一种基于无人机集群和深度学习算法的地面自动监测站的数据采集方法及装置制造方法及图纸

本发明专利技术提出了一种基于无人机集群和深度学习算法的地面自动监测站的数据采集方法及装置，方法包括：搭建无人机集群采集地面自动监测站数据模型；搭建无人机集群采集移动模型；构建MADDPG模型；训练MADDPG模型；将训练结束后得到的收敛之后的奖励值、覆盖率、服务地面用户时间，根据需要应用到实际场景中。本发明专利技术在收集地面自动监测站数据时，考虑使用无人机集群部署自组织网络，使得采集的地面自动监测站数据有更高的时效性的同时减少能量消耗。在模拟场景方面，考虑了无人集群协作完成地面自动监测站数据采集更加实际的场景，更加注重无人机集群配合完成任务和无人机集群在执行任务过程中对数据AoI的要求。

【技术实现步骤摘要】

本专利技术属于环境地面自动监测站部署领域，尤其涉及一种基于无人机集群和深度学习算法的地面自动监测站的数据采集方法及装置。

技术介绍

1、随着人们对环境保护意识的日益增强，越来越重视获取准确且及时的环境数据。及时且有效地收集环境中部署的地面自动监测站的数据，不仅可以了解生态系环境信息，还有助于制定有效的环境管理策略。现有的对生态指标监测多为人工对野外站点进行数据采集，既耗费巨大人力物力又影响数据时效性，且野外采集也具有一定危险性。随着物联网技术与人工智能的快速发展，无人设备可代替人工感知环境信息进行自主决策和任务规划。使用无人机集群在生态区域中对地面自动监测站点进行数据采集，不仅节约人力成本而且提高了数据收集效率。最后无人机集群将收集到的数据通过卫星传入服务器。

2、在考虑到对无人机集群进行控制时，深度强化学习得到了广泛的应用。在无人机集群调度方案中，通常将单个无人机作为一个智能体。maddpg(multi-agent deepdeterministic policy gradient)是一种多智能体强化学习算法，它是基于ddpg(deepdet本文档来自技高网...

【技术保护点】

1.一种MADDPG模型，其特征在于：每个作为代理的智能体的内部网络为Actor-Critic结构；

2.一种基于无人机集群和深度学习算法的地面自动监测站的数据采集方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的基于无人机集群和深度学习算法的地面自动监测站的数据采集方法，其特征在于，步骤(1)中，对于各个参数的具体设定如下：

4.根据权利要求3所述的基于无人机集群和深度学习算法的地面自动监测站的数据采集方法，其特征在于，步骤(2)中，各重要数据的计算如下：

5.一种基于无人机集群和深度学习算法的地面自动监测站的数据采集装置，其特征...

【技术特征摘要】

1.一种maddpg模型，其特征在于：每个作为代理的智能体的内部网络为actor-critic结构；

2.一种基于无人机集群和深度学习算法的地面自动监测站的数据采集方法，其特征在于，包括以下步骤：

3.根据权利要求2所述的基于无人机集群和深度学习算法的地面自动监测站的数据采集方法，其特征在于，步骤(1)中，对于各个参数的具体设定如下：

4.根据权利要求3所述的基于...

【专利技术属性】
技术研发人员：张博，郭恒朋，高明，纪方恒，晁梁琛，范斯喆，
申请(专利权)人：郑州大学，
类型：发明
国别省市：