一种基于云端的接收机参数远程控制系统技术方案

技术编号:37127709 阅读:15 留言:0更新日期:2023-04-06 21:26
本发明专利技术涉及一种基于云端的接收机参数远程控制系统,属于导航定位与远程控制领域,解决了现有技术中接收机无法区分用户角色及操作权限,用户无法对接收机一对多管理且操作受物理距离限制,参数配置缺少检校系统等问题。该系统包括用户云端配置客户端、网络云服务器端、参数检校服务端与接收机终端;用户登录所述用户云端配置客户端查看、管理和配置接收机;所述网络云服务器端存储配置参数信息并发送至所述参数检校服务端;所述参数检校服务端将接收机预测状态参数与实时状态参数的比对结果通过所述网络云服务器反馈至所述用户云端配置客户端,由用户确定最终配置参数信息;所述参数检校服务端将最终配置参数信息保存并下发至所述接收机终端。并下发至所述接收机终端。并下发至所述接收机终端。

【技术实现步骤摘要】
一种基于云端的接收机参数远程控制系统


[0001]本专利技术涉及导航定位与远程控制领域,尤其涉及一种基于云端的接收机参数远程控制系统。

技术介绍

[0002]随着我国北斗三号全球卫星导航系统正式开通,高精度多频多模的接收机被广泛应用于测量、自动驾驶等行业。为保证系统高效运行及低功耗的需求,接收机的设计体积通常较小,大多不提供可视化人工交互界面。同时,接收机作为基站多部署在野外,无人值守但需要连续运行与监控,而大规模用户群体管理大集群的接收机时只能进行“一对一”远程参数控制,需要耗费较大的人力物力,缺乏操作及管理的便捷性,在一定程度限制了北斗高精度定位导航技术的发展与推广。另外,现行接收机操作系统的配置需要通过蓝牙或USB串口线将接收机与个人手机或电脑连接,通过安装驱动后输入命令行参数的方法来实现。
[0003]由此可见,现有技术存在的问题包括:接收机无法区分用户角色,对操作权限没有限制;用户在操作时必须和接收机在同一局域网或有限距离内完成,限制了操作实现的物理距离;操作人员需要记忆大量的控制命令,因而容易出错;传统批量配置接收机的方法在大规模用户群体对名下接收机进行远程配置时仅能实现一对一远程配置无法实现对多台接收机的配置,并且缺乏参数校验系统,一旦配置错误或被黑客入侵修改,对接收机造成损害,抢修设备将耗时耗力。

技术实现思路

[0004]鉴于上述的分析,本专利技术旨在提供一种基于云端的接收机参数远程控制系统,用以解决现有的接收机参数配置系统无法实现参数校验、远程配置无法实现对多台接收机进行配置的缺陷。
[0005]本专利技术旨在提供一种基于云端的接收机参数远程控制系统,包括:用户云端配置客户端、网络云服务器端、参数检校服务端与接收机终端;
[0006]所述用户云端配置客户端为用户提供可视化交互的方式查看和配置接收机的状态参数,并将配置参数信息及被配置的接收机SN码上传至所述网络云服务器端;
[0007]所述网络云服务器端存储所述配置参数信息,并将所述配置参数信息发送至所述参数检校服务端;
[0008]所述参数检校服务端通过人工智能强化学习模型预测配置参数信息对应的接收机预测状态参数,并与接收机的实时状态参数进行比对,并将接收机的预测状态参数、实时状态参数以及比对结果通过所述网络云服务器反馈至所述用户云端配置客户端,用户基于所述比对结果判断是否修改所述配置参数信息,并对最终的配置参数信息进行确认,所述参数检校服务端将所述最终的配置参数信息进行保存并下发至所述接收机终端。
[0009]基于上述方法的进一步改进,所述用户云端配置客户端可为基于Web网页的可视化参数配置页面、微信小程序以及APP。
[0010]基于上述方法的进一步改进,用户登录所述用户云端配置客户端后,通过接收机的SN码识别对应的接收机,并将用户需要管理的接收机加入设备群组;每一个用户都对应一个设备群组。
[0011]基于上述方法的进一步改进,所述人工智能强化学习模型为Q学习模型,采用如下方式对所述Q学习模型进行训练:
[0012]S11、参数检校服务端接收用户输入的配置参数信息,通过Q学习模型预测接收机的预测状态S

,同时所述参数校验服务端对接收机的实时状态S进行提取;
[0013]S12、所述参数检校服务端将状态S

与状态S的参数信息进行比对,若状态S

的误差增加则参数变更行为的回报为负值;反之,回报为正值;
[0014]S13、根据回报值对价值函数Q进行更新,返回步骤S11直至价值函数Q收敛。
[0015]基于上述方法的进一步改进,所述人工智能强化学习模型为Q学习模型;所述接收机定时向所述参数检校服务端上传实时的配置参数信息以及状态参数信息,所述参数检校服务端利用所述接收机定时上传的配置参数信息以及状态参数信息对所述Q学习模型进行训练。
[0016]基于上述方法的进一步改进,通过如下公式更新所述价值函数Q:
[0017][0018]其中α表述学习效率,取值0

1,决定Q值的更新率,R
t
表示处于状态S
t
时采取动作A
t
得到的回报,γ表示折扣因子,其取值范围为0.5

0.99,状态S
t
表示第t次迭代时接收机实时状态,动作A
t
表示第t次迭代时用户配置参数信息,Q*(S
t
,A
t
)为获得的最大预期回报。
[0019]基于上述方法的进一步改进,所述参数检校服务端预先存储有接收机正常工作时的状态参数范围,当接收机定时上报的状态参数信息中参数值不在所述正常工作时的参数范围时,向所述用户云端配置客户端发出告警信息。
[0020]基于上述方法的进一步改进,所述接收机终端包括GNSS定位模块、嵌入式开发板、4G/5G模组、Internet网口以及本地存储器;所述嵌入式开发板通过所述4G/5G模组或Internet网口与所述参数校验服务端通信连接,用于接收参数校验服务端下发的配置参数,并将所述配置参数下发给GNSS定位模块和本地存储器;GNSS定位模块将接收机的实时配置参数和状态参数发送至嵌入式开发板,嵌入式开发板通过所述4G/5G模组或Internet网口将所述实时配置参数和状态参数发送至参数校验服务端。
[0021]基于上述方法的进一步改进,所述参数校验服务端将接收机定时上传的实时配置参数信息以及状态参数信息上报至所述网络云服务端;所述网络云服务器端设置有与每个接收机SN码相对应的数据库,用于存储每个接收机的状态参数、配置参数以及配置参数变化标记。
[0022]基于上述方法的进一步改进,所述接收机开机联网后,通过参数检校服务端向所述网络云服务器端发送get命令,获取变化后的配置参数,对接收机进行配置。
[0023]与现有技术相比,本专利技术至少可实现如下有益效果之一:用户可以通过可视化人工交互界面远程登录,将管理的接收机设备加入设备群组从而实现每一个用户都对应一个设备群组,同时管理多台接收机;参数检校服务端通过人工智能强化学习模型预测当前配置参数对应的状态参数,并与当前接收机的实时状态参数进行对比,并将比对结果发送至
客户端,用户基于所述比对结果判断是否修改所述配置参数信息,并对最终的配置参数信息进行确认,从而能够避免配置参数错误导致的接收机损害和故障;另外,参数检校服务端定时对Q学习模型进行训练,保证模型的预测精度;参数检校服务端针对接收机定时上报的超出范围的状态参数信息,能够向用户发出告警信息,及时提醒用户发现故障并作出反应。
附图说明
[0024]图1是本专利技术一个实施例中接收机参数远程控制系统结构示意图;
[0025]图2是本专利技术一个实施例中接收机参数配置流程图。
具体实施方式
[0026]下面结合附图来具体描述本专利技术的优选实施例,其中,附图构成本申请的一部分,并与本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于云端的接收机参数远程控制系统,其特征在于,所述系统包括:用户云端配置客户端、网络云服务器端、参数检校服务端与接收机终端;所述用户云端配置客户端为用户提供可视化交互的方式查看和配置接收机的状态参数,并将配置参数信息及被配置的接收机SN码上传至所述网络云服务器端;所述网络云服务器端存储所述配置参数信息,并将所述配置参数信息发送至所述参数检校服务端;所述参数检校服务端通过人工智能强化学习模型预测配置参数信息对应的接收机预测状态参数,并与接收机的实时状态参数进行比对,并将接收机的预测状态参数、实时状态参数以及比对结果通过所述网络云服务器反馈至所述用户云端配置客户端,用户基于所述预测状态参数、实时状态参数以及比对结果判断是否修改所述配置参数信息,并对最终的配置参数信息进行确认,所述参数检校服务端将所述最终的配置参数信息进行保存并下发至所述接收机终端。2.根据权利要求1所述的一种基于云端的接收机参数远程控制系统,其特征在于,所述用户云端配置客户端可为基于Web网页的可视化参数配置页面、微信小程序以及APP。3.根据权利要求2所述的一种基于云端的接收机参数远程控制系统,其特征在于,用户登录所述用户云端配置客户端后,通过接收机的SN码识别对应的接收机,并将用户需要管理的接收机加入设备群组;每一个用户都对应一个设备群组。4.根据权利要求3所述的一种基于云端的接收机参数远程控制系统,其特征在于,所述人工智能强化学习模型为Q学习模型,采用如下方式对所述Q学习模型进行训练:S11、参数检校服务端接收用户输入的配置参数信息,通过Q学习模型预测接收机的预测状态S

,同时所述参数校验服务端对接收机的实时状态S进行提取;S12、所述参数检校服务端将状态S

与状态S的参数信息进行比对,若状态S

的误差增加则参数变更行为的回报为负值;反之,回报为正值;S13、根据回报值对价值函数Q进行更新,返回步骤S11直至价值函数Q收敛。5.根据权利要求3所述的一种基于云端的接收机参数远程控制系统,其特征在于,所述人工智能强化学习模型为Q学习模型;所述接收机定时向所述参数检校服务端上传实时的配置参数信息以及状态参数信息,所述参数检校服务端利用所述接收机定时上传的配置参数信...

【专利技术属性】
技术研发人员:任宇飞王亮亮孟庆波王晨旭王薇薇张传义侯福荣邱立杰韦永僧邢蕾薄涵文孟德强
申请(专利权)人:齐鲁空天信息研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1