【技术实现步骤摘要】
本专利技术涉及地灾监测领域，更具体地说，涉及一种面向地灾监测的多智能体分布式在线负荷分割方法及系统。
技术介绍
1、近年来，随着智能体所需解决的问题愈发复杂，学者们从对单智能体的研究逐渐转换为对多智能体系统的研究。多智能体系统因其分布式、灵活性、自治性的特点，常被应用于环境监测、区域覆盖、无人搜救等场景。对于多智能体监测系统，如果事先知道各区域地灾分布信息，那么就可以很容易的为各个智能体进行任务分配。然而在实际应用中，因智能体感知范围有限，通常无法获取灾害事件发生概率的全局信息。因而，如何在灾害事件概率不确定的区域均等分配工作以尽可能提高监测质量是多智能体系统的一个重要研究方向。
技术实现思路
1、本专利技术的目的在于，提供一种面向地灾监测的多智能体分布式在线负荷分割方法及系统，能提高地灾监测质量。
2、本专利技术提供一种面向地灾监测的多智能体分布式在线负荷分割方法，包括以下步骤：s1：根据多智能体系统在地灾监测中的工作形式，利用清扫覆盖的基本原理，构建待监测区域的区域扫描覆盖数学模型；s2：根据区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，得到多智能体系统沿短边方向运动的动态坐标；s3：根据智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标；s4：根据智能体沿短边方向分区控制律和多智能体系统沿垂直短边方向运动的动态坐标，利用神经网络算法获取地灾分布概率信息。
3、进一步地，上述面向地灾监测的多智能体分布式在线负荷分割方法的步骤
4、lμ＝{q∈r2|q＝μ+lσ(θ),0≤l≤lb}
5、σ(θ)＝[cosθ,sinθ]t
6、pi＝(pix,piy)t
7、其中，lμ为与待监测区域d短边平行的线段，q代表待监测区域的地理位置坐标信息，μ为线段lμ在x轴上的端点坐标，l为lμ上待检测区域到μ的距离，σ(θ)为计算q坐标信息的一个辅助矩阵，θ为区域d长边与短边之间的夹角；pi表示第i个智能体位置，多智能体分布在lμ上，pix为第i个智能体在x轴上对应的坐标，piy为第i个智能体在y轴上对应的坐标。
8、进一步地，上述面向地灾监测的多智能体分布式在线负荷分割方法的步骤s2具体包括：根据区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，如公式：
9、ui＝mi-mi+1
10、
11、进而得到多智能体系统沿短边方向运动的动态坐标，如公式：
12、pi((k+1)t)＝pi(kt)+ui(kt)*t
13、其中，piy(kt)表示第i个智能体某时刻y轴坐标信息，pix((k+1)t)代表该智能体下一时刻y轴坐标信息；ui为沿lμ方向的分区控制律，在分区控制律的作用下，智能体连续调整其在lμ方向的位置；si-1,i表示pi-1和pi间的区域，ρ(x,y)为子区域地灾概率，mi(t)和mi表示智能体邻近区域累计地灾概率。
14、进一步地，上述面向地灾监测的多智能体分布式在线负荷分割方法的步骤s3具体包括：根据智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标，如公式：
15、pix((k+1)t)＝pix(kt)+v*t
16、其中，pix(kt)表示第i个智能体在某时刻x轴坐标信息，pix((k+1)t)代表该智能体下一时刻x轴坐标信息，该多智能体系统是从输入到状态稳定的；t为时间间隔，v为多智能体系统沿垂直短边方向运动的速度。
17、进一步地，上述面向地灾监测的多智能体分布式在线负荷分割方法的步骤s4具体包括：s41：将待检测区域划分预设数量的子区域，根据预设数量的子区域，按照地灾分布规律，得到标签向量；s42：利用标签向量和待检测区域的预设数量的子区域的坐标，训练神经网络，得到训练好的神经网络；s43：根据智能体沿短边方向分区控制律和多智能体系统沿垂直短边方向运动的动态坐标，利用训练好的神经网络，得到地灾分布概率信息。
18、本专利技术还提供一种系统，包括以下模块：扫描覆盖模型构建模块，配置为：根据多智能体系统在地灾监测中的工作形式，利用清扫覆盖的基本原理，构建待监测区域的区域扫描覆盖数学模型；短边方向分区控制律构建模块，配置为：根据区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，得到多智能体系统沿短边方向运动的动态坐标；垂直短边方向动态坐标获取模块，配置为：根据智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标；地灾分布概率获取模块，配置为：根据智能体沿短边方向分区控制律和多智能体系统沿垂直短边方向运动的动态坐标，利用神经网络算法获取地灾分布概率信息。
19、进一步地，上述系统的扫描覆盖模型构建模块具体配置为：根据多智能体系统在地灾监测中的工作形式，利用清扫覆盖的基本原理，构建区域扫描覆盖数学模型，如公式：
20、lμ＝{q∈r2|q＝μ+lσ(θ),0≤l≤lb}
21、σ(θ)＝[cosθ,sinθ]t
22、pi＝(pix,piy)t
23、其中，lμ为与待监测区域d短边平行的线段，q代表待监测区域的地理位置坐标信息，μ为线段lμ在x轴上的端点坐标，l为lμ上待检测区域到μ的距离，σ(θ)为计算q坐标信息的一个辅助矩阵，θ为区域d长边与短边之间的夹角；pi表示第i个智能体位置，多智能体分布在lμ上，pix为第i个智能体在x轴上对应的坐标，piy为第i个智能体在y轴上对应的坐标。
24、进一步地，上述系统的短边方向分区控制律构建模块具体配置为：根据区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，如公式：
25、ui＝mi-mi+1
26、
27、进而得到多智能体系统沿短边方向运动的动态坐标，如公式：
28、pi((k+1)t)＝pi(kt)+ui(kt)*t
29、其中，piy(kt)表示第i个智能体某时刻y轴坐标信息，pix((k+1)t)代表该智能体下一时刻y轴坐标信息；ui为沿lμ方向的分区控制律，在分区控制律的作用下，智能体连续调整其在lμ方向的位置；si-1,i表示pi-1和pi间的区域，ρ(x,y)为子区域地灾概率，mi(t)和mi表示智能体邻近区域累计地灾概率。
30、进一步地，上述系统的垂直短边方向动态坐标获取模块具体配置为：根据智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标，如公式：
31、pix((k+1)t)＝pix(kt)+v*t
32、其中，pix(kt)表示第i个智能体在某时刻x轴坐标信息，pix((k+1)t)代表该智能体下一时刻x轴坐标信息，该多智能体系统是从输入到状态稳定的；t为时间间隔，v为多智能体本文档来自技高网...
【技术保护点】
1.一种面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤S1具体包括：根据多智能体系统在地灾监测中的工作形式，利用清扫覆盖的基本原理，构建区域扫描覆盖数学模型，如公式：
3.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤S2具体包括：根据所述区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，如公式：
4.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤S3具体包括：根据所述智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标，如公式：
5.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤S4具体包括：
6.一种系统，其特征在于，所述系统包括以下模块：
7.根据权利要求6所述的一种系统，其特征在于，所述扫描覆盖模型构建模块具体配置为：根据多智能体系统在地灾监测中的工作形式，利
8.根据权利要求6所述的一种系统，其特征在于，所述短边方向分区控制律构建模块具体配置为：根据所述区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，如公式：
9.根据权利要求6所述的一种系统，其特征在于，所述垂直短边方向动态坐标获取模块具体配置为：根据所述智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标，如公式：
10.根据权利要求6所述的一种系统，其特征在于，所述地灾分布概率获取模块具体配置为：
...【技术特征摘要】
1.一种面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤s1具体包括：根据多智能体系统在地灾监测中的工作形式，利用清扫覆盖的基本原理，构建区域扫描覆盖数学模型，如公式：
3.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤s2具体包括：根据所述区域扫描覆盖数学模型，构建智能体沿短边方向分区控制律，如公式：
4.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割方法，其特征在于，步骤s3具体包括：根据所述智能体沿短边方向分区控制律，得到多智能体系统沿垂直短边方向运动的动态坐标，如公式：
5.根据权利要求1所述的面向地灾监测的多智能体分布式在线负荷分割...
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。