一种基于改进粒子群算法的多无人机气体泄漏源定位方法

    公开(公告)号:CN113051665B

    公开(公告)日:2023-06-27

    申请号:CN202110320464.0

    申请日:2021-03-25

    Abstract: 本发明公开了一种基于改进粒子群算法的多无人机气体泄漏源定位方法,主要用于对气体泄漏源进行高效、精准的定位。该方法结合了人类心理学,使该方法更加智能化。人在越接近成功的时候会变得越谨慎。模仿人的心理,粒子在越靠近污染源时也会变得谨慎,放慢自己的速度,谨慎的移动。该方法在迭代初期采用基本粒子群算法,使粒子群在气体泄漏区域大范围的搜索。当有粒子超过阈值时开始进行分层迭代。将无人机的剩余电量与搜索到气体泄漏源的影响作为谨慎因子的衡量指标,在积极粒子层速度更新时加上谨慎因子,使粒子进行更细致的局部搜索,而在消极粒子层速度更新时加上积极粒子层的带动作用,提高了搜索效率,实现了对气体泄漏源高效的定位。

    一种基于改进教与学算法的多无人机大气污染源定位方法

    公开(公告)号:CN113640470B

    公开(公告)日:2023-01-24

    申请号:CN202110958125.5

    申请日:2021-08-20

    Abstract: 本发明公开了一种基于改进教与学算法的多无人机大气污染源定位方法,创新性的将多无人机群与改进教与学算法相结合,提出了一种个体能力值模型,采用了无人机电量、无人机飞行高度的稳定性、无人机搜索的污染源气体浓度值三个指标,用个体能力值替代了标准教与学算法中的随机学习步长,既增加了无人机个体的差异性,也巧妙的结合了教与学优化算法,使随机步长的选择更有依据性。并且在教与学算法的“学”阶段采用学员分班学习规则,使得在算法后期,学员能够迅速向强化班集体靠近,进行更加细致的搜索。提高了算法的搜索效率,实现了对大气污染源高效的定位。

    一种基于改进教与学和组优化算法的多气体源定位方法

    公开(公告)号:CN115526102A

    公开(公告)日:2022-12-27

    申请号:CN202211208991.3

    申请日:2022-09-30

    Abstract: 本发明公开了一种基于改进教与学和组优化算法的多气体源定位方法,为了弥补现有多气体源定位技术的不足,本发明创新性的将多无人机群与改进教与学和组优化算法结合,提出了改进教与学和组优化算法。在组方法中包括组形成、限制组大小、组合并、组解散操作,在评估无人机加入哪个组时考虑了距离和适应度,这有助于无人机在同时接收多个信号时有选择的加入组;限制组大小提高了无人机分配效率;组合并是当两个组的全局最佳位置的无人机的y位置坐标差小于侧风距离时进行合并,可以提升系统性能和避免局部冗余覆盖;考虑组解散,避免该组一直停留在已找到的气体源中。本方法在多气体污染源浓度场仿真实验中,高效地实现了多气体污染源的定位。

    一种基于深度学习的波状和漩滚涌潮同步识别方法

    公开(公告)号:CN115311511A

    公开(公告)日:2022-11-08

    申请号:CN202210480596.4

    申请日:2022-05-05

    Abstract: 本发明公开了一种基于深度学习的波状和漩滚涌潮同步识别方法。本发明针对现有涌潮观测方法无法对涌潮形态变化过程进行连续观测的问题,提出了波状和旋滚涌潮同步识别方法,创新性地将无人机观测平台与深度学习技术相结合并运用于涌潮观测领域。首先通过无人机在不同的河段拍摄不同潮期的涌潮图像来制作出涌潮形态的典型数据集,然后将数据集放入神经网络中进行训练,再将训练出来的模型部署在移动端设备上,最后通过移动端设备控制无人机飞至江面上方同步识别波状涌潮和旋滚涌潮,为涌潮形态变化过程的研究提供更加充分的基础数据支撑。该方法具有安全性高、操作方便、观测范围广、识别准确率高和处理速度快等特点。

    一种基于多无人机的涌潮潮头平面形态检测方法

    公开(公告)号:CN114897808A

    公开(公告)日:2022-08-12

    申请号:CN202210480518.4

    申请日:2022-05-05

    Abstract: 本发明公开了一种基于多无人机的涌潮潮头平面形态检测方法。本发明针对现有涌潮观测中单无人机作业存在的涌潮拍摄范围有限、无法覆盖和检测涌潮形态全貌等问题,设计了一种基于多无人机的涌潮潮头平面形态检测方法,构建了由多旋翼无人机模块、云台相机模块、板载计算机模块NUC、飞控模块、自组网模块和地面站模块组成的多无人机自组网的钱塘江涌潮协同拍摄平台。云台相机将拍摄的图像传给NUC,NUC首先运行拼接算法,将图像进行同步拼接,然后运行跟踪算法,实时保持动态涌潮跟踪。借助于多无人机摄影测量的涌潮观测方法,能够在大尺度范围内连续跟踪观测涌潮。该方法具有工作效率高、安全性高、方便快捷、可连续观测以及涌潮覆盖范围大等优势。

    一种无人机气体污染物溯源算法仿真平台的构建方法

    公开(公告)号:CN114117646A

    公开(公告)日:2022-03-01

    申请号:CN202111488278.4

    申请日:2021-12-08

    Inventor: 邓琴 丁涛 刘振国

    Abstract: 本发明公开了一种无人机气体污染物溯源算法仿真平台的构建方法,包括:在Unreal Engine 4中搭建仿真场景、在场景中添加自定义无人机模型、在Matlab中搭建气体污染物浓度场并导入到场景中、在Python中写入溯源算法并调用AirSim的API接口接收算法输出的位置信息控制无人机、进行溯源算法验证测试。本发明为无人机溯源算法的研究提供了仿真环境,搭建了带有浓度场的三维仿真平台,模拟了无人机在近似真实场景中飞行的物理过程和溯源效果,验证溯源算法的可行性,并通过多种方案的仿真对溯源算法的参数进行优化,从而减少室内和室外溯源实验的成本,提高了溯源算法测试的效率。

    一种基于改进天牛须搜索算法的多气体污染源定位方法

    公开(公告)号:CN115524447A

    公开(公告)日:2022-12-27

    申请号:CN202211076595.X

    申请日:2022-09-05

    Abstract: 本发明公开了一种基于改进天牛须搜索算法的多气体污染源定位方法,为了弥补现有多气体源定位技术的不足,本发明创新性的将多无人机群与改进天牛须搜索算法结合,提出了一种基于改进天牛须搜索算法的多气体污染源定位方法。在组方法中包括组形成、限制组大小、组合并、组解散,在评估无人机加入哪个组时考虑距离和适应度,有助于无人机在同时接收多个信号时有选择的加入组;限制组大小提高了无人机分配效率;组合并是当两个组的全局最佳位置的无人机的y位置坐标差小于侧风距离时合并,可以提升系统性能和避免局部冗余;考虑组解散,避免该组一直停留在已找到的气体源中。本方法在多气体污染源浓度场仿真实验中,高效地实现了多气体污染源的定位。

    一种基于改进粒子群算法的多无人机气体泄漏源定位方法

    公开(公告)号:CN113051665A

    公开(公告)日:2021-06-29

    申请号:CN202110320464.0

    申请日:2021-03-25

    Abstract: 本发明公开了一种基于改进粒子群算法的多无人机气体泄漏源定位方法,主要用于对气体泄漏源进行高效、精准的定位。该方法结合了人类心理学,使该方法更加智能化。人在越接近成功的时候会变得越谨慎。模仿人的心理,粒子在越靠近污染源时也会变得谨慎,放慢自己的速度,谨慎的移动。该方法在迭代初期采用基本粒子群算法,使粒子群在气体泄漏区域大范围的搜索。当有粒子超过阈值时开始进行分层迭代。将无人机的剩余电量与搜索到气体泄漏源的影响作为谨慎因子的衡量指标,在积极粒子层速度更新时加上谨慎因子,使粒子进行更细致的局部搜索,而在消极粒子层速度更新时加上积极粒子层的带动作用,提高了搜索效率,实现了对气体泄漏源高效的定位。

    一种基于群体分配的多未知目标定位方法

    公开(公告)号:CN115372565A

    公开(公告)日:2022-11-22

    申请号:CN202211072713.X

    申请日:2022-09-02

    Abstract: 本发明创造性地将多无人机群体分配与改进海鸥算法相结合,公开了一种基于群体分配的多未知目标定位方法。相对于传统的依赖固定传感器网络或地面移动机器人的溯源方法,本发明以无人机集群作为气体泄漏的溯源平台,具有成本低、搜索范围广、灵活性强和溯源效率高等优点。基于群体分配的多未知目标定位方法,相比于改进海鸥算法,具有如下创新性:组形成根据距离和适应度来评估无人机加入哪个组,有助于无人机有选择的加入组;限制组大小提高了无人机分配效率;组合并操作可以提升系统性能和避免局部冗余覆盖。本方法在多气体污染源浓度场仿真实验中,高效地实现了多气体污染源的定位。

    一种基于改进教与学算法的多无人机大气污染源定位方法

    公开(公告)号:CN113640470A

    公开(公告)日:2021-11-12

    申请号:CN202110958125.5

    申请日:2021-08-20

    Abstract: 本发明公开了一种基于改进教与学算法的多无人机大气污染源定位方法,创新性的将多无人机群与改进教与学算法相结合,提出了一种个体能力值模型,采用了无人机电量、无人机飞行高度的稳定性、无人机搜索的污染源气体浓度值三个指标,用个体能力值替代了标准教与学算法中的随机学习步长,既增加了无人机个体的差异性,也巧妙的结合了教与学优化算法,使随机步长的选择更有依据性。并且在教与学算法的“学”阶段采用学员分班学习规则,使得在算法后期,学员能够迅速向强化班集体靠近,进行更加细致的搜索。提高了算法的搜索效率,实现了对大气污染源高效的定位。

Patent Agency Ranking