作者:牟治宇,张煜,范典,刘君,高飞飞 单位:人民邮电出版社 出版:《物联网学报》2020年第03期 页数:10页  (PDF与DOC格式可能不同) PDF编号:PDFWLWX2020030050 DOC编号:DOCWLWX2020030059 下载格式:PDF + Word/doc 文字可复制、可编辑
《数据融合算法在农业物联网信息采集中的研究与应用》PDF+DOC2016年第01期 赵树林,徐鹏民,吕光杰,盖凌云,秦剑锋 《基于物流机器人的路径规划研究》PDF+DOC2020年第03期 亢程博,闫娟,杨慧斌,陆文超 《基于无人机的物联网监测系统》PDF+DOC2018年第10期 赵亮,胡张兵,黄晶,吴豹,张巧云 《比赛用搜救机器人的设计》PDF+DOC2013年第10期 帅晨,余晶,胡慧 《基于LoRa物联网的自然保护区监测系统设计》PDF+DOC2017年第05期 孙卫宁,杜奕霖,覃宏秋 《物联网环境下面向能耗优化的无人机飞行规划》PDF+DOC2020年第03期 东方,吴媚,朱文捷,李修阳 《物联网下最优路径选取模型的设计与仿真》PDF+DOC2019年第08期 熊凡 《基于质点振速测量的低空目标定向算法研究》PDF+DOC2007年第02期 蔡宗义,赵俊渭,李家武,郭艳,许学忠,唐玉志,董永峰 《智能车辆车道保持系统中避障路径规划》PDF+DOC2014年第02期 汪明磊,陈无畏,王家恩 《高校物联网平台的前端数据采集技术》PDF+DOC 罗少甫,董明
  • 物联网时代需要实现海量的节点覆盖和连接,对于一些偏远地区,物联网通信技术存在无法及时采集数据的问题。而无人机具有灵活性和机动性等特点,因此,可用于物联网中的无线传感器网络的数据采集。所提方案着重对无人机辅助传感器网络数据采集时的路径规划问题进行了研究,同时满足无人机自身因电池容量有限而产生的充电需求。具体地,利用时间抽象分层强化学习思想,基于离散动作深度强化学习架构,提出了一种新颖的option-DQN(option-deepQ-learning)算法,实现了高效的无人机数据采集和路径规划,同时控制无人机及时进行充电,保证其正常飞行。仿真结果表明,相比于传统DQN(deep Q-learning)算法,所提算法在训练时的周期奖励上升速度更快,最终达到的周期奖励水平更高,并且无人机在执行任务时的轨迹更清晰、合理,所提算法可以判断无人机何时应进行充电,从而保证无人机的电量始终充足。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。