孔沛洋

【摘?要】近年來，無線傳感器網(wǎng)絡(luò)行業(yè)的快速增長對企業(yè)數(shù)據(jù)高速增長的應用程序產(chǎn)生了巨大影響。WSN中的大量數(shù)據(jù)需要捕獲。根據(jù)數(shù)據(jù)收集的類型，可以分為靜態(tài)數(shù)據(jù)收集和移動數(shù)據(jù)收集兩種類型。靜態(tài)數(shù)據(jù)收集意味著傳感器網(wǎng)絡(luò)中的節(jié)點通過一個自助收集的傳感器數(shù)據(jù)通過一個過大的躍點上傳到數(shù)據(jù)中心。移動數(shù)據(jù)收集是為監(jiān)控環(huán)境中的數(shù)據(jù)收集建立移動數(shù)據(jù)收集器。該無人機為在移動設(shè)備上收集傳感器設(shè)備提供了一種高效的方法，可用于地球上更大的無線傳感器網(wǎng)絡(luò)。

【關(guān)鍵詞】無人機;數(shù)據(jù)收集;路徑規(guī)劃

引言

近年來，得益于人工智能的飛速發(fā)展及計算機技術(shù)的顯著提升，無人機集群控制已成為軍事作戰(zhàn)任務(wù)的核心內(nèi)容。作為組隊協(xié)同的基本作戰(zhàn)模式，多無人機（UAVs）路徑規(guī)劃是無人機作戰(zhàn)的研究熱點與發(fā)展趨勢之一。在無人機集群協(xié)同執(zhí)行作戰(zhàn)任務(wù)前，根據(jù)不同目標位置有效且快速規(guī)劃出最佳航跡路線能夠縮短任務(wù)執(zhí)行時間、提高能源利用率和擴展活動空間范圍。

1無人機技術(shù)

一個是對環(huán)境的認識和感知。主要組成部分是提取環(huán)境特征和識別與無人機安全相關(guān)的目標。無人機的安全性和自主性通過自我感知和識別得到提高。二：共同任務(wù)調(diào)度和決策。尤其是通過感知環(huán)境、實現(xiàn)信息交互、規(guī)劃航跡、有效處理相關(guān)飛行干擾以及提高自主飛行決策能力的傳感器。三個是自主導航控件。今天的無人機主要配備了遙測技術(shù)，以便能夠在航空和當?shù)丨h(huán)境中進行精確導航。它們提供了高度精確的遠程定位，并為未來無人駕駛飛機的自主決策提供了良好的技術(shù)安全。四是智能集成。無人機教學的未來將包括更多的人工智能，使機器人能夠自主發(fā)展，獲得無人機飛行的智能。

2智能自主能力評價

隨著智能無人機的發(fā)展，智能無人機正朝著智能人道的方向發(fā)展，美軍根據(jù)無人機的智能性、個性化和自主性將智能無人機分為三個階段。第一種是半自主無人機，即半自主無人機，在電路階段需要飛行員識別和操作，其次是在電路階段具有一定敏感度的自主監(jiān)控動作，用于確定和解密感知信息，但在決策和操作時尚未完全自動化。最后，還有一些自主無人駕駛飛機，它們不需要處于電路中，從而能夠全面了解和分析環(huán)境，根據(jù)結(jié)果作出決策，并通過評估和相應地提高電路外無人駕駛飛機的質(zhì)量而相應地采取行動。

3全局路徑規(guī)劃

本文考慮了無人機數(shù)據(jù)采集過程中出現(xiàn)的能量限制和路徑規(guī)劃問題。無人機的能耗不僅與行駛時間、行駛速度有關(guān)，而且與風速、周圍障礙有關(guān)。將無人機路由算法分類為恒定速度、自適應速度無人機、最大瓦特數(shù)（HMS、懸停速度服務(wù)Time等）。本文采用HMS的轉(zhuǎn)發(fā)方法，其中無人機以恒定速度v在相應節(jié)點上移動，最長停留時間。圖1所示的系統(tǒng)模型是機器人無人機“ddepot”的啟動和結(jié)束。Ddepot處理無人機收集的數(shù)據(jù)并加載無人機，在地圖上隨機分布需要收集數(shù)據(jù)的傳感器節(jié)點，允許通過收斂算法隨機分布傳感器節(jié)點，并確定簇的中心坐標（圖1中的黑點）。無人駕駛飛機訪問此群集的順序問題可以建模為方向問題：選擇點和確定最短路徑（兩點）的組合。由于無人機在數(shù)據(jù)收集方面的能量限制，并非所有群集都得到服務(wù)。

4K-means++聚類算法

求解MPM模型的關(guān)鍵在于如何規(guī)劃每架無人機的路徑，要求以最佳劃分方式將所有發(fā)現(xiàn)目標劃分為m類，f函數(shù)將其最小化。K means of a group algorithm，unssupervised class ification（unssupervised class ification）中最常用的算法之一，簡單快捷，足以處理大量數(shù)據(jù)。該算法將相似的點分組到一個集群中，每個集群都用同一集群（cen troid）中所有點的平均值來描述。但是，K means算法的初始質(zhì)心是隨機確定的，大數(shù)據(jù)集上的收斂不穩(wěn)定，可能收斂到局部最小值。為此，本文采用K means聚類算法的K means + +變體來區(qū)分檢測目標。選擇第一個質(zhì)心時，K means++算法可確保質(zhì)心之間的距離盡可能遠，即選擇距離當前質(zhì)心最遠的點。第一個重心選取流程為：1）隨機選取目標點做為第一個形心C1。2）計算每個目標點與當前選定質(zhì)心之間的最短距離。3）根據(jù)車輪方法從樣例數(shù)據(jù)中選擇下一個質(zhì)心。這是所有目標點與選定質(zhì)心之間的最小距離的計算。距離越大，選擇點的可能性越大。4）確定質(zhì)心數(shù)是否為m。否則，請返回到步驟2。如果是這樣，則輸出所有原始質(zhì)心{C1，C2，ε，Cm}。指定第一個m形心后，將所有探測目標指定給相應的叢集，即計算每個目標點的Ti到m之間的距離，然后選取下一個形心。

5動態(tài)路徑規(guī)劃

在實踐中，由于工作環(huán)境的不確定性，飛行軌跡可能會出現(xiàn)動態(tài)障礙。本節(jié)介紹動態(tài)環(huán)境中無人機的路徑規(guī)劃和避免。當無人機正面出現(xiàn)障礙物時，無人機會遇到障礙物，因為傳統(tǒng)方法無法及時識別障礙物。無人機正面有一個方形障礙物。在這種情況下，傳感器會滾動以實時檢測環(huán)境中的障礙物，并向無人機發(fā)送有關(guān)障礙物的消息，以重新配置無人機的飛行路徑。新配置的飛行路線成功地繞過了障礙。本文由于采用滾動策略檢測無人機周圍的環(huán)境條件，因此該方法還可以在突然出現(xiàn)動態(tài)障礙后實時檢測和繞過UVAV的合理路徑。

6模型評價與改進

利用GIS強大的數(shù)據(jù)管理、分析和可視化功能，通過引入Pev策略，將單目標規(guī)劃中不確定的問題轉(zhuǎn)化為解決原始問題的有效方法。但是，該模型是一種基于許多假設(shè)的理想情景，在實踐中要復雜得多。實例大小越大，生成的搜索樹越多，計算時間也就越長。有兩個領(lǐng)域需要進行模式變革，以考慮到廣泛的影響因素，特別是經(jīng)濟和文化因素。采用智能優(yōu)化算法模型進一步研究了布局優(yōu)化的位置，擴大了研究范圍，驗證了模型的結(jié)果大小。

結(jié)束語

本文首先通過將鼠標指針放在網(wǎng)絡(luò)上進行深度定向?qū)W習，解決了機器人數(shù)據(jù)采集的全球路徑規(guī)劃問題，并對一系列機器人服務(wù)節(jié)點和序列的定向直接問題建模。然后，目標節(jié)點將根據(jù)目標節(jié)點的RSS提要通過dql查找出站機器人，并接近目標節(jié)點。dql提供比Q-Learning更好的延遲性能。最后通過仿真驗證了所提學習機制的有效性。

參考文獻：

[1]孫越林，呂熒.基于人工勢場的無人機航路規(guī)劃研究[J].艦船電子工程，2019，39（12）：52-53+82.

[2]張樂，袁鎖中，黃永康.連續(xù)障礙環(huán)境下無人機實時避障控制[J].電光與控制，2020，27（04）：6-10+14.

[3]饒安琪，楊小彤，謝忠良，邵漢欽.智慧城市建設(shè)中的無人機路徑規(guī)劃機制研究[A].中國通信學會、中國電子學會.物聯(lián)網(wǎng)與無線通信-2018年全國物聯(lián)網(wǎng)技術(shù)與應用大會論文集[C].中國通信學會、中國電子學會：中國通信學會，2018：5.

（作者單位：河南工學院計算機科學與技術(shù)學院）