【技术实现步骤摘要】
一种无人机在数据收集过程中的路径规划方法
[0001]本专利技术涉及无人机数据收集
，尤其涉及一种无人机在数据收集过程中的路径规划方法。
技术介绍
[0002]无线传感器网络中存在大量的数据需要被收集，根据收集方式的不同，可将其划分为两种类型，静态数据收集和移动数据收集。静态数据收集是指传感器网络中的节点通过自组网，将自身采集的传感器数据经过多跳上传到数据中心。移动数据收集是指在被监测环境中设置一个可移动的数据收集器进行数据收集。针对部署在地表交通困难的大规模无线传感网络，无人机提供了一种有效的方式对传感器设备移动式的进行数据辅助收集。与静态数据收集方法相比，基于无人机的移动数据收集可以显著降低数据传输的能耗，减少多跳间数据路由中存在的隐藏终端及其发送冲突问题带来的射频干扰，并有效延长了网络的使用寿命。无人机数据收集克服了地面数据采集的局限性，但仍然有一些关键的问题需要解决。具体而言，无人机数据收集包括网络节点部署、节点定位、锚点搜索、无人机路径规划、网络数据采集五个部分，其中，无人机最致命的缺点是续航时间短，其能耗问...
【技术保护点】
【技术特征摘要】
1.一种无人机在数据收集过程中的路径规划方法，其特征在于，包括步骤：(1)无人机系统模型S1：建立物联网数据收集的无人机系统模型；无人机系统模型包括一架无人机、一个无人机服务站和通过无人机收集数据的多个节点，无人机一次只能服务一个节点；(2)全局路径规划S2：以最大化数据收集的奖励值以及最小化无人机的飞行路径为目标，构建无人机的全局路径规划问题模型；S3：采用指针网络深度学习模型对所述全局路径规划问题模型进行求解，得到在无人机能量约束下的服务节点集合及服务顺序；(3)局部路径规划S4：设定无人机以固定高度飞行，只考虑二维平面运动，并将无人机的运动方向均分为8个方向；S5：基于目标节点的参考信号强度和无人机与目标节点的水平距离，通过深度Q网络学习对无人机的局部飞行路径进行规划，使无人机逼近步骤S3得到的节点集合中的各节点位置并服务各节点。2.如权利要求1所述的一种无人机在数据收集过程中的路径规划方法，其特征在于，所述步骤S2具体包括步骤：S21：通过聚类算法对随机分布的节点进行分簇，并得到簇的中心坐标；S22：令S∈{1,2,
…
,K}表示簇的集合，其中K表示簇的数目，第k个簇的奖励值表示为p
k
，簇i的中心坐标到簇j的中心坐标的距离表示为dist
i,j
，l
i,j
表示簇i和簇j之间是否有路径，有路径则l
i,j
＝1，没路径则l
i,j
＝0，l
depot,j
、l
i,depot
、l
i,s
、l
s,j
与l
i,j
同理，s表示被服务的簇，depot表示无人机服务站，构建全局路径规划问题模型：s.t.N＝Kδ(0≤δ≤1)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)(2)其中，目标函数(1)表示最大化数据收集的奖励值，并且最小化无人机的飞行路径；约束(2)表示无人机可服务簇的份额；约束(3)表示无人机的起点和终点均为无人机服务站D
depot
；约束(4)表示每个簇最多被服务一次；第k个簇的奖励值p
k
设置为：其中，I
k
表示第k个簇内所有节点存储数据的总和，dist
0,k
表示无人机服务站D
depot
到第k个簇的距离，dist
0,j
表示无人机服务站D
depot
到簇j之间的距离。3.如权利要求2所述的一种无人机在数据收集过程中的路径规划方法，其特征在于，所
述步骤S3具体包括步骤：S31：构建指针网络深度学习模型与主动搜索策略相结合的求解模型；S32：基于无人机系统模型组建源输入序列；S33：将所述源输入序列输入至所述求解模型中进行求解，得到在无人机能量约束下、包括服务节点集合及服务顺序的输出序列。4.如权利要求3所述的一种无人机在数据收集过程中的路径规划方法，其特征在于：步骤S31中所述指针网络深度学习模型包括编码器和解码器；所述编码器使用长短期记忆网络记为LSTM
‑
e网络，所述解码器使用长短期记忆网络记为LSTM
‑
d网络；所述编码器进行编码的步骤包括：1)将源输入序列经过K+1步依次输送至LSTM
‑
e网络，得到每一步输入所对应的LSTM
‑
e网络状态；2)当源输入序列输入完毕之后，将得到的隐藏层状态进行编码后输入到所述解码器；所述解码器进行解码的步骤包括：1)计算出LSTM
‑
d网络的隐藏层状态；2)由LSTM
‑
e网络的隐藏层状态和LSTM
‑
d网络的隐...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。