水下动态环境中考虑时延和AUV能耗的混合数据搜集方法

    公开(公告)号:CN116074915A

    公开(公告)日:2023-05-05

    申请号:CN202310095023.4

    申请日:2023-02-10

    Applicant: 厦门大学

    Abstract: 水下动态环境中考虑时延和AUV能耗的混合数据搜集方法,在运用多跳路由传输方式和AUV信息搜集方式的混合数据搜集过程中,考虑到水声环境导致的节点移动、数据传输过程的时间损耗以及AUV行驶的能量损耗,对多跳过程中的下一跳节点选择和AUV路径规划进行优化。在多跳传输进行路由选择时,下一跳节点可能处于数据传输过程中,将该情况作为选择下一跳节点的影响因素之一,以减少时间损耗;在AUV路径规划过程时,在遗传算法中加入不同层之间AUV的相互影响,让下层AUV将数据传递给上层AUV,避免所有AUV都需到达Sink节点的情况;所考虑的水下场景是动态变化的,更符合实际海洋环境。能够有效减少时延以及AUV能量损耗。

    一种基于排队模型和遗传算法的水声数据搜集方法

    公开(公告)号:CN115658980A

    公开(公告)日:2023-01-31

    申请号:CN202211293810.1

    申请日:2022-10-21

    Applicant: 厦门大学

    Abstract: 一种基于排队模型和遗传算法的水声数据搜集方法,涉及水声网络。针对水声网络中簇头容量有限的问题,通过将单服务台混合制排队理论模型,运用于利用AUV进行水下节点数据搜集场景中簇头和传感器节点之间的数据传输过程,可以得出不同簇头到达簇头容量上限的时间。将该时间参数和簇头间的距离作为遗传算法适应度函数设计的根据,考虑该时间参数和AUV到达簇头之间的时间差距造成的数据包丢失,以及AUV行驶过程中的能量损耗,按照需要调整二者之间的权重,再通过遗传算法对AUV行驶路径进行规划。目的在于考虑AUV能量损耗的前提下,减少节点容量有限导致数据搜集到达上限后的数据丢失。

    一种基于Q学习的分段式水下地形匹配方法

    公开(公告)号:CN115640522A

    公开(公告)日:2023-01-24

    申请号:CN202211254808.3

    申请日:2022-10-13

    Applicant: 厦门大学

    Abstract: 一种基于Q学习的分段式水下地形匹配方法,涉及水下地形匹配。在已知初始点和初始航行角度情况下,将自主式水下潜器航行的轨迹路线按采样长度L分段处理,每段终点为一个定位节点,考虑每个定位节点前一段和后一段路线的高程数据,以TERCOM算法中均方差为指标在每个定位节点按角度范围f匹配,以均方差最小路线为最合适路线,确定前一段和后一段路线的偏转角an,计算路线偏转角相差程度bn;结合Q学习给bn赋予不同奖励值R,根据R值与Q值的关系在每一个定位节点后更新Q值,由Q值的变化优化下一次匹配的角度范围f,实时调整匹配时的角度范围,确保在每个定位节点进行匹配时的角度范围合适,降低整个轨迹匹配过程中的匹配次数。

Patent Agency Ranking