典型文献
基于深度强化学习的农田节点数据无人机采集方法
文献摘要：
利用无人机采集农田传感器节点数据,可避免网络节点间多次转发数据造成节点电量耗尽,近网关节点过早死亡及网络生命周期缩短等问题.由于相邻传感器数据可能存在冗余、无人机可同时覆盖多个节点进行采集等特点,该研究针对冗余覆盖下部分节点数据采集和全节点数据采集,对无人机数据采集的路线及方案进行优化,以减轻无人机能耗,缩短任务完成时间.在冗余覆盖下部分节点数据采集场景中,通过竞争双重深度Q网络算法(Dueling Double Deep Q Network,DDDQN)优化无人机节点选择及采集顺序,使采集的数据满足覆盖率要求的同时无人机能效最优.仿真结果表明,该算法在满足相同感知覆盖率要求下,较深度Q网络(Deep Q Network,DQN)算法的飞行距离缩短了1.21 km,能耗减少27.9％.在全节点数据采集场景中,采用两级深度强化学习联合(Double Deep Reinforcement Learning,DDRL)方法对无人机的悬停位置和顺序进行优化,使无人机完成数据采集任务时的总能耗最小.仿真结果表明,单节点数据量在160 kB以下时,在不同节点个数及无人机飞行速度下,该方法比经典基于粒子群优化的旅行商问题(Particle Swarm Optimization-Traveling Salesman Problem,PSO-TSP)算法和最小化能量飞行控制(Minimized Energy Flight Control,MEFC)算法的总能耗最少节约6.3％.田间试验结果表明,相比PSO-TSP算法,基于DDRL的数据采集方法的无人机总能耗降低11.5％.研究结构可为无人机大田无线传感器节点数据采集提供参考.
文献关键词：
无人机;数据采集;深度强化学习;节点感知冗余;DQN;DRL
中图分类号：
作者姓名：
胡洁;张亚莉;王团;望梦成;兰玉彬;张植勋
作者机构：
华南农业大学电子工程学院,广州 510642;国家精准农业航空施药技术国际联合研究中心,广州 510642;华南农业大学工程学院,广州 510642
文献出处：
引用格式：
[1]胡洁;张亚莉;王团;望梦成;兰玉彬;张植勋-.基于深度强化学习的农田节点数据无人机采集方法)[J].农业工程学报,2022(22):41-51
A类：
DDDQN,DDRL,Minimized,MEFC,节点感知冗余
B类：
深度强化学习,机采,网络节点,转发,电量,耗尽,网关节点,点过,过早死亡,网络生命周期,传感器数据,冗余覆盖,分节,任务完成时间,网络算法,Dueling,Double,Deep,Network,节点选择,无人机能效,飞行距离,耗减,两级,Reinforcement,Learning,悬停,和顺,总能耗,单节点,数据量,kB,无人机飞行,飞行速度,粒子群优化,旅行商问题,Particle,Swarm,Optimization,Traveling,Salesman,Problem,PSO,TSP,飞行控制,Energy,Flight,Control,田间试验,数据采集方法,研究结构,大田,无线传感器节点
AB值：
0.350221
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
