CN106292703A - 用于环保监测的飞行器 - Google Patents
用于环保监测的飞行器 Download PDFInfo
- Publication number
- CN106292703A CN106292703A CN201610762798.2A CN201610762798A CN106292703A CN 106292703 A CN106292703 A CN 106292703A CN 201610762798 A CN201610762798 A CN 201610762798A CN 106292703 A CN106292703 A CN 106292703A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- module
- control system
- central control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Abstract
本发明提供了用于环保监测的飞行器,包括无人机本体、探测模块、气体监测模块、无线网络收发模块、中央控制系统;所述探测模块设置于无人机本体下方,探测模块包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统的通信单元;所述气体监测模块用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块发送至中央控制系统。本发明可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统,中央控制系统可以看到现场情况,利用气体监测模块进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求。
Description
技术领域
本发明涉及环保技术领域,具体涉及用于环保监测的飞行器。
背景技术
无人驾驶飞机简称“无人机”,英文缩写为“UAV”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。无人机按应用领域,可分为军用与民用。无人机在民用领域用途广泛,主要用于警用、城市管理、农业、地质、气象、电力、抢险救灾、视频拍摄等行业。随着社会经济的快速发展,探测模块已经广泛应用到包括防火、交通、智能识别等领域当中。在环保领域中,探测模块在某些场合下无法有效及时的做好监测工作。因此有必要设计一种可以用于环保监测的飞行器。
发明内容
为解决上述问题,本发明旨在提供用于环保监测的飞行器。
本发明的目的采用以下技术方案来实现:
用于环保监测的飞行器,包括无人机本体、探测模块、气体监测模块、无线网络收发模块、中央控制系统;所述探测模块设置于无人机本体下方,探测模块包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统的通信单元;所述气体监测模块用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块发送至中央控制系统。
本发明的有益效果为:设置了探测模块、气体监测模块,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统,中央控制系统可以看到现场情况,利用气体监测模块进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求,从而解决了上述的技术问题。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构连接示意图;
图2是本发明无线网络收发模块的结构示意图。
附图标记:
无人机本体1、探测模块2、气体监测模块3、无线网络收发模块4、中央控制系统5、传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45、数据传送单元46。
具体实施方式
结合以下实施例对本发明作进一步描述。
应用场景1
参见图1、图2,本应用场景的一个实施例的用于环保监测的飞行器,包括无人机本体1、探测模块2、气体监测模块3、无线网络收发模块4、中央控制系统5;所述探测模块2设置于无人机本体1下方,探测模块2包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统5的通信单元;所述气体监测模块3用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块4发送至中央控制系统5。
优选的,所述中央控制系统5包括遥控及遥测通讯设备、数据接收模块、数据处理模块、报警触发模块。
本发明上述实施例设置了探测模块2、气体监测模块3,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统5,中央控制系统5可以看到现场情况,利用气体监测模块3进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求,从而解决了上述的技术问题。
优选的,所述无人机本体1包括自动控制模块,所述自动控制模块包括GPS导航系统、航姿控制系统、高度计。
本优选实施例设置自动控制模块,实现对无人机本体1运动的控制。
优选的,所述无线网络收发模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。
本优选实施例构建了无线网络收发模块4的框架。
优选的,所述传感器定位单元41用于对未知的传感器网络节点进行定位,定位方法如下:
(1)在少数传感器节点上集成GPS定位芯片,这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点,作为其他未知位置节点的定位基础;
(2)求取四个已知位置节点相互间的距离和跳数,计算平均每跳的距离;
(3)对于未知位置节点X,使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离;
(4)通过任意组合的方式选取其中三个已知位置节点,对于每一组合,根据三边测量法获取其位置,则产生四个计算结果,求取平均位置作为未知位置节点最终位置。
本优选实施例设置传感器定位单元41,便于获取监测数据的位置来源,采用GPS定位芯片和三边定位结合的方法,既节约了成本,又能取得良好的定位效果。
优选的,所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化,具体方法如下:
(1)随机生成无线传感器网络拓扑结构;
(2)设定遗传算法的参数,采用遗传算法精简传感器网络,形成新的网络拓扑结构;
(3)根据遗传算法结果初始化蚁群算法信息素;
(4)设定蚁群算法参数,采用蚁群算法对最优路径进行搜索和更新。
本优选实施例对传感器网络进行优化,在保证整个无线传感器网络性能下降有限的情况下,提升了网络节能效果,延长了网络的寿命。
优选的,所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测,并输出各传感器节点监测的感知数据;
所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理,包括:
设所述感知数据的一个单位时间段的数据序列为X={x(t1),x(t2),…,x(tn)},其中ti(1≤i≤n)表示时间戳,x(ti)表示在ti(1≤i≤n)时刻某个节点产生的监测值,设定误差界限为ε,误差界限为ε的取值范围为[0.4,0.8],从第一个数据点[t1,x(t1)]开始,对数据序列X={x(t1),x(t2),…,x(tn)}中的数据点按序进行第一次扫描,当达到设定的扫描停止条件时,停止第一次的扫描,将第一次扫描的数据子序列用一条线段来近似,从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描,直至扫描完整个单位时间段的数据序列;将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出;
其中,所述设定的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述,且满足误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描;
所述误差精度要求为:
其中,设所述数据点[tk,x(tk)]之前的子序列为X={x(tα),x(tα+1),…,x(tk-1)},式中x(tj)为在tj(α≤j≤k-1)时刻的真实值。
本优选实施例设置数据处理单元44,通过设定的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传送的数据量,降低了数据传送的能量消耗,从而相对减少了无线传感器网络节点的通信开销;提出误差精度要求的公式,保证了数据压缩的精度,且提高了数据扫描的速度。
优选的,所述数据接收单元45由无线传感器网络汇聚节点进行构建,所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析,实现无线数据的采集;
其中,所述保证加权公平性的数据传输协议为:
所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量Si,t需满足以下公平性度量条件:
式中,wi为设定的传感器节点i的表征其数据重要程度的权值,N为传感器节点的总数,γ为常数,其取值范围为(0,0.2)。
本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据,保证了数据传输的效率的同时,提高了数据传输的公平性。
优选的,所述数据传送单元46通过网络将数据传送给用户,包括近距离传送子单元、远距离通信子单元和切换子单元,所述近距离通信子单元采用zigbee协议通信,所述远距离通信子单元采用无线网络通信,正常情况下,用户通过近距离通信子模块从计算机控制端获取监测信息,当用户外出时,切换子单元启动远距离通信子单元,向用户手机控制端远距离传送监测信息。
本优选实施例设置数据传送单元46,能够根据用户距离选择通信方式,实现了实时监测。
在此应用场景中,误差界限为ε取0.4,监测速度相对提高了10%,监测精度相对提高了12%。
应用场景2
参见图1、图2,本应用场景的一个实施例的用于环保监测的飞行器,包括无人机本体1、探测模块2、气体监测模块3、无线网络收发模块4、中央控制系统5;所述探测模块2设置于无人机本体1下方,探测模块2包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统5的通信单元;所述气体监测模块3用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块4发送至中央控制系统5。
优选的,所述中央控制系统5包括遥控及遥测通讯设备、数据接收模块、数据处理模块、报警触发模块。
本发明上述实施例设置了探测模块2、气体监测模块3,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统5,中央控制系统5可以看到现场情况,利用气体监测模块3进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求,从而解决了上述的技术问题。
优选的,所述无人机本体1包括自动控制模块,所述自动控制模块包括GPS导航系统、航姿控制系统、高度计。
本优选实施例设置自动控制模块,实现对无人机本体1运动的控制。
优选的,所述无线网络收发模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。
本优选实施例构建了无线网络收发模块4的框架。
优选的,所述传感器定位单元41用于对未知的传感器网络节点进行定位,定位方法如下:
(1)在少数传感器节点上集成GPS定位芯片,这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点,作为其他未知位置节点的定位基础;
(2)求取四个已知位置节点相互间的距离和跳数,计算平均每跳的距离;
(3)对于未知位置节点X,使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离;
(4)通过任意组合的方式选取其中三个已知位置节点,对于每一组合,根据三边测量法获取其位置,则产生四个计算结果,求取平均位置作为未知位置节点最终位置。
本优选实施例设置传感器定位单元41,便于获取监测数据的位置来源,采用GPS定位芯片和三边定位结合的方法,既节约了成本,又能取得良好的定位效果。
优选的,所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化,具体方法如下:
(1)随机生成无线传感器网络拓扑结构;
(2)设定遗传算法的参数,采用遗传算法精简传感器网络,形成新的网络拓扑结构;
(3)根据遗传算法结果初始化蚁群算法信息素;
(4)设定蚁群算法参数,采用蚁群算法对最优路径进行搜索和更新。
本优选实施例对传感器网络进行优化,在保证整个无线传感器网络性能下降有限的情况下,提升了网络节能效果,延长了网络的寿命。
优选的,所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测,并输出各传感器节点监测的感知数据;
所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理,包括:
设所述感知数据的一个单位时间段的数据序列为X={x(t1),x(t2),…,x(tn)},其中ti(1≤i≤n)表示时间戳,x(ti)表示在ti(1≤i≤n)时刻某个节点产生的监测值,设定误差界限为ε,误差界限为ε的取值范围为[0.4,0.8],从第一个数据点[t1,x(t1)]开始,对数据序列X={x(t1),x(t2),…,x(tn)}中的数据点按序进行第一次扫描,当达到设定的扫描停止条件时,停止第一次的扫描,将第一次扫描的数据子序列用一条线段来近似,从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描,直至扫描完整个单位时间段的数据序列;将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出;
其中,所述设定的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述,且满足误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描;
所述误差精度要求为:
其中,设所述数据点[tk,x(tk)]之前的子序列为X={x(tα),x(tα+1),…,x(tk-1)},式中x(tj)为在tj(α≤j≤k-1)时刻的真实值。
本优选实施例设置数据处理单元44,通过设定的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传送的数据量,降低了数据传送的能量消耗,从而相对减少了无线传感器网络节点的通信开销;提出误差精度要求的公式,保证了数据压缩的精度,且提高了数据扫描的速度。
优选的,所述数据接收单元45由无线传感器网络汇聚节点进行构建,所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析,实现无线数据的采集;
其中,所述保证加权公平性的数据传输协议为:
所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量Si,t需满足以下公平性度量条件:
式中,wi为设定的传感器节点i的表征其数据重要程度的权值,N为传感器节点的总数,γ为常数,其取值范围为(0,0.2)。
本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据,保证了数据传输的效率的同时,提高了数据传输的公平性。
优选的,所述数据传送单元46通过网络将数据传送给用户,包括近距离传送子单元、远距离通信子单元和切换子单元,所述近距离通信子单元采用zigbee协议通信,所述远距离通信子单元采用无线网络通信,正常情况下,用户通过近距离通信子模块从计算机控制端获取监测信息,当用户外出时,切换子单元启动远距离通信子单元,向用户手机控制端远距离传送监测信息。
本优选实施例设置数据传送单元46,能够根据用户距离选择通信方式,实现了实时监测。
在此应用场景中,误差界限为ε取0.5,监测速度相对提高了11%,监测精度相对提高了11%。
应用场景3
参见图1、图2,本应用场景的一个实施例的用于环保监测的飞行器,包括无人机本体1、探测模块2、气体监测模块3、无线网络收发模块4、中央控制系统5;所述探测模块2设置于无人机本体1下方,探测模块2包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统5的通信单元;所述气体监测模块3用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块4发送至中央控制系统5。
优选的,所述中央控制系统5包括遥控及遥测通讯设备、数据接收模块、数据处理模块、报警触发模块。
本发明上述实施例设置了探测模块2、气体监测模块3,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统5,中央控制系统5可以看到现场情况,利用气体监测模块3进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求,从而解决了上述的技术问题。
优选的,所述无人机本体1包括自动控制模块,所述自动控制模块包括GPS导航系统、航姿控制系统、高度计。
本优选实施例设置自动控制模块,实现对无人机本体1运动的控制。
优选的,所述无线网络收发模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。
本优选实施例构建了无线网络收发模块4的框架。
优选的,所述传感器定位单元41用于对未知的传感器网络节点进行定位,定位方法如下:
(1)在少数传感器节点上集成GPS定位芯片,这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点,作为其他未知位置节点的定位基础;
(2)求取四个已知位置节点相互间的距离和跳数,计算平均每跳的距离;
(3)对于未知位置节点X,使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离;
(4)通过任意组合的方式选取其中三个已知位置节点,对于每一组合,根据三边测量法获取其位置,则产生四个计算结果,求取平均位置作为未知位置节点最终位置。
本优选实施例设置传感器定位单元41,便于获取监测数据的位置来源,采用GPS定位芯片和三边定位结合的方法,既节约了成本,又能取得良好的定位效果。
优选的,所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化,具体方法如下:
(1)随机生成无线传感器网络拓扑结构;
(2)设定遗传算法的参数,采用遗传算法精简传感器网络,形成新的网络拓扑结构;
(3)根据遗传算法结果初始化蚁群算法信息素;
(4)设定蚁群算法参数,采用蚁群算法对最优路径进行搜索和更新。
本优选实施例对传感器网络进行优化,在保证整个无线传感器网络性能下降有限的情况下,提升了网络节能效果,延长了网络的寿命。
优选的,所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测,并输出各传感器节点监测的感知数据;
所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理,包括:
设所述感知数据的一个单位时间段的数据序列为X={x(t1),x(t2),…,x(tn)},其中ti(1≤i≤n)表示时间戳,x(ti)表示在ti(1≤i≤n)时刻某个节点产生的监测值,设定误差界限为ε,误差界限为ε的取值范围为[0.4,0.8],从第一个数据点[t1,x(t1)]开始,对数据序列X={x(t1),x(t2),…,x(tn)}中的数据点按序进行第一次扫描,当达到设定的扫描停止条件时,停止第一次的扫描,将第一次扫描的数据子序列用一条线段来近似,从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描,直至扫描完整个单位时间段的数据序列;将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出;
其中,所述设定的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述,且满足误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描;
所述误差精度要求为:
其中,设所述数据点[tk,x(tk)]之前的子序列为X={x(tα),x(tα+1),…,x(tk-1)},式中x(tj)为在tj(α≤j≤k-1)时刻的真实值。
本优选实施例设置数据处理单元44,通过设定的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传送的数据量,降低了数据传送的能量消耗,从而相对减少了无线传感器网络节点的通信开销;提出误差精度要求的公式,保证了数据压缩的精度,且提高了数据扫描的速度。
优选的,所述数据接收单元45由无线传感器网络汇聚节点进行构建,所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析,实现无线数据的采集;
其中,所述保证加权公平性的数据传输协议为:
所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量Si,t需满足以下公平性度量条件:
式中,wi为设定的传感器节点i的表征其数据重要程度的权值,N为传感器节点的总数,γ为常数,其取值范围为(0,0.2)。
本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据,保证了数据传输的效率的同时,提高了数据传输的公平性。
优选的,所述数据传送单元46通过网络将数据传送给用户,包括近距离传送子单元、远距离通信子单元和切换子单元,所述近距离通信子单元采用zigbee协议通信,所述远距离通信子单元采用无线网络通信,正常情况下,用户通过近距离通信子模块从计算机控制端获取监测信息,当用户外出时,切换子单元启动远距离通信子单元,向用户手机控制端远距离传送监测信息。
本优选实施例设置数据传送单元46,能够根据用户距离选择通信方式,实现了实时监测。
在此应用场景中,误差界限为ε取0.4,监测速度相对提高了10%,监测精度相对提高了12%。
应用场景4
参见图1、图2,本应用场景的一个实施例的用于环保监测的飞行器,包括无人机本体1、探测模块2、气体监测模块3、无线网络收发模块4、中央控制系统5;所述探测模块2设置于无人机本体1下方,探测模块2包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统5的通信单元;所述气体监测模块3用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块4发送至中央控制系统5。
优选的,所述中央控制系统5包括遥控及遥测通讯设备、数据接收模块、数据处理模块、报警触发模块。
本发明上述实施例设置了探测模块2、气体监测模块3,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统5,中央控制系统5可以看到现场情况,利用气体监测模块3进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求,从而解决了上述的技术问题。
优选的,所述无人机本体1包括自动控制模块,所述自动控制模块包括GPS导航系统、航姿控制系统、高度计。
本优选实施例设置自动控制模块,实现对无人机本体1运动的控制。
优选的,所述无线网络收发模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。
本优选实施例构建了无线网络收发模块4的框架。
优选的,所述传感器定位单元41用于对未知的传感器网络节点进行定位,定位方法如下:
(1)在少数传感器节点上集成GPS定位芯片,这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点,作为其他未知位置节点的定位基础;
(2)求取四个已知位置节点相互间的距离和跳数,计算平均每跳的距离;
(3)对于未知位置节点X,使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离;
(4)通过任意组合的方式选取其中三个已知位置节点,对于每一组合,根据三边测量法获取其位置,则产生四个计算结果,求取平均位置作为未知位置节点最终位置。
本优选实施例设置传感器定位单元41,便于获取监测数据的位置来源,采用GPS定位芯片和三边定位结合的方法,既节约了成本,又能取得良好的定位效果。
优选的,所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化,具体方法如下:
(1)随机生成无线传感器网络拓扑结构;
(2)设定遗传算法的参数,采用遗传算法精简传感器网络,形成新的网络拓扑结构;
(3)根据遗传算法结果初始化蚁群算法信息素;
(4)设定蚁群算法参数,采用蚁群算法对最优路径进行搜索和更新。
本优选实施例对传感器网络进行优化,在保证整个无线传感器网络性能下降有限的情况下,提升了网络节能效果,延长了网络的寿命。
优选的,所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测,并输出各传感器节点监测的感知数据;
所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理,包括:
设所述感知数据的一个单位时间段的数据序列为X={x(t1),x(t2),…,x(tn)},其中ti(1≤i≤n)表示时间戳,x(ti)表示在ti(1≤i≤n)时刻某个节点产生的监测值,设定误差界限为ε,误差界限为ε的取值范围为[0.4,0.8],从第一个数据点[t1,x(t1)]开始,对数据序列X={x(t1),x(t2),…,x(tn)}中的数据点按序进行第一次扫描,当达到设定的扫描停止条件时,停止第一次的扫描,将第一次扫描的数据子序列用一条线段来近似,从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描,直至扫描完整个单位时间段的数据序列;将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出;
其中,所述设定的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述,且满足误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描;
所述误差精度要求为:
其中,设所述数据点[tk,x(tk)]之前的子序列为X={x(tα),x(tα+1),…,x(tk-1)},式中x(tj)为在tj(α≤j≤k-1)时刻的真实值。
本优选实施例设置数据处理单元44,通过设定的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传送的数据量,降低了数据传送的能量消耗,从而相对减少了无线传感器网络节点的通信开销;提出误差精度要求的公式,保证了数据压缩的精度,且提高了数据扫描的速度。
优选的,所述数据接收单元45由无线传感器网络汇聚节点进行构建,所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析,实现无线数据的采集;
其中,所述保证加权公平性的数据传输协议为:
所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量Si,t需满足以下公平性度量条件:
式中,wi为设定的传感器节点i的表征其数据重要程度的权值,N为传感器节点的总数,γ为常数,其取值范围为(0,0.2)。
本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据,保证了数据传输的效率的同时,提高了数据传输的公平性。
优选的,所述数据传送单元46通过网络将数据传送给用户,包括近距离传送子单元、远距离通信子单元和切换子单元,所述近距离通信子单元采用zigbee协议通信,所述远距离通信子单元采用无线网络通信,正常情况下,用户通过近距离通信子模块从计算机控制端获取监测信息,当用户外出时,切换子单元启动远距离通信子单元,向用户手机控制端远距离传送监测信息。
本优选实施例设置数据传送单元46,能够根据用户距离选择通信方式,实现了实时监测。
在此应用场景中,误差界限为ε取0.4,监测速度相对提高了10%,监测精度相对提高了12%。
应用场景5
参见图1、图2,本应用场景的一个实施例的用于环保监测的飞行器,包括无人机本体1、探测模块2、气体监测模块3、无线网络收发模块4、中央控制系统5;所述探测模块2设置于无人机本体1下方,探测模块2包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统5的通信单元;所述气体监测模块3用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块4发送至中央控制系统5。
优选的,所述中央控制系统5包括遥控及遥测通讯设备、数据接收模块、数据处理模块、报警触发模块。
本发明上述实施例设置了探测模块2、气体监测模块3,可利用无人机进行特殊区域的大气监测,使用的时候,利用摄像头将采集的图像发送到中央控制系统5,中央控制系统5可以看到现场情况,利用气体监测模块3进行大气监测,由于无人机处于高位,对排放气体监测,有较大的优势,可以满足用户的使用需求,从而解决了上述的技术问题。
优选的,所述无人机本体1包括自动控制模块,所述自动控制模块包括GPS导航系统、航姿控制系统、高度计。
本优选实施例设置自动控制模块,实现对无人机本体1运动的控制。
优选的,所述无线网络收发模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。
本优选实施例构建了无线网络收发模块4的框架。
优选的,所述传感器定位单元41用于对未知的传感器网络节点进行定位,定位方法如下:
(1)在少数传感器节点上集成GPS定位芯片,这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点,作为其他未知位置节点的定位基础;
(2)求取四个已知位置节点相互间的距离和跳数,计算平均每跳的距离;
(3)对于未知位置节点X,使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离;
(4)通过任意组合的方式选取其中三个已知位置节点,对于每一组合,根据三边测量法获取其位置,则产生四个计算结果,求取平均位置作为未知位置节点最终位置。
本优选实施例设置传感器定位单元41,便于获取监测数据的位置来源,采用GPS定位芯片和三边定位结合的方法,既节约了成本,又能取得良好的定位效果。
优选的,所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化,具体方法如下:
(1)随机生成无线传感器网络拓扑结构;
(2)设定遗传算法的参数,采用遗传算法精简传感器网络,形成新的网络拓扑结构;
(3)根据遗传算法结果初始化蚁群算法信息素;
(4)设定蚁群算法参数,采用蚁群算法对最优路径进行搜索和更新。
本优选实施例对传感器网络进行优化,在保证整个无线传感器网络性能下降有限的情况下,提升了网络节能效果,延长了网络的寿命。
优选的,所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测,并输出各传感器节点监测的感知数据;
所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理,包括:
设所述感知数据的一个单位时间段的数据序列为X={x(t1),x(t2),…,x(tn)},其中ti(1≤i≤n)表示时间戳,x(ti)表示在ti(1≤i≤n)时刻某个节点产生的监测值,设定误差界限为ε,误差界限为ε的取值范围为[0.4,0.8],从第一个数据点[t1,x(t1)]开始,对数据序列X={x(t1),x(t2),…,x(tn)}中的数据点按序进行第一次扫描,当达到设定的扫描停止条件时,停止第一次的扫描,将第一次扫描的数据子序列用一条线段来近似,从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描,直至扫描完整个单位时间段的数据序列;将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出;
其中,所述设定的扫描停止条件为:当扫描到一个数据点[tk,x(tk)],在这个数据点[tk,x(tk)]之前的所有数据点能被一条线段来近似描述,且满足误差精度要求,而加上数据点[tk,x(tk)]之后,不存在一条线段能近似描述当前所有未被近似描述的数据点时,停止扫描;
所述误差精度要求为:
其中,设所述数据点[tk,x(tk)]之前的子序列为X={x(tα),x(tα+1),…,x(tk-1)},式中x(tj)为在tj(α≤j≤k-1)时刻的真实值。
本优选实施例设置数据处理单元44,通过设定的扫描停止条件进行数据扫描,能够在线性时间内,使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求,然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出,从而减少了需要传送的数据量,降低了数据传送的能量消耗,从而相对减少了无线传感器网络节点的通信开销;提出误差精度要求的公式,保证了数据压缩的精度,且提高了数据扫描的速度。
优选的,所述数据接收单元45由无线传感器网络汇聚节点进行构建,所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析,实现无线数据的采集;
其中,所述保证加权公平性的数据传输协议为:
所述无线传感器网络汇聚节点在某单位时间段[0,t]接收来自传感器节点i的对应的压缩后的感知数据的数量Si,t需满足以下公平性度量条件:
式中,wi为设定的传感器节点i的表征其数据重要程度的权值,N为传感器节点的总数,γ为常数,其取值范围为(0,0.2)。
本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据,使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据,保证了数据传输的效率的同时,提高了数据传输的公平性。
优选的,所述数据传送单元46通过网络将数据传送给用户,包括近距离传送子单元、远距离通信子单元和切换子单元,所述近距离通信子单元采用zigbee协议通信,所述远距离通信子单元采用无线网络通信,正常情况下,用户通过近距离通信子模块从计算机控制端获取监测信息,当用户外出时,切换子单元启动远距离通信子单元,向用户手机控制端远距离传送监测信息。
本优选实施例设置数据传送单元46,能够根据用户距离选择通信方式,实现了实时监测。
在此应用场景中,误差界限为ε取0.8,监测速度相对提高了14%,监测精度相对提高了8%。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.用于环保监测的飞行器,其特征在于,包括无人机本体、探测模块、气体监测模块、无线网络收发模块、中央控制系统;所述探测模块设置于无人机本体下方,探测模块包括用于采集彩色图像信息的摄像头和用于将彩色图像信息发送给中央控制系统的通信单元;所述气体监测模块用于通过传感器监测特定区域内的大气状况,监测的数据通过所述无线网络收发模块发送至中央控制系统。
2.根据权利要求1所述的用于环保监测的飞行器,其特征在于,所述中央控制系统包括遥控及遥测通讯设备、数据接收模块、数据处理模块、报警触发模块。
3.根据权利要求2所述的用于环保监测的飞行器,其特征在于,所述无人机本体包括自动控制模块,所述自动控制模块包括GPS导航系统、航姿控制系统、高度计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610762798.2A CN106292703A (zh) | 2016-08-30 | 2016-08-30 | 用于环保监测的飞行器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610762798.2A CN106292703A (zh) | 2016-08-30 | 2016-08-30 | 用于环保监测的飞行器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106292703A true CN106292703A (zh) | 2017-01-04 |
Family
ID=57675963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610762798.2A Pending CN106292703A (zh) | 2016-08-30 | 2016-08-30 | 用于环保监测的飞行器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106292703A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970554A (zh) * | 2017-03-07 | 2017-07-21 | 浙江大学 | 对工业气体排放进行监督执法的无人机系统 |
CN109142622A (zh) * | 2017-06-13 | 2019-01-04 | 袁兵 | 基于无人机的环境监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2813831A1 (en) * | 2012-07-24 | 2014-01-24 | The Boeing Company | Wildfire arrest and prevention system |
CN105741466A (zh) * | 2015-11-03 | 2016-07-06 | 天津艾思科尔科技有限公司 | 用于环保监测的飞行器 |
CN105763842A (zh) * | 2015-11-03 | 2016-07-13 | 天津艾思科尔科技有限公司 | 带有消防探测功能的飞行器 |
CN105775134A (zh) * | 2016-04-14 | 2016-07-20 | 内蒙古包钢钢联股份有限公司 | 一种环保采样飞行器 |
-
2016
- 2016-08-30 CN CN201610762798.2A patent/CN106292703A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2813831A1 (en) * | 2012-07-24 | 2014-01-24 | The Boeing Company | Wildfire arrest and prevention system |
CN105741466A (zh) * | 2015-11-03 | 2016-07-06 | 天津艾思科尔科技有限公司 | 用于环保监测的飞行器 |
CN105763842A (zh) * | 2015-11-03 | 2016-07-13 | 天津艾思科尔科技有限公司 | 带有消防探测功能的飞行器 |
CN105775134A (zh) * | 2016-04-14 | 2016-07-20 | 内蒙古包钢钢联股份有限公司 | 一种环保采样飞行器 |
Non-Patent Citations (1)
Title |
---|
李国华: "无线传感器网络高效数据传输方法", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970554A (zh) * | 2017-03-07 | 2017-07-21 | 浙江大学 | 对工业气体排放进行监督执法的无人机系统 |
CN109142622A (zh) * | 2017-06-13 | 2019-01-04 | 袁兵 | 基于无人机的环境监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101192350B (zh) | 主动发射三维立体飞行信息的飞机防撞及导航系统和方法 | |
CN204557510U (zh) | 无人机航拍组合装置 | |
CN106291463B (zh) | 一种基于WiFi和声波结合的室内定位方法 | |
CN107092270A (zh) | 实现编队飞行的方法、装置及系统 | |
CN106341179A (zh) | 一种基于通信对抗的无人机地面监控系统 | |
CN106373356A (zh) | 一种基于大数据技术的污水管网监测系统 | |
CN105897877A (zh) | 一种远程车联网监控方法 | |
CN105938189A (zh) | 多人协作式楼层定位方法和系统 | |
CN106506062A (zh) | 集群无人机分布式快速通信系统及通信方法 | |
CN106411388B (zh) | 一种基于fpga的无人机信息传输系统 | |
CN109254262A (zh) | 一种智能矿灯的定位方法及系统 | |
KR20220008399A (ko) | 지능형 로봇 디바이스 | |
CN105897880A (zh) | 一种车联网监控数据传输方法 | |
CN106292703A (zh) | 用于环保监测的飞行器 | |
CN110494905B (zh) | 装置、系统、方法和记录程序的记录介质 | |
US20200088835A1 (en) | Interconnected system and device for outdoor activity group | |
CN106658401A (zh) | 失控无人机主动找回方法及系统 | |
CN106385432A (zh) | 基于大数据病虫害监测预警系统 | |
CN105357654B (zh) | 一种基于北斗的应急通信服务系统及其工作方法 | |
CN110290476A (zh) | 无人机集群通信方法及系统 | |
KR20200010642A (ko) | 위치 추적 방법 및 위치 추적 시스템 | |
CN107124702A (zh) | 一种搜救定位方法 | |
CN208241668U (zh) | 一种多余度无人机数据传输装置 | |
CN206226437U (zh) | 一种数据传输装置以及无人机的数据传输系统 | |
CN106200599A (zh) | 一种智能家居服务系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |