｃｈｅｚ Ｌｏｐｅｚ等人［１７］提出了一种在复杂环境中构建自主无人机系统的控制架构Ａｅｒｏｓｔａｃｋ，Ａｅｒｏｓｔａｃｋ具有管理大量无人机的能力，但没能实现多无人机间的全局调控．Ｓａｍｐｅｄｒｏ等人［１８］设计了一个全局协调器ＧｌｏｂａｌＭｉｓｓｉｏｎＰｌａｎｎｅｒ（ＧＭＰ），弥补了Ａｅｒｏｓｔａｃｋ无法协调多无人机执行任务的缺陷，其可动态地将任务分配给每架无人机，同时监控无人机集群行为，但与负责上层任务分配的本地协调器ＡｇｅｎｔＭｉｓｓｉｏｎＰｌａｎｎｅｒ（ＡＭＰ）的异步通信却制约着整个系统的实时性．Ｄｏｎｇ等人［１９］提出了一种基于局部邻域信息的多无人机编队控制协议，研究多旋翼无人机系统的编队 围堵控制理论，但控制平台是基于局部拓扑结构实现的，缺乏多无人机系统的全局信息．Ｚｈａｏ等人［２０］探讨了无人机通信与控制一体化的通道跟踪、协同通信、自定位、无缝覆盖、轨迹设计、资源配置等技术问题，仅从通信的视角分析了多无人机控制所面临的挑战和机遇．Ｐｈａｍ等人［２１］通过一个基于分布式控制的多无人机集群，可在野火蔓延的情况下协同跟踪动态环境，但系统需要预规划编辑，灵活性一般．Ｚｏｕ等人［２２］针对无人机编队队形变换问题设计的协同控制方法，其网络通信拓扑是弱连接的，数据交互会出现延时现象．Ｙｕ等人［２３］研究了多无人机在执行器故障和输入饱和条件下的分布式容错控制问题，采用图论和滑模观测器ＳｌｉｄｉｎｇＭｏｄｅＯｂｓｅｒｖｅｒ（ＳＭＯ）相结合的方法增强了系统的可靠性，但忽略了无人机间信息共享的实时性等问题．一些无人机的开源控制平台如ＱＧｒｏｕｎｄＣｏｎｔｒｏｌ①和ＤＪＩＦｌｉｇｈｔＨｕｂ②等，虽然都支持基本的飞行控制功能，但系统启用的飞行模式单一，且不具备通用性．ＣｏＵＡＶ是由Ｗｕ等人［２４］面向多无人机协作设计的一个通用控制监控平台，ＣｏＵＡＶ基于Ｌｉｎｕｘ核作为中间件实现与无人机的交互，虽然屏蔽了机组硬件上的差异，但无云架构支撑，通用性不强且服务应用范围有限．综上所述，基于云架构实现多无人机的数据共享和协同控制是扩展无人机应用场景、提升动态环境任务需求的有效方法，但系统集成对网络通信的实时性和稳定性以及控制协同的有效性均提出了新的挑战及要求．多无人机联合旨在“１＋１＞２”，实现多无人机协同飞行控制的目标拟解决以下几个关键问题：（１）多无人机协同控制的有效性；（２）多源异构数据的高４５３２计 算 机 学 报２０２０年①②ＱＧｒｏｕｎｄＣｏｎｔｒｏｌ．ｈｔｔｐ：／／ｑｇｒｏｕｎｄｃｏｎｔｒｏｌ．ｃｏｍ／ＤＪＩＦｌｉｇｈｔＨｕｂ．ｈｔｔｐｓ：／／ｗｗｗ．ｄｊｉ．ｃｏｍ／ｆｌｉｇｈｔｈｕｂ效存储、处理及信息共享；（３）通信链路的稳定性及数据响应的实时性．针对上述问题和已有研究存在的不足如数据实时处理能力差、计算资源匮乏、无人机间数据分离、难以实施全局协同调度等，本文提出了面向多无人机协同飞行控制的云系统架构（Ｍｕｌｔｉ ＵＡＶＯｒｉｅｎｔｅｄＣｏｏｐｅｒａｔｉｖｅＣｏｎｔｒｏｌＳｙｓｔｅｍＡｒｃｈｉｔｅｃｔｕｒｅＢａｓｅｄｏｎＣｌｏｕｄ，ＵＡＶ３ＣＡ），其原理是通过云服务器连接无人机，并在平台即服务（Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ，ＰａａＳ［２５］）层将无人机资源封装并提供公开接口；云控制端根据预执行的任务对无人机进行分组并做有机组合，通过远程过程调用（ＲｅｍｏｔｅＰｒｏｃｅｄｕｒｅＣａｌｌ，ＲＰＣ）获取无人机及其传感器上的数据，并将数据卸载到云端做高效存储，实现多无人机间数据的交互及共享；云计算节点作为无人机集群的远程ＣＰＵ，运用其强大的计算能力对无人机回传的数据进行处理，生成控制命令并将其发送到无人机上完成远程控制，实现对多无人机的联合部署、飞行调度以及通力协作．图１ ＵＡＶ３ＣＡ的系统架构图２ 面向多无人机协同飞行控制的云系统架构多无人机协同飞行是未来机器人在人工智能领域发展的必然趋势．通过将多架低成本的无人机组合并部署到云端，可弥补单无人机因体积小、续航时间短等自身条件限制所带来的能力不足及缺陷，使得无人机集群具备单无人机硬件无法超越的计算、存储及处理能力．传统的无人机集群技术难以满足日趋复杂的任务场景需求，如（１）稳定的通信链路以支持数据实时传输，（２）状态数据和感知信息强大的存储、计算能力，（３）全局最优解的决策生成及命令部署，（４）系统控制的协同性、智能性、灵活性等．鉴于此，本文提出一种面向多无人机协同飞行控制的云系统架构ＵＡＶ３ＣＡ，为无人机协作应用创建一个开发原型系统．ＵＡＶ３ＣＡ采用互联网将无人机与云及云控制端连接，实现多无人机之间的超视距连接．基于基础通信链路，无人机将承载的传感器数据和自身的状态信息同步到云端，而云控制端根据目标任务间接驱动无人机协同飞行．作为无人机与控制端的中间桥梁，云端一方面对无人机卸载下来的感知数据进行处理，并公开且共享无人机上的状态信息；另一方面按照控制端的要求进行数据分析，将生成的控制命令经封装后传递给无人机的飞控系统．图１所示为ＵＡＶ３ＣＡ的系统架构图，下面将详细阐述系统５５３２１２期史殿习等：面向多无人机协同飞行控制的云系统架构架构的组成部分及软件功能的具体实现．ＵＡＶ３ＣＡ系统架构主要由无人机执行层、云端层和操控层组成，针对不同的层级和功能需求，本文采用模块化松散耦合的方式，设计了三个软件功能逻辑节点———无人机节点、云控制节点和协同控制节点．下面进行详细介绍．２ １ 无人机执行层无人机是系统最终的交互目标，其代表一组资源，可向外部应用提供服务．硬件层上，本文通过开源机器人操作系统ＲＯＳ［２６］的一些标准服务如硬件抽象、进程间消息传递等，将无人机资源对外服务化；通过另一种资源抽象方式———微型飞行器轻量级消息编组库ＭＡＶＬｉｎｋ①的不同传输方式如ＴＣＰ、ＵＤＰ、ＵＳＢ等，使无人机与地面控制站交换预定义消息．为减少因重复性操作造成的资源浪费，降低系统开发的经济成本，缩短开发周期，本文基于Ｇａｚｅｂｏ运行模拟环境场景，并通过ＰＣ机上ＳＩＴＬ②模拟器模拟仿真无人机．仿真无人机上载有飞行控制器程序ＡｒｄｕＰｉｌｏｔ③，与飞行控制相关的状态信息和环境感知数据可从仿真无人机的飞行动力学模型中模拟收集，未来用于系统框架模型的仿真实验测试．软件层上，无人机被抽象为一个逻辑节点．首先通过ＲＯＳ的发布／订阅机制和软件包ＭＡＶＲＯＳ［２６］的解析封装功能，向无人机发送ＭＡＶＬｉｎｋ消息，为开发人员提供高级接口．其次基于ＲＯＳＢｒｉｄｇｅ［２７］软件包，开发人员可在非ＲＯＳ系统和ＲＯＳ系统之间进行交互式通信，本文在操控层（非ＲＯＳ系统，参见２．３节内容）上采用Ｗｅｂｓｏｃｋｅｔ④协议格式发送数据，并由ＲＯＳＢｒｉｄｇｅ进行转换发送给相关的ＲＯＳ主题；反之，从ＲＯＳ主题获取的无人机上数据经ＲＯＳＢｒｉｄｇｅ转换回传到操控层．另外，无人机节点还包含飞行控制模块和数据感知采集模块两个部分．飞行控制模块用于控制无人机的基本动作，通过解析ＲＯＳ发来的ＭＡＶＬｉｎｋ指令消息包，将生成的预期飞行动作与无人机当前的姿态和位置进行比较，并经飞行控制算法计算出无人机的运动偏移量，制导无人机飞行．数据感知采集模块，用于收集无人机上的数据，其中包括无人机的硬件信息、客户端验证数据信息、无人机状态同步信息以及传感器采集信息等．基于ＲＯＳ的消息发布／订阅机制和ＲＯＳＢｒｉｄｇｅ工具的代理转发，数据感知采集模块可与云控制节点（参见２．２节内容）的数据感知接收模块进行数据交互．２ ２ 云端层云端层是ＵＡＶ３ＣＡ系统架构设计的重点，是操控层与无人机执行层间连接控制的桥梁，具有无人机远程“ＣＰＵ”之美誉，是多无人机协同飞行的核心运行层．为了实现各组件间的松散耦合且功能需求可扩展，本设计将云端层细化为两个部分，即无人机影射层和云核心层，另外在软件层上抽象一个逻辑节点———云控制节点．２．２．１ 无人机影射层无人机影射层旨在将无人机抽象为云端资源，为开发者提供完全独立于无人机具体特征的操作方法．无人机影射层在物理无人机和云之间起桥接作用，一方面将无人机状态及感知数据转移到云端进行处理，另一方面将云端计算、分析的结果发送给无人机作任务调度．无人机影射层包含以下两个基本组件：（１）无人机接入组件，亦称为底层通信模块．无人机可选择多种网络协议与控制端交互数据，但为了避免云端部署ＲＯＳ时发生中心节点Ｍａｓｔｅｒ过载的宕机现象，本文在云端（非ＲＯＳ端）采用ＲＯＳＢｒｉｄｇｅ与无人机（ＲＯＳ端）发送消息，对应于无人机执行层建立Ｗｅｂｓｏｃｋｅｔ协议通信．当无人机申请接入到云服务器时，首先需要经过身份验证．身份一旦验证成功，云服务器将通过线程池与无人机保持连接，且为有效处理不同格式的数据和指令信息，通信模块被设计为多线程服务模式．ＵＡＶ３ＣＡ设计是面向多无人机和多控制端服务的，访问请求必然会存在冲突．为避免此类现象发生，本文将在控制端与无人机之间设置一定的匹配权限，即先对无人机进行分组，然后在控制端设置不同的组权限来分层管理无人机信息，实现对无人机资源的有效管理．假设存在一种情形，即某一时刻有多个用户同时访问一架无人机，由于当前请求频繁且即时并发数据量过大，网络空间通信链路会因带宽资源有限而发生过载．为此，系统设计嵌入了一个网络分发器，将系统多源请求数据进行存储转发，并采取网络代理的方式把ＭＡＶＬｉｎｋ消息和ＲＯＳＢｒｉｄｇｅ消息广播到其它端口．（２）无人机抽象组件，是对无人机及其上资源，６５３２计 算 机 学 报２０２０年①②③④ＭＡＶＬｉｎｋ．ｈｔｔｐ：／／ｑｇｒｏｕｎｄｃｏｎｔｒｏｌ．ｏｒｇ／ｍａｖｌｉｎｋ／ｓｔａｒｔＳＩＴＬｓｉｍｕｌａｔｏｒ（ｓｏｆｔｗａｒｅｉｎｔｈｅｌｏｏｐ）ＡｒｄｕＰｉｌｏｔａｕｔｏｐｉｌｏｔｓｕｉｔｅ．ｈｔｔｐ：／／ａｒｄｕｐｉｌｏｔ．ｃｏｍ／ＴｈｅＷｅｂｓｏｃｋｅｔＰｒｏｔｏｃｏｌ．ｈｔｔｐｓ：／／ｔｏｏｌｓ．ｉｅｔｆ．ｏｒｇ／ｈｔｍｌ／ｒｆｃ６４５５包含与无人机相关的信息以及可执行的操作，进行抽象并封装，具体包含：①远程控制器．封装为可在无人机上执行的所有ＭＡＶＬｉｎｋ命令消息以及和与ＲＯＳ主题相关的无人机动作指令，如起飞、降落、悬停、前进、拍照等；②任务控制器．以协助无人机自主完成任务，其可以运行单个任务，也可依时间轴运行一系列连续的任务；③传感器管理器．用统一的方式集中管理传感器信息，以解决因无人机异质性、传感器多样性而产生的数据不一致性，以及ＲＯＳ中基于不同主题发布消息而产生的交互性冲突；④无人机影射文件．通过一个ＪＳＯＮ格式的文件反映物理世界中无人机的形态．２．２．２ 云核心层云核心层是ＵＡＶ３ＣＡ系统框架的核心，具体包含以下组件：（１）数据存储工具组件，为来自无人机的各种数据提供存储服务．无人机系统中需要存储、检索和访问不同类型的数据，且根据数据类型、结构及应用需求的不同采用不同的数据库．如ＳＱＬ数据库存储位置坐标、三维速度、姿态欧拉角、方向、环境温度等结构化数据；ＮｏＳＱＬ数据库存储无人机设备信息、认证信息、图像及视频等非结构化数据；对于及时响应的指令数据，系统采用近实时处理的Ｓｔｏｒｍ流，而对于实时性要求不高的大容量数据，系统在Ｈａｄｏｏｐ［１０］框架上使用ＨＤＦＳ［２８］文件系统读取数据，并采用分布式编程模型Ｍａｐ／Ｒｅｄｕｃｅ［１１］对数据进行并行处理．（２）虚拟环境组件．虚拟技术已经成为构建服务器集群的重要手段．本文选择Ｄｏｃｋｅｒ［２９］和Ｋｕｂｅｒｎｅｔｅｓ［２９］进行集中式服务器的管理和调度，其中Ｄｏｃｋｅｒ负责提供虚拟容器运行时环境，Ｋｕｂｅｒｎｅｔｅｓ负责管理、编排和调度由Ｄｏｃｋｅｒ引擎构建的容器，对服务器集群进行资源整合和调度．（３）智能引擎组件．无人机在任务执行的过程中需要智能算法的支持，如任务匹配、路径规划、动态调度等．智能引擎组件基于Ｈａｄｏｏｐ集群、采用分布式计算框架Ｍａｐ／Ｒｅｄｕｃｅ实现对大规模数据的并行计算和分析．这种远程“大脑”的控制模式，可支撑多无人机系统智能协同运行．２．２．３ 云控制节点云控制节点上装有Ｕｂｕｎｔｕ操作系统，但不部署ＲＯＳ，以规避Ｍａｓｔｅｒ的中心节点效应．为实现对多无人机的协同控制，云控制节点设计了多个功能服务模块．（１）数据感知接收模块．使用消息发布／订阅机制从数据感知采集模块中订阅与主题相关的数据信息，并依类型的不同对数据作分发处理，如将入网验证信息转发至认证管理模块，状态数据转发至状态同步模块，传感器数据转发至误差检测模块．（２）认证管理模块．接收来自数据感知接收模块的无人机ＩＰ地址以及用于认证的密钥Ｋｅｙ，通过和系统内置约定的安全验证码进行比对匹配来确定请求入网的无人机是否合法．（３）状态同步模块．为无人机协同控制提供实时且稳定的无人机状态数据．通过Ｔｉｍｉｎｇ机制定期从数据感知接收模块中获取无人机的状态数据，同时对无人机的特定状态进行实时监听，以保持无人机影射文件内容与物理无人机真实状态的同步性．（４）误差检测模块．将从数据感知接收模块中获取的传感器数据与预期目标指令进行对比，鉴定无人机是否成功接收到命令、是否成功执行命令且达到预期目标．ＭＡＶＬｉｎｋ协议本身没有反馈机制，因此，对于控制端的即时命令，系统每发出一次ＤＯ命令，误差检测模块就检测一次无人机状态，通过反复发送、反复检测，直至确认无人机执行该ＤＯ命令为止．而对于过程执行命令，系统不作强精度要求，仅预设误差容限范围，即通过反复计算和调整无人机当前状态和预期目标的差值，使其降至误差容限范围内来表明命令执行成功．（５）基于影射文件的命令控制模块．影射文件在认证管理模块认证成功且分组编成后生成，是存储在云服务器上物理无人机的数字孪生，反映物理世界中无人机实时状态（如飞行模式、当前位置等）的ＪＳＯＮ格式文件，可视为虚拟无人机．影射文件将发送给无人机的命令执行序列按时间戳顺序先缓存再发送．物理无人机和虚拟无人机通过状态同步模块推送同步状态信息，即无人机将实时状态上传至影射文件，控制端通过影射文件将期望的状态指令发送给无人机．基于影射文件的命令控制模块不仅可以克服因网络不稳定性而导致的无人机频繁上线、掉线现象以及控制命令的时间顺序误差，而且其内置的存储转发机制可以减轻由多个控制节点向同一架无人机重复请求访问而引发的网络负载过压问题．（６）坐标转换模块．是将一个参考系下的坐标点转换为另一个参考系下的坐标点，以统一系统内部的控制调用接口．（７）服务提供模块．是对无人机及其上资源封７５３２１２期史殿习等：面向多无人机协同飞行控制的云系统架构装并向外部提供统一风格接口的服务．其通过面向资源的接口设计提供三种类型的服务：无人机自身状态数据ＵＡＶＩｎｆｏ，如方向、速度等；可提供资源服务ＵＡＶＳｅｒｖｉｃｅ，如传感器数据、雷达数据等；执行动作参数ＵＡＶＡｃｔｉｏｎ，如运动轨迹改变参数等．２ ３ 操控层操控层建立在云端层之上，云核心层给予操控层强大的数据计算与分析能力支撑；当有任务下达，操控层生成决策部署，并通过云端层间接控制多无人机协同飞行．操控层为无人机飞控程序提供了两种类型的接口：Ｗｅｂｓｏｃｋｅｔ和Ｗｅｂｓｅｒｖｉｃｅ，通过这两种接口，操控层可以同时访问多个无人机，或基于云端层提供的服务为无人机设置参数并执行协同飞行算法．Ｗｅｂｓｏｃｋｅｔ是一种全双工通信协议，一方面允许无人机主动向客户端同步信息，另一方面允许操控层通过云端向无人机推送指令．ＲＯＳＢｒｉｄｇｅ包中的ＲＯＳＪＳ库同样支持Ｗｅｂｓｏｃｋｅｔ．当无人机执行层ＭＡＶＬｉｎｋ消息包进入云端层时，将首先通过套接字被接收，然后由网络分发器经Ｗｅｂｓｏｃｋｅｔ发送到操控层．Ｗｅｂｓｅｒｖｉｃｅ接口用于开发实时控制、任务控制、无人机管理以及其他非连续数据流等应用．协同控制节点是建立在操控层上的可公开调用无人机资源的节点，基于云控制节点中的功能模块，即通过统一接口封装屏蔽不同无人机的异质性，降低传感器数据的异构性，无人机之间可实现数据的交互与共享．基于操控层上的Ｗｅｂ［３０］协议，协同控制节点通过ＨＴＴＰ接口向外部提供无人机的资源和服务，如通过ＨＴＴＰＧＥＴ方式获取无人机上的资源；通过ＨＴＴＰＰＯＳＴ方式请求服务；通过ＨＴＴＰＰＵＴ方式更新无人机的ＩＤ信息；通过ＨＴＴＰＤＥＬＥＴＥ方式中止无人机执行当前任务或移除任务．基于资源公开和数据共享，协同控制节点可面向具体的任务需求，调用一定的智能算法对在线的多架无人机进行匹配、分组和调度，使之协同飞行并完成期望目标任务．综上所述，ＵＡＶ３ＣＡ设计完成了一个面向多无人机协同飞行控制的云系统框架，其从通信链路建设开始，到基础设施和功能组件服务模块的中间件设计，从底层抽象到面向应用，最终在控制端实现了对多无人机终端的远程协同飞行控制．３ 系统框架设计的关键技术机制多无人机协同控制是建立在无人机到云端的可靠连接之上，基于连接，先将无人机上的数据卸载到云端，通过云核心层对多源异构数据进行处理、存储、计算和分析，并将生成的指令回传至无人机实施控制．而设计的核心控制层将来自不同无人机上的数据信息进行交互共享，参考任务作统一规划、调度，控制多无人机协同飞行，共同完成目标．因此，面向多无人机协同飞行控制的云系统架构ＵＡＶ３ＣＡ提出了三种嵌入式关键技术机制：（１）基于ＲＯＳ发布订阅的无人机连接机制；（２）基于ＭＡＶＬｉｎｋ协议的无人机控制机制；（３）基于ＲＥＳＴｆｕｌ［３１］架构的无人机数据共享机制．下面详细阐述这三种关键机制．３ １ 基于犚犗犛发布订阅的无人机连接机制无人机上装载ＲＯＳ［２６］，一方面可重用开源的项目库，另一方面还可为硬件资源提供软件抽象．目前，ＲＯＳ已广泛应用于机器人的程序开发，但却缺乏通过互联网来远程控制和监控机器人的原生支持．因此，本文在ＲＯＳ发布／订阅的机制上通过引入ＲＯＳＢｒｉｄｇｅ和代理服务器的方法，提出一种新的无人机连接机制，以支持ＵＡＶ３ＣＡ框架能够快速创建无人机实例，安全可靠的连接无人机与云端，对无人机进行硬件级别的认证，并基于策略的授权，使控制端对特定主题拥有读写权限，以保证安全．３．１．１ 基于ＲＯＳＢｒｉｄｇｅ的去中心化方法ＲＯＳ是一个分布式系统，其将机上每一个应用程序表征为一个节点（Ｎｏｄｅ），节点之间采用基于主题（Ｔｏｐｉｃ）的发布（Ｐｕｂｌｉｓｈ）和订阅（Ｓｕｂｓｃｒｉｂｅ）机制来实现消息传递，不同的ＲＯＳ程序间通过ＲＰＣ（ＲｅｍｏｔｅＰｒｏｃｅｄｕｒｅＣａｌｌ）方式建立通信并传输数据．为了简单，云端可选择部署ＲＯＳ，但分布式ＲＯＳ系统管理是一种基于Ｍａｓｔｅｒ主节点的“集中式”管理模式，如果将云端设置为Ｍａｓｔｅｒ主节点，且运行在Ｉｎｔｅｒｎｅｔ上具有公共ＩＰ地址的服务器上，进而通过基于发布／订阅主题和服务的方式实现无人机和云端以及无人机之间的通信访问来维护网络中所有其他节点的信息，必将导致整个网络强烈依赖于中心节点Ｍａｓｔｅｒ，极大地影响系统的实时性和稳定性，具体表现为：（１）当多个无人机同时申请接入网络时，主节点Ｍａｓｔｅｒ会因负载过高而导致崩溃，影响整个系统的运行并且难以恢复；（２）当网络系统中存在大量主题和数据时，本地数据传输会产生延迟，远程数据传输会因网络带宽和处理能力而受限．因此，为保证无人机远程控制的稳定性，本文设计采用一种基于ＲＯＳＢｒｉｄｇｅ的去中心化方法来实现无８５３２计 算 机 学 报２０２０年。
全国泰山版初中信息技术八年级上册第二章第二节《数字化视频编辑》教学设计
- 重点知识点：剪辑工具、剪辑技巧、剪辑节奏
- 词：剪辑工具、剪辑技巧、剪辑节奏、画面切割、时间线、速度控制
- 句：通过剪辑工具可以对视频进行画面切割、时间线调整和速度控制，以实现流畅的剪辑效果。
③ 视频特效的制作和应用
- 重点知识点：特效分类、特效应用、特效组合
- 词：特效分类、特效应用、特效组合、转场特效、文字特效、色彩特效
答案：首先，将视频素材导入视频编辑软件中。然后，使用剪辑工具对视频进行切割和调整时间线。接着，添加转场特效，使视频过渡更加流畅。最后，添加文字特效，为视频添加标题和说明。
3. 应用题：请根据以下场景，使用视频编辑软件制作一段视频。
场景：制作一段旅游宣传视频，展示美丽的风景和特色活动。
答案：首先，收集相关的视频素材，包括风景画面和活动画面。然后，将素材导入视频编辑软件中，进行剪辑和调整时间线。接着，添加适当的转场特效和色彩特效，以突出风景的美丽和活动的特色。最后，添加背景音乐和文字特效，完成旅游宣传视频的制作。
3.成果展示：每个小组将向全班展示他们的讨论成果和实验操作的结果。
四、学生小组讨论（用时10分钟）
1.讨论主题：学生将围绕“视频编辑在实际生活中的应用”这一主题展开讨论。他们将被鼓励提出自己的观点和想法，并与其他小组成员进行交流。
2.引导与启发：在讨论过程中，我将作为一个引导者，帮助学生发现问题、分析问题并解决问题。我会提出一些开放性的问题来启发他们的思考。
全国泰山版初中信息技术八年级上册第二章第二节《数字化视频编辑》教学设计
课题：
科目：
班级：
课时：计划1课时
教师：
单位：
一、课程基本信息
1. 课程名称：全国泰山版初中信息技术八年级上册第二章第二节《数字化视频编辑》
济南大学生物科学与技术学院2015-2016学年第一学期2015级
济南大学生物科学与技术学院2015-2016学年第一学期2015级硕士研究生课程表（生物工程）
注：1、本学期教学活动为20周，2015级研究生9月6日报到入学，自第二教学周（9月9日）（周三）开始上课，第十九周至第二十周停课考试。
2、任课教师应严格按课程表上课，不得随意调停课。
专业课任课教师调整上课时间、地点等须在学院备案，学院秘书负责通知研究生院。
出现教学事故按有关文件处理。
济南大学生物科学与技术学院2015-2016学年第一学期2015级硕士研究生课程表（制药工程）
注：1、本学期教学活动为20周，2015级研究生9月6日报到入学，自第二教学周（9月9日）（周三）开始上课，第十九周至第二十周停课考试。
2、任课教师应严格按课程表上课，不得随意调停课。
专业课任课教师调整上课时间、地点等须在学院备案，学院秘书负责通知研究生院。
公共课任课教师调整上课时间或地点等应经研究生秘书上报研究生院批准。
出现教学事故按有关文件处理。
极课大数据助力数学教学的变革
极课大数据助力数学教学的变革数学教学一直是教育领域中的重头戏，也是大多数学生认为最困难的学科之一。
传统的数学教学方法通常是老师在黑板上讲解公式，学生则在作业本上完成练习题，没有任何互动和个性化教学。
然而，随着数字技术的不断发展，数学教育正经历着转型，数字化技术正在成为数学教育的重要组成部分。
极课大数据助力数学教学的变革，正是以数据科学和人工智能技术为基础的创新教育方法的典型案例。
极课大数据是一家专注于在线教育和数字化技术的科技公司，创始人为北大教授吕建。
极课大数据利用大数据分析和人工智能技术将数学教育数字化，提高教育效果和学习体验，为学生提供个性化的教学和学习方法。
这些数据分析的方法不仅能够帮助学生更好地理解数学概念，而且可以根据学生的学习情况和需要，提供个性化的学习计划、教学资源和作业。
极课大数据的数学教学产品包括在线教学平台及其配套的学习资源和工具，如同步辅导课程、数学名师讲解、人工智能题目自动检查和纠错系统等。
这些工具的集成和结合使数学教学更为有效和个性化。
例如，极课大数据的在线测试和诊断系统能够帮助教师更好地了解学生的学习状况和掌握他们的个人需求，为他们提供个性化的数学教育解决方案。
此外，极课大数据的人工智能技术还可以帮助教师更好地解决数学教育中的困扰。
例如，对于数学问题的自动纠错系统可以帮助学生及时发现和纠正错误，同时提高学生对数学问题的敏感度和解题能力，从而提高学生的成绩和信心。
这些创新教育方法大大提高了学习效果和学习体验。
总之，随着创新技术和人工智能技术的发展，数学教育正在经历着一次重大转型，社会上增加了对数学教育变革的需求。
极课大数据的创新教育方法为更加高效、个性化的数学教学提供了很多灵活性和可能性，可以帮助学生更好地适应数字化时代的数学教育，迎接未来的挑战和机遇。
基于会话的云计算环境下Web应用自动弹性扩展方法[发明专利]
![基于会话的云计算环境下Web应用自动弹性扩展方法[发明专利]](https://img.taocdn.com/s3/m/799fcce952ea551811a6876c.png)
专利名称：基于会话的云计算环境下Web应用自动弹性扩展方法
专利类型：发明专利
发明人：王鲁,赵志刚,薛冰,郭莹,王筠,王春晓
申请号：CN201310471865.1
申请日：20131011
公开号：CN103561055A
公开日：
20140205
专利内容由知识产权出版社提供
摘要：本发明的基于会话的云计算环境下Web应用自动弹性扩展方法，包括：a)Web应用系统的部署；b)已用资源数量判断；c)增加资源配额数量；d).获取瞬时会话连接数；e)瞬时会话连接数的比较；f)计算平均会话连接数；g)平均会话连接数的比较；h)剩余资源的判断；i)增加Web应用服务器；j)应用服务器数量的判断；k)删除Web应用服务器。
本发明的Web应用自动弹性扩展方法，通过瞬时会话连接数和平均会话连接数，对高并发的Web应用系统及一定时间间隔内会话数较多或较少的Web应用系统集群进行动态扩展和缩减操作，实现了基于会话的Web应用系统动态调整，提高了Web应用系统的适应性。
申请人：山东省计算中心
地址：250014 山东省济南市历下区科院路19号山东省计算中心
国籍：CN
代理机构：济南泉城专利商标事务所
代理人：褚庆森
更多信息请下载全文后查看。
无线体域网的保护时隙自适应分配及性能评价方法[发明专利]
![无线体域网的保护时隙自适应分配及性能评价方法[发明专利]](https://img.taocdn.com/s3/m/042e5fc9dd36a32d7275817f.png)
专利名称：无线体域网的保护时隙自适应分配及性能评价方法专利类型：发明专利
发明人：陈长芳,舒明雷,杨明,魏诺,杨媛媛,孔祥龙
申请号：CN201610114754.9
申请日：20160301
公开号：CN105792287A
公开日：
20160720
专利内容由知识产权出版社提供
摘要：本发明的无线体域网的保护时隙自适应分配方法，包括：a).设定0,1,…,K表示的K+1个优先级数；b).设定非常高VH、高H、中等M、低L和非常低VL五个流量状态；c).设定保护时隙启动阈值T；d).分配优先级数和设置流量状态；e).如有GTS请求或数据发送，则提升流量状态和降低优先级数；否则，降低流量状态和升高优先级数；f).如果有小于启动阈值的优先级数存在，则给具有最小优先级数的节点分配GTS资源。
本发明的自适应分配方法，提高了GTS资源的使用效率，提高了网络吞吐量；很好地预测各个节点GTS资源的使用情况，避免了低优先级的节点长时间不能使用GTS资源的缺点，保证了无线体域网紧急数据传输的实时性、可靠性和公平性。
申请人：山东省计算中心(国家超级计算济南中心)
地址：250014 山东省济南市历下区科院路19号山东省计算中心
国籍：CN
代理机构：济南泉城专利商标事务所
代理人：褚庆森
更多信息请下载全文后查看。
济南大学信息科学与工程学院介绍
济南大学信息科学与工程学院介绍
佚名
【期刊名称】《计算机应用研究》
【年(卷),期】2005(22)11
【摘要】信息科学与工程学院是济南大学主要二级学院之一。
现有教职员工一百三十余人，其中专任教师近一百一十人，硕士、博士学位获得者占专任教师总数的70％以上，教授、副教授近三十人，有一支以国务院政府特殊津贴获得者、山东省青年学术骨干为首的高水平教学科研队伍。
【总页数】1页(PI0002-I0002)
【关键词】济南大学;信息科学与工程学院;教学研究;师资水平;计算机技术
【正文语种】中文
【中图分类】G649.28
【相关文献】
1.应用技术型大学"双创"教育工作新模式初探r——以福建工程学院信息科学与工程学院为例 [J], 张美润
2.地方院校计算机信息技术专业方向人才培养模式的研究——济南大学信息科学与工程学院计算机应用人才培养试点工作探析 [J], 蔺永政;周劲;董吉文
3.基于OBE理念的第二课堂大学生创新创业能力培养实践机制探索——以成都大学信息科学与工程学院为例 [J], 刘巧玲
4.大学生创新创业实践现状与策略分析
——基于广西民族大学信息科学与工程学院的调查分析 [J], 潘彦燕;韦杏琼;黄海珍;何颖
5.贺复旦大学信息科学与工程学院十周年院庆(2000—2010) 复旦大学信息科学与工程学院简介 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2000
云计算
2010
4 4
1.2云计算的概念模型
5
1.3 云计算的定义
云计算是一种商业计算模型。它将计算任务 分布在大量计算机构成的资源池上，使各种应用 系统能够根据需要获取计算力、存储空间和信息 服务。
6
目录 1.云计算的起源 2.云计算的特点 3.云计算的价值
7
云计算的特点
虚拟化技术 灵活定制 动态可扩展
高性价比 资源在云端 超强计算力
可靠安全性
8
2.2云计算的类别
专 用
将软件作为服务 SaaS
如：Salesforce online CRM
将平台作为服务 PaaS
如：Google App Engine
通
用
将基础设施作为服务 IaaS
如：Amazon EC2/S3
9
2.3 云计算服务的交付模式分类
Combine, <K2,list(V2)>
Reduce( )
Reduce( )
结果0 结果1
Map( )
Reduce( )
结果2
…… Map( )
…… Reduce( )
<K2,V2>
M个Map任务
R个Reduce任务
MapReduce处理大数据集的过程
<K3,V3>
结果R-1 输出
27
一个管理模块+多个 执行模块
机架2
20
云
数据分布存储技术
计
算
数据管理技术
的
关
键
编程模型
技
术
虚拟化技术
21
数据管理技术
面临的问题： • 高效的管理大数据集 • 高效的查找特定信息 • 读优化的数据管理 实例： • BT(BigTable)数据管理技术 • 开源数据管理模块HBase
22
Hbase:Bigtable的开源实现
计算节点和存储节 点在一起
本地计算
分布式并行计算
得到最终的R个结果，可 以是另一个计算的输入
任务管道
任务粒度
小数据集<HDFS的数据 块，M个小数据集，对
应M个子任务
Combine（连接）
实现 机制
读取中间结果
以文件方式，管理 模块调度Reduce()
Partition（分区）
合并<key,value>,减少 其数目
• 通过“Map(映射)”和“Reduce(化简)”这样两 个简单的概念来构成运算基本单元,用户只需 提供自己的 Map 函数以及 Reduce 函数即可并 行处理海量数据
• 简单讲：任务的分解和结果的汇总
26
分段0
分段1
分段2
分段3
……
分段M-1
<K1,V1>
输入
分区 Map( ) Map( ) Map( )
云
数据分布存储技术
计
算
数据管理技术
的
关
键
编程模型
技
术
虚拟化技术
17
数据分布存储技术
• 目标——高可用，高可靠，经济性 • 手段——分布式存储+数据冗余+并行服务 • 特点—— 高吞吐量+高传输量 • 案例——Google的GFS和Hadoop的HDFS
HDFS是Hadoop分布式文件系统(Hadoop Distributed File System)的缩写，具有高容错性，可以部署在廉价的 硬件设备上， 并且提供了对数据读写的高吞吐率。
实现机制框图
按key分成R份，hash(key) mod R
公共云
(服务提供商 – 互连网)
私有云
(数据中心 – 内部网)
混合云
(公共和私有)
公共云：泛指部署在公共计算平台中，对公共开放的云计算平台。
私有云：部署在企业内部，为某一公司所私有的云计算平台， 旨在整合其公司内部IT资源的云计算系统。
混合云：公共云与私有云之结合
10
目录 1.云计算的起源 2.云计算的特点 3.云计算的价值
Hbase数据库是基于Hadoop的项目，是 对Google的Bigtable的开源实现。
可排序， 唯一标示对于每次Βιβλιοθήκη 数据操作Hbase的逻辑模型
<family>:<label>
行关键字
“ 报名. UJN. www”
时间戳 T9 T8 T6
列”xxxx1”
“<html>…” “<html>…”
列”xxxx2” UJN NIC
11
云计算对用户意味着——
• 符合移动办公 • 用户端负载降低 • 降低总体拥有成本 • 便于协作和共享 • 按使用付费
12
云计算对服务提供商意味着——
• 商业模式和理念的转变 • 提高管理效率 • 降低运维成本 • 提高资源利用率 • 影响产业链
总结：云计算是一个商业概念，其本质是一种商业计算，这种计算将对传统互联网 进行革命性的颠覆，未来的 云计算市场潜力巨大，蕴含的价值无限，值得深入研 究！
1.云计算概论 于孝美
赵树鹏 2.云计算原理与技术
张明镜
3.云计算安全与展望
Report
张庆科 4.云计算应用与平台设计
1
第一篇
云计算概述
于孝美
2
目录 1.云计算的起源 2.云计算的特点 3.云计算的价值
3
1.1 计算模式演变
单机
网络
服务
单机计算
1970
并行计算
1980
分布式计算 网格计算
1990
18
HDFS的设计前提与目标
•硬件错误是常态而不是异态。 •流式数据访问 •大规模数据集 •简单一致性模型 •移动计算比移动数据更划算 •异构软硬件平台间的可移植性
19
HDFS的体系结构
NameNode
客户端 读
复制
元数据，命 名空间
数据块操作
数据块
机架1
DataNod
实际的数据， 存储管理
写 客户端 HDFS的结构示意图
13
第二篇 云计算的基本原理和关键技术
赵树鹏
14
基
• 分布式计算、并行计算和网格计算及分 布式数据库的改进和融合
本
原
理
• 利用非本地或远程服务器（集群）的分 布式计算机为互联网用户提供服务（计
算、存储、软硬件等服务）
15
云计算基本原理图
用户互动 界面
系统管理
资源工具
服务器
服务目录
监控与 测定
16
行关键字 “ 报名. UJN.www”
时间戳 T6
列”xxxx3” “text/html”
在物理上的存储方式
把概念模型 中的行进行 分割，按列
存储
24
云
数据分布存储技术
计
算
数据管理技术
的
关
键
编程模型
技
术
虚拟化技术
25
编程模型——Map/Reduce
• 简化的分布式编程模型和高效的任务调度 模型，用于大规模数据集（大于1TB）的并 行运算
列”xxxx3” “text/html”
数据存放逻辑视图
23
Hbase物理模型
按列族存储数据，
列族内具有统一的 读/写方式
行关键字 “ 报名. UJN.www”
时间戳 T8 T6
列”xxxx1” “<html>…” “<html>…”
行关键字 “ 报名. UJN.www”
时间戳 T9 T8
列”xxxx2” UJN NIC