基于太阳能供电型农业物联网的UAV数据采集轨迹算法制造技术

本发明专利技术公开了一种基于太阳能供电型农业物联网的UAV数据采集轨迹算法，包括先针对农田UAV‑WSN，选取太阳能节点作为簇头，然后采用基于最优簇数的FCM聚类算法确定聚类中心，并结合聚类中心映射簇头节点进行太阳能节点的部署；提出WSN不成簇、WSN成簇但簇头不融合数据、WSN成簇且簇头融合数据这3种不同的UAV轨迹设计方案，然后根据给定的CRLB，计算3种方案下区域所需的遍历节点数和分簇数；根据节点分布均匀度、节点剩余能量以及太阳能能量采集值进行UAV路径规划，得到3条UAV轨迹规划路线；计算3条路线所对应的节点能耗，通过能耗和UAV飞行路程选择最优方案。本发明专利技术可以设计出能耗低、路径长度短、数据采集范围广泛的UAV数据采集路径。

【技术实现步骤摘要】
基于太阳能供电型农业物联网的UAV数据采集轨迹算法
本专利技术涉及UAV轨迹设计
，特别涉及一种基于太阳能供电型农业物联网的UAV数据采集轨迹算法。
技术介绍
无线传感器网络(WSN，wirelesssensornetwork)作为农业物联网系统的重要组成部分，是转变农业生产模式，促进农业高效发展的重要载体。传统的WSN通常由大量体积小，储能少，价格低的传感器节点和若干个数据融合中心组成，传感器节点之间通过成簇、不成簇和单跳、多跳方式传递数据给融合中心(FC)，对于静止的FC，容易造成传感器节点的提早死亡和WSN的能量热区问题。为优化这一问题，在WSN中引入了UAV(Unmannedaerialvehicle)，采用UAV作物移动FC可以均衡WSN的网络能耗，而且可以有效的避免农田复杂的环境因素影响移动路径和数据采集稳定性问题。近年来，WSN中的分布式估计引起了极大的研究兴趣。分布式估计的一个关键特点是传感器SN在WSN固有的限制(如能量受限、带宽受限和测量精度受限)下协同估计标量参数、信号矢量或其它参数，主要的设计目标是在达到可本文档来自技高网...

【技术保护点】
1.一种基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，步骤如下：/nS1、针对农田UAV-WSN，选取太阳能节点作为簇头，然后采用基于最优簇数的FCM聚类算法确定聚类中心，并结合聚类中心映射簇头节点进行太阳能节点的部署；/nS2、提出WSN不成簇、WSN成簇但簇头不融合数据、WSN成簇且簇头融合数据这3种不同的UAV轨迹设计方案，然后根据给定的CRLB，计算3种方案下区域所需的遍历节点数和分簇数；/nS3、根据节点分布均匀度、节点剩余能量以及太阳能能量采集值进行UAV路径规划，得到3种方案所对应的UAV轨迹规划路线；/nS4、计算3条路线所对应的节点能耗，通过能耗和UAV飞行...

【技术特征摘要】
1.一种基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，步骤如下：
S1、针对农田UAV-WSN，选取太阳能节点作为簇头，然后采用基于最优簇数的FCM聚类算法确定聚类中心，并结合聚类中心映射簇头节点进行太阳能节点的部署；
S2、提出WSN不成簇、WSN成簇但簇头不融合数据、WSN成簇且簇头融合数据这3种不同的UAV轨迹设计方案，然后根据给定的CRLB，计算3种方案下区域所需的遍历节点数和分簇数；
S3、根据节点分布均匀度、节点剩余能量以及太阳能能量采集值进行UAV路径规划，得到3种方案所对应的UAV轨迹规划路线；
S4、计算3条路线所对应的节点能耗，通过能耗和UAV飞行路程选择最优方案，最优方案即为UAV最终的数据采集轨迹。


2.根据权利要求1所述的基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，在步骤S1中，采用基于最优簇数的FCM聚类算法确定聚类中心，过程具体如下：
S11、根据最优簇数公式计算得聚类数K：



式中，K等于簇头数目m，且N为普通节点数目；k1为簇信息数据包长度；k2为采集数据包长度；C为区域边长，d2为簇头与UAV之间的距离；Emp为多路径衰减模型的能耗参数；Eelec为单位长度传输能耗；
S12、初始化隶属度矩阵uij：
给定聚类数K，节点总数N，考虑每一个聚类群的群内的目标函数最小，采用模糊集合设定每个节点对于每个群的隶属度集合为U，即第j个节点属于第i个群的隶属度为uij，该群的群心为ci，且第j个节点也即节点xj；
为了使每个节点与其所属的群的群心距离在确定所属时有效，而与其不所属的群的群心距离在确定所属时无效，所以考虑一个模糊数q控制隶属度的重要性，使得确定xj所属于第i群的计算值为：



当节点xj与第i群的隶属度越小，即使其距离较大，但因为模糊数q使得所以该段距离在确定所属时相当于无效；
考虑到初始隶属度uij对FCM算法最终聚类效果的影响，引入logistic混沌模型进行隶属度uij的初始化，logistic混沌模型的数学模型如下：
an+1＝μ*an*(1-an)
其中，an为第n次迭代生成的值，a1为(0～1)范围内的随机值；an+1为第n+1次迭代生成的值；μ∈[0～4]；an迭代生成的值处于混沌态，具有遍历性；
S13、采用拉格朗日乘子式并分别对uij和ci求偏导，计算公式如下：






其中，cl为第l簇的簇心；
S14、对于所有的节点和所有的群数，其目标函数为：



求解满足约束条件时的目标函数J(t)的最小值，J(t)代表第t次迭代时的目标函数值；
S15、如果|J(t)-J(t-1)|＜ε，其中，ε为最小偏差值，J(t-1)代表第t-1次迭代时的目标函数值，则算法结束，群心ci即为聚类中心；否则回到步骤S13。


3.根据权利要求2所述的基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，在步骤S1中，结合聚类中心映射簇头节点进行太阳能节点的部署，具体是：
采用最近邻映射选择节点作为聚类中心，以ci表示第i簇的聚类中心，xij表示第i簇的第j个簇内节点，选择节点的处理过程如下：
min||ci-xij||
完成位置映射后，选择映射节点为太阳能节点进行部署。


4.根据权利要求1所述的基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，在步骤S2中，WSN不成簇的UAV轨迹设计方案具体是指：所有的遍历节点均与UAV直接通信，由UAV发送信息给遍历节点，遍历节点再发送数据给UAV；
WSN成簇但簇头不融合数据的UAV轨迹设计方案具体是指：UAV只和簇头通信，由UAV发送簇成员信息给簇头，簇头再广播簇成员信息给簇成员，然后簇成员发送数据给簇头，簇头节点再转发数据给UAV；
WSN成簇且簇头融合数据的UAV轨迹设计方案具体是指：UAV只和簇头通信，由UAV发送簇成员信息给簇头，簇头再广播簇成员信息给簇成员，然后簇成员发送数据给簇头，簇头融合数据，然后再转发数据给UAV。


5.根据权利要求1所述的基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，在步骤S2中，根据给定的CRLB，计算3种方案下区域所需的遍历节点数和分簇数，过程如下：
(1)对于WSN不成簇：
提出无簇自适应量化方案：
通过无簇分布式估计式计算WSN不成簇情况下的CRLB：



其中，N为节点个数；表示传感器用作阈值的规范化频率，P(τn-1＝k*Δ)是第n-1个节点的量化阈值τn-1为k*Δ时的概率；pw(x)为wk的概率密度函数(PDF)；Fw(x)为wk的互补累积密度函数(CCDF)；θ为物理世界的被估计的环境物理量，即从UAV收到的量化数据中估计的参数；为参数θ的估计值；wk是区域内第k个节点的观测噪声；Δ表示参数量化步长；k代表区域内第k个节点；τk为节点从其他传感器节点累积早期传输数据，并使用累计值作为其1位定量器的阈值；
然后采用二分法计算最接近且小于给定区域CRLB时的区域所需遍历节点数；
(2)对于WSN成簇但不融合数据：局部估计的CRLB、区域所需遍历节点数的计算均与WSN不成簇的计算相同；
(3)对于WSN成簇且簇头融合数据：
提出成簇自适应量化方案：全局估计的CRLB可由局部估计CRLB的加权和表示；通过成簇分布式估计式计算WSN成簇且簇头融合数据情况下的CRLB：



其中，表示局部估计的加权系数；和分别为第i簇和第j簇的分布式估计；
然后计算不同簇数情况下满足给定区域CRLB时的簇内成员数，其中最大成簇数是区域内太阳能节点数，最少成簇数是2；
比较不同簇数下WSN的总能耗，选择能耗最小情况时的簇数和簇内成员数。


6.根据权利要求1所述的基于太阳能供电型农业物联网的UAV数据采集轨迹算法，其特征在于，对于节点分布均匀度：
通过分布均匀度势函数进行计算节点分布均匀度fr，其中，第r个节点的分布均匀度势函...

【专利技术属性】
技术研发人员：刘贵云，范卓伦，钟晓静，李致富，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44