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

    公开(公告)号:CN119067160A

    公开(公告)日:2024-12-03

    申请号:CN202411260746.6

    申请日:2024-09-10

    Applicant: 郑州大学

    Abstract: 本发明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。

    基于MAPPO和RLNC的无人机集群协作式数据传输方法

    公开(公告)号:CN118869145A

    公开(公告)日:2024-10-29

    申请号:CN202410896218.3

    申请日:2024-07-04

    Applicant: 郑州大学

    Abstract: 本发明提供了一种基于MAPPO和RLNC的无人机集群协作式数据传输方法,所述方法包括:每个无人机获取机器学习算法评估指标、无人机集群编码策略和环境参数,并对传输过程参数进行配置;每个无人机分别将无人机集群协作式数据传输问题定义为多主体分散部分可观测马尔可夫决策过程,设置无人机的观测空间、动作空间和奖励函数;基于无人机的观测空间等每个无人机分别对预先构建的神经网络模型进行训练,预先构建的神经网络模型采用改进后的多智能体近端策略优化算法;训练后,得到感知源数据包的无人机集群最佳编码策略。因此,本发明通过调整重点信息的传输,在保证感知数据的可靠性和时效性的前提下,尽可能提升服务器端基于传输数据的相关机器学习算法分析处理效率。

    一种基于深度学习的无人机集群优化部署方法及系统

    公开(公告)号:CN117615384A

    公开(公告)日:2024-02-27

    申请号:CN202311564761.5

    申请日:2023-11-22

    Applicant: 郑州大学

    Abstract: 本发明提供一种基于深度学习的无人机集群优化部署方法及系统,方法包括:(1)搭建无人机集群动态覆盖目标区域模型;(2)搭建无人机集群的地面单位移动模型;(3)构建MADDPG模型;(4)训练MADDPG模型;(5)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。本发明方法在部署无人机时,考虑使用无人机集群进行部署,提高了任务完成的效率;在模拟场景方面,考虑了地面用户移动的实际的动态场景,同时更加注重无人机集群在执行任务过程中对连通性的要求;将多智能体深度确定性策略梯度算法进行改进,针对该算法收敛慢的问题,对其内部网络结构进行简化,并提高了原算法的奖励值。

    基于人工蜂群算法的预测性维护任务卸载与资源分配方法

    公开(公告)号:CN117407174A

    公开(公告)日:2024-01-16

    申请号:CN202311564764.9

    申请日:2023-11-22

    Applicant: 郑州大学

    Abstract: 本发明提供了一种基于人工蜂群算法的预测性维护任务卸载与资源分配方法,包括:基于改进ABC算法的任务卸载方案:初始化雇佣蜂参数;雇佣蜂邻域搜索食物源;计算随机轮盘概率选择下一食物源;雇佣蜂和观察蜂交流信息,同时判断是否出现侦查蜂,若是,则利用遗传算法交叉变异重新生成蜂源后保存最优蜂源,否则直接保存最优蜂源;判断雇佣蜂搜索食物源轮数是否达到食物源数量,是则结束,否则返回;还包括:基于DDPG的资源分配方法:随机初始化Critic网络和Actor网络,蜂群,蜜蜂状态转换数据;生成资源分配方案;更新Critic和Actor目标网络;判断是否达到设置训练轮数,是则输出资源分配方案,否则返回。

    一种基于视频压缩域的多车测速方法

    公开(公告)号:CN113409588B

    公开(公告)日:2022-07-22

    申请号:CN202110673232.3

    申请日:2021-06-17

    Applicant: 郑州大学

    Abstract: 本发明提供了一种基于视频压缩域的多车测速方法,包括以下步骤:步骤1,从视频码流中提取运动矢量MV;步骤2,摄像头初始化;1)分析车道线与车道区域;2)计算用于像素实际距离和现实距离转化的单应性转换矩阵H;3)学习摄像头可分析的最大车速;步骤3,运动矢量MV预处理:清除不在车道区域中的运动矢量MV,只对车道区域中的非零运动矢量MV的宏块处理;时空域检测运动目标;步骤4,标记运动目标:分割不同车道线的车辆;合并目标框;步骤5,运动目标追踪;步骤6,计算速度:计算瞬时速度;设置停止线并计算平均速度。

    基于粒子群算法的异构无人机三维空间部署方法及设备

    公开(公告)号:CN113395706B

    公开(公告)日:2022-07-22

    申请号:CN202110675268.5

    申请日:2021-06-17

    Applicant: 郑州大学

    Abstract: 本发明提供一种基于粒子群算法的异构无人机三维空间部署方法及设备,利用多目标粒子群算法在目标区域内随机初始化粒子,每个粒子具有四维参数,包括异构无人机组中每个无人机的三维空间位置和无人机使用情况;利用多目标粒子群算法计算无人机三维位置的变化速度并更新无人机三维位置;基于离散二进制粒子群算法相结合,计算每个粒子的每个无人机使用情况的变化量并更新每个无人机使用情况;并在此基础上加入了遗传算法中的价差和变异操作,来防止粒子群优化过早的陷入局部最优解;通过多目标粒子群算法、离散二进制粒子群算法、遗传算法的结合解决了部署异构无人机需满足网络服务的问题。

Patent Agency Ranking