【技术实现步骤摘要】
本专利技术涉及无人机航线规划，尤其涉及基于实时烟雾动态的山火监测无人机航线规划方法。
技术介绍
1、无人机在山火的扑救和物资补给过程中，起到了越来越重要的作用，但由于林区环境复杂，地形多变，火灾发生区域会产生强烈垂直气流运动，形成火场风，这对无人机的飞行安全构成严重威胁，而且山火会产生大量的烟雾，无人机一旦进入烟雾中，烟雾会吸收和散射gps信号，导致信号强度下降，影响gps定位精度，且无人机上的传感器，如激光雷达、摄像头等，在浓雾中性能会下降，影响信息采集，从而影响其避障能力；
2、在现有技术中，通过智能图像分析，在无人机的航线规划中，实现了自动规划避障航线，但在低空山火环境中，烟雾的动态变化是快速且难以预测的，这导致在使用现有技术的方式时，在低空飞行或者距离烟雾较近时，依然无法快速识别出烟雾的动态变化，无法及时对航线进行调整。
技术实现思路
1、本专利技术目的在于提供基于实时烟雾动态的山火监测无人机航线规划方法，以解决上述问题。
2、本专利技术通过下述技术方案实现：
3、基于实时烟雾动态的山火监测无人机航线规划方法，包括以下步骤：
4、s1：无人机准备，当遇到山火时，至少同时起飞两架无人机，任意无人机上均安装有gps定位系统、外部视觉系统、通信系统，gps定位系统包括高精度的gps天线和接收模块，用于实时获取无人机的精确位置，外部视觉系统用于实时采集烟雾图像，通信系统包括多种通信模块，支持长距离无线通信和短距离高速数据传输。
...【技术保护点】
1.基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S2中，所述AI模型采用卷积神经网络结构，具体包括输入层、多个卷积层、池化层、全连接层和输出层，卷积层用于提取烟雾图像的特征，池化层用于降维和减少计算量，全连接层用于分类和回归，输出层输出烟雾的扩散速度和方向，通过反向传播算法进行模型训练，训练数据包括历史烟雾图像及其对应的扩散速度和方向。
3.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S2中，外部视觉系统采用多模态融合系统，外部视觉系统具体包括光学传感器、红外传感器和颗粒传感器，光学传感器用于捕捉烟雾图像，红外传感器用于检测烟雾中的热源位置，颗粒传感器用于检测烟雾中的颗粒物浓度，主控单元通过融合算法，将多模态传感器的数据进行综合处理，提高烟雾距离和烟雾扩散速度和方向数据的准确性和可靠性。
4.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S3中，所述蚂蚁算法采用自
5.根据权利要求4所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，所述的步长调整因子的计算公式为：
6.根据权利要求4所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S3中，所述粒子群优化算法采用多目标优化策略，具体包括目标函数设计、权重因子设置和多目标优化算法，目标函数设计包括最小化无人机进入高浓度烟雾区域的概率、最小化无人机之间的碰撞概率和最大化无人机的任务完成度，权重因子根据无人机的实时状态和任务需求动态调整，多目标优化算法通过粒子群优化算法实现多目标的综合优化，确保无人机在复杂地形和烟雾环境中的高效飞行；
7.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S4中，所述优化算法采用遗传算法，具体包括编码策略、选择策略、交叉策略、变异策略和适应度函数，编码策略采用二进制编码，选择策略采用轮盘赌选择，交叉策略采用单点交叉，变异策略采用位翻转变异，适应度函数根据无人机的实时状态和山火的动态变化计算，通过遗传算法生成最优的航线规划方案，确保无人机在复杂环境下的高效作业。
8.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S5中，所述通信系统采用多跳通信技术，具体包括中继节点选择算法、路由算法和数据传输协议，中继节点选择算法根据无人机的实时位置和通信状态选择最优的中继节点，路由算法根据无人机之间的协作信息和通信状态生成最优的通信路径，数据传输协议支持多点对多点的通信模式，确保指令的快速传输和共享。
9.根据权利要求8所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S5中，所述通信系统采用编码冗余技术，具体包括数据编码模块、冗余编码模块和解码模块，数据编码模块对指令数据进行编码，冗余编码模块在编码数据中插入冗余码，解码模块对接收到的数据进行解码和校验，通过编码冗余技术，提高指令传输的可靠性和抗干扰能力，确保无人机在复杂环境下的高效作业。
10.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在S1中，所述GPS定位系统采用多星座GNSS方法，具体包括GPS模块、GLONASS模块、Galileo模块和北斗模块，GPS模块用于接收GPS卫星信号，GLONASS模块用于接收GLONASS卫星信号，Galileo模块用于接收Galileo卫星信号，北斗模块用于接收北斗卫星信号，通过多星座GNSS技术，提高GPS定位系统的精度和可靠性，确保无人机在复杂环境下的高效作业。
...【技术特征摘要】
1.基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在s2中，所述ai模型采用卷积神经网络结构，具体包括输入层、多个卷积层、池化层、全连接层和输出层，卷积层用于提取烟雾图像的特征，池化层用于降维和减少计算量，全连接层用于分类和回归，输出层输出烟雾的扩散速度和方向，通过反向传播算法进行模型训练，训练数据包括历史烟雾图像及其对应的扩散速度和方向。
3.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在s2中，外部视觉系统采用多模态融合系统，外部视觉系统具体包括光学传感器、红外传感器和颗粒传感器，光学传感器用于捕捉烟雾图像，红外传感器用于检测烟雾中的热源位置，颗粒传感器用于检测烟雾中的颗粒物浓度，主控单元通过融合算法，将多模态传感器的数据进行综合处理，提高烟雾距离和烟雾扩散速度和方向数据的准确性和可靠性。
4.根据权利要求1所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在s3中，所述蚂蚁算法采用自适应步长策略，具体包括：
5.根据权利要求4所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，所述的步长调整因子的计算公式为：
6.根据权利要求4所述的基于实时烟雾动态的山火监测无人机航线规划方法，其特征在于，在s3中，所述粒子群优化算法采用多目标优化策略，具体包括目标函数设计、权重因子设置和多目标优化算法，目标函数设计包括最小化无人机进入高浓度烟雾区域的概率、最小化无人机之间的碰撞概率和最大化无人机的任务完成度，权重因子根据无人机的实时状态和任务需求动态调整，多目标优化算法通过粒子群优化算法实现多目标的综合优化，确保无人机在复杂地形和烟雾环境中的高效飞行；
7.根...
【专利技术属性】
技术研发人员：刘默耕，王辉，赵玉涛，吴晓杰，曹建行，
申请(专利权)人：华电河北新能源有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。