【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及無(wú)人設(shè)備綜合管理，具體為一種無(wú)人設(shè)備綜合管理方法。
技術(shù)介紹
1、無(wú)人設(shè)備技術(shù)的發(fā)展，無(wú)人機(jī)、無(wú)人車、無(wú)人船等在多領(lǐng)域得到廣泛應(yīng)用，如物流配送、巡檢監(jiān)控、農(nóng)業(yè)作業(yè)等，而現(xiàn)有的無(wú)人設(shè)備管理方法存在不足之處，無(wú)法充分滿足復(fù)雜環(huán)境和多樣化任務(wù)的需求，具體體現(xiàn)在以下方面：
2、現(xiàn)有的無(wú)人設(shè)備管理系統(tǒng)多依賴于傳統(tǒng)的決策算法，其算法在處理多設(shè)備間的關(guān)系和相互作用時(shí)效率較低，且容易產(chǎn)生孤立決策，導(dǎo)致設(shè)備間協(xié)作和協(xié)調(diào)不暢，增加誤差和沖突的風(fēng)險(xiǎn)；
3、傳統(tǒng)的任務(wù)分配方法通常基于固定規(guī)則或簡(jiǎn)單算法，無(wú)法動(dòng)態(tài)考慮任務(wù)的緊急性、設(shè)備的能力和當(dāng)前負(fù)載等因素，導(dǎo)致任務(wù)分配的靈活性和準(zhǔn)確性不足；
4、在多設(shè)備協(xié)同工作時(shí)，資源爭(zhēng)用問(wèn)題顯得尤為突出，現(xiàn)有方法在解決資源爭(zhēng)用時(shí)通常采用簡(jiǎn)單的優(yōu)先級(jí)策略或固定分配方法，未能充分利用資源，導(dǎo)致資源利用率低，甚至造成資源浪費(fèi)；
5、現(xiàn)有無(wú)人設(shè)備管理系統(tǒng)在決策過(guò)程中缺乏自適應(yīng)能力，難以在不同環(huán)境和任務(wù)中保持高效的決策水平，系統(tǒng)無(wú)法自我學(xué)習(xí)和調(diào)整，導(dǎo)致在面對(duì)復(fù)雜和動(dòng)態(tài)變化的環(huán)境時(shí)，決策的智能化和適應(yīng)性不足。
6、因此，本領(lǐng)域技術(shù)人員提供一種無(wú)人設(shè)備綜合管理方法，以解決上述
技術(shù)介紹
中提出的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的不足，本專利技術(shù)提供一種無(wú)人設(shè)備綜合管理方法，以解決上述
技術(shù)介紹
中提出的問(wèn)題。
2、為實(shí)現(xiàn)以上目的，本專利技術(shù)通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：一種無(wú)人設(shè)備綜合管理方法，包括如下步
3、s1、在無(wú)人設(shè)備上安裝各類傳感器以采集運(yùn)行數(shù)據(jù)；
4、s2、安裝通信模塊，將實(shí)時(shí)采集的數(shù)據(jù)上傳至云端數(shù)據(jù)中心；
5、s3、在云端數(shù)據(jù)中心對(duì)采集的數(shù)據(jù)進(jìn)行清洗，去除噪聲，以提取有效特征，且使用訓(xùn)練數(shù)據(jù)集訓(xùn)練機(jī)器學(xué)習(xí)模型；
6、s4、基于圖神經(jīng)網(wǎng)絡(luò)的決策優(yōu)化，構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型，處理無(wú)人設(shè)備間的關(guān)系和相互作用；
7、s5、基于模糊邏輯的動(dòng)態(tài)任務(wù)分配，設(shè)計(jì)模糊邏輯系統(tǒng)，根據(jù)任務(wù)緊急性、設(shè)備能力和負(fù)載的參數(shù)進(jìn)行任務(wù)分配；
8、s6、基于博弈論的資源爭(zhēng)用優(yōu)化，構(gòu)建博弈論模型，解決無(wú)人設(shè)備間的資源爭(zhēng)用問(wèn)題；
9、s7、基于自適應(yīng)強(qiáng)化學(xué)習(xí)的決策算法，定義狀態(tài)空間、動(dòng)作空間和獎(jiǎng)勵(lì)函數(shù)，構(gòu)建強(qiáng)化學(xué)習(xí)環(huán)境，且在實(shí)際運(yùn)行中，實(shí)時(shí)采集新數(shù)據(jù)，動(dòng)態(tài)調(diào)整和更新強(qiáng)化學(xué)習(xí)模型；
10、s8、通過(guò)無(wú)人設(shè)備攝像頭采集圖像數(shù)據(jù)，且使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像數(shù)據(jù)的實(shí)時(shí)分析和識(shí)別，將圖像識(shí)別結(jié)果作為輔助信息，傳輸至控制系統(tǒng)中，用于指導(dǎo)無(wú)人設(shè)備避障和任務(wù)執(zhí)行；
11、s9、開發(fā)基于web和移動(dòng)端的用戶界面，展示設(shè)備的實(shí)時(shí)運(yùn)行狀態(tài)和歷史數(shù)據(jù)，且界面支持語(yǔ)音輸入和手勢(shì)控制，用戶可通過(guò)語(yǔ)音指令或手勢(shì)操作對(duì)無(wú)人設(shè)備進(jìn)行控制和調(diào)度。
12、優(yōu)選的，所述s1步驟中，安裝在無(wú)人設(shè)備上的傳感器會(huì)實(shí)時(shí)采集各種運(yùn)行數(shù)據(jù)，為系統(tǒng)化地表示傳感器數(shù)據(jù)采集過(guò)程，可通過(guò)以下的公式：
13、傳感器數(shù)據(jù)采集公式：假設(shè)在時(shí)間點(diǎn)t，無(wú)人設(shè)備上有n組傳感器，各傳感器i采集的數(shù)據(jù)為，則在時(shí)間t時(shí)刻，傳感器采集的數(shù)據(jù)集合表示為：
14、，
15、數(shù)據(jù)采集頻率：傳感器數(shù)據(jù)采集的頻率可用采樣周期表示，傳感器在各采樣周期內(nèi)進(jìn)行數(shù)據(jù)采集，若傳感器i的采樣頻率為，則采樣周期為：
16、，
17、傳感器數(shù)據(jù)模型：傳感器采集的物理量可受到環(huán)境噪聲和干擾的影響，采集到的數(shù)據(jù)可表示為真實(shí)信號(hào)和噪聲的疊加：
18、，
19、其中，是傳感器i在時(shí)間t采集到的真實(shí)信號(hào)，是傳感器i在時(shí)間t采集過(guò)程中受到的噪聲；
20、數(shù)據(jù)傳輸：采集的數(shù)據(jù)通過(guò)通信模塊實(shí)時(shí)上傳至云端數(shù)據(jù)中心，數(shù)據(jù)傳輸?shù)膸捄脱舆t是關(guān)鍵參數(shù)，可表示為：
21、假設(shè)在時(shí)間t時(shí)刻傳輸?shù)臄?shù)據(jù)為，則傳輸時(shí)間為：
22、，
23、其中，為寬帶，為延遲。
24、優(yōu)選的，所述s3步驟中，數(shù)據(jù)清洗包括去除噪聲和處理缺失值；
25、所述去除噪聲使用移動(dòng)平均濾波器進(jìn)行平滑處理，其算法公式：
26、，
27、其中，是窗口大小，是第i個(gè)傳感器在時(shí)間t的原始數(shù)據(jù)；
28、所述處理缺失值使用插值法處理缺失數(shù)據(jù)，其算法公式：
29、，
30、其中，和是非缺失數(shù)據(jù)點(diǎn)的時(shí)間戳。
31、優(yōu)選的，所述s3步驟中，特征提取包括時(shí)間域特征和頻域特征；
32、所述特征向量f的算法公式：
33、，
34、所述頻域特征通過(guò)傅里葉變換提取頻域特征，其算法公式：
35、，
36、所述時(shí)間域特征的算法公式：
37、，
38、，
39、其中，為均值，為方差。
40、優(yōu)選的，所述s4步驟中，基于圖神經(jīng)網(wǎng)絡(luò)的決策優(yōu)化，圖神經(jīng)網(wǎng)絡(luò)決策模型計(jì)算公式：
41、，
42、其中，圖神經(jīng)網(wǎng)絡(luò)模型，設(shè)備i的特征向量，設(shè)備i和j間的連接向量；
43、所述s5步驟中，基于模糊邏輯的動(dòng)態(tài)任務(wù)分配，模糊任務(wù)分配函數(shù)計(jì)算公式：
44、，
45、其中，任務(wù)緊急評(píng)分，設(shè)備的能力評(píng)分，設(shè)備的負(fù)載，模糊邏輯系統(tǒng)。
46、優(yōu)選的，所述s6步驟中，基于博弈論的資源爭(zhēng)用優(yōu)化，博弈論優(yōu)化函數(shù)計(jì)算公式：
47、，
48、其中，第i個(gè)設(shè)備的資源，第i個(gè)任務(wù)的需求，博弈論模型；
49、所述基于自適應(yīng)強(qiáng)化學(xué)習(xí)的決策算法，強(qiáng)化學(xué)習(xí)決策函數(shù)計(jì)算公式：
50、，
51、其中，環(huán)境狀態(tài)，執(zhí)行的決策動(dòng)作，決策的獎(jiǎng)勵(lì)值，強(qiáng)化學(xué)習(xí)策略。
52、優(yōu)選的，所述s8步驟中，使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行圖像特征提取和分類，其算法公式：
53、，
54、，
55、其中，是卷積輸出，i是輸入圖像，k是卷積核，是偏置。
56、優(yōu)選的，所述s8步驟中，使用全連接層輸出公式，其算法公式：
57、，
58、其中，是展平后的特征向量，是權(quán)重矩陣，是偏置向量，是激活函數(shù)；
59、通過(guò)cnn模型進(jìn)行圖像分類，輸出分類結(jié)果，其算法公式：
60、，
61、，
62、其中，是第i類的得分。
63、優(yōu)選的，所述s9步驟中，實(shí)時(shí)數(shù)據(jù)獲取，由云端數(shù)據(jù)中心獲取實(shí)時(shí)運(yùn)行數(shù)據(jù)，假設(shè)實(shí)時(shí)數(shù)據(jù)為，其更新頻率為f，則數(shù)據(jù)獲取的時(shí)間間隔為：
64、，
65、數(shù)據(jù)展示，將獲取的數(shù)據(jù)通過(guò)web和移動(dòng)端界面展示給用戶，其實(shí)時(shí)數(shù)據(jù)展示公式：
66、。
67、優(yōu)選的，所述s9步驟中，歷史數(shù)據(jù)查詢，由云端數(shù)據(jù)中心查詢歷史數(shù)據(jù)，假設(shè)查詢的時(shí)間范圍為，則歷史數(shù)據(jù)為：
68、，
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種無(wú)人設(shè)備綜合管理方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S1步驟中，安裝在無(wú)人設(shè)備上的傳感器會(huì)實(shí)時(shí)采集各種運(yùn)行數(shù)據(jù)，為系統(tǒng)化地表示傳感器數(shù)據(jù)采集過(guò)程，可通過(guò)以下的公式：
3.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S3步驟中，數(shù)據(jù)清洗包括去除噪聲和處理缺失值；
4.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S3步驟中，特征提取包括時(shí)間域特征和頻域特征；
5.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S4步驟中，基于圖神經(jīng)網(wǎng)絡(luò)的決策優(yōu)化，圖神經(jīng)網(wǎng)絡(luò)決策模型計(jì)算公式：
6.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S6步驟中，基于博弈論的資源爭(zhēng)用優(yōu)化，博弈論優(yōu)化函數(shù)計(jì)算公式：
7.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S8步驟中，使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行圖像特征提取和分類，其算法公式：
8.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備
9.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S9步驟中，實(shí)時(shí)數(shù)據(jù)獲取，由云端數(shù)據(jù)中心獲取實(shí)時(shí)運(yùn)行數(shù)據(jù)，假設(shè)實(shí)時(shí)數(shù)據(jù)為，其更新頻率為f，則數(shù)據(jù)獲取的時(shí)間間隔為：
10.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述S9步驟中，歷史數(shù)據(jù)查詢，由云端數(shù)據(jù)中心查詢歷史數(shù)據(jù)，假設(shè)查詢的時(shí)間范圍為，則歷史數(shù)據(jù)為：
...【技術(shù)特征摘要】
1.一種無(wú)人設(shè)備綜合管理方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述s1步驟中，安裝在無(wú)人設(shè)備上的傳感器會(huì)實(shí)時(shí)采集各種運(yùn)行數(shù)據(jù)，為系統(tǒng)化地表示傳感器數(shù)據(jù)采集過(guò)程，可通過(guò)以下的公式：
3.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述s3步驟中，數(shù)據(jù)清洗包括去除噪聲和處理缺失值；
4.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述s3步驟中，特征提取包括時(shí)間域特征和頻域特征；
5.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在于，所述s4步驟中，基于圖神經(jīng)網(wǎng)絡(luò)的決策優(yōu)化，圖神經(jīng)網(wǎng)絡(luò)決策模型計(jì)算公式：
6.根據(jù)權(quán)利要求1所述的一種無(wú)人設(shè)備綜合管理方法，其特征在...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：蘭海波，
申請(qǐng)(專利權(quán))人：北京歷正飛控科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。