CN115856985B - 一种大气放射性污染的无人机协同监测方法 - Google Patents

一种大气放射性污染的无人机协同监测方法 Download PDF

Info

Publication number
CN115856985B
CN115856985B CN202310167084.7A CN202310167084A CN115856985B CN 115856985 B CN115856985 B CN 115856985B CN 202310167084 A CN202310167084 A CN 202310167084A CN 115856985 B CN115856985 B CN 115856985B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
dose rate
formation
radiation dose
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.)
Active
Application number
CN202310167084.7A
Other languages
English (en)
Other versions
CN115856985A (zh
Inventor
张江梅
张草林
盛小林
席发元
刘灏霖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202310167084.7A priority Critical patent/CN115856985B/zh
Publication of CN115856985A publication Critical patent/CN115856985A/zh
Application granted granted Critical
Publication of CN115856985B publication Critical patent/CN115856985B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Measurement Of Radiation (AREA)

Abstract

本发明提供一种大气放射性污染的无人机协同监测方法,属于环境监测技术领域,为取代传统的大气放射性污染监测过程提供了解决方法;包括如下步骤:S1、携带核辐射传感器的无人机编队在目标区域开始探测;S2、无人机编队进行多点随机探测,获取多个探测点处的辐射剂量率;S3、中心无人机通过搭载的数据处理单元,进行信息收集,绘制放射源的辐射剂量率分布等值面图并共享;S4、所有无人机沿着辐射剂量率强度上升最快的方向前进并进行探测;S5、重复上述步骤,直至完成整个目标空域的大气放射性污染监测工作,得到监测结果数据;本发明通过对编队采集信息进行融合决策,实时获取污染强度,能进行高效监测,具有监测及时和范围广的优点。

Description

一种大气放射性污染的无人机协同监测方法
技术领域
本发明属于环境监测技术领域,应用于大气放射性污染的监测过程中,具体为一种大气放射性污染的无人机协同监测方法。
背景技术
大气放射性污染具有扩散范围广、转移变化快和持续性强等特点,而陆地放射性污染通常是围绕固定的放射源,呈点状辐射污染,因此,陆地环境中的放射性污染监测技术并不适合大气环境中的放射性污染监测工作。现有技术中,大气放射性污染监测主要围绕气溶胶采样、测量和数据分析等过程进行调查,通过测量大气中的核素迁移扩散浓度,判断分析污染强度和污染范围;现有的这种监测方法存在如下缺点:1、采样和测量都具有繁琐的工序;2、在面对突发的放射性污染时,不能及时和高效地完成污染区域内的放射性监测,监测结果迟滞,参考价值不高。
随着无人机技术的快速发展,通过无人机搭载核辐射探测器的方式,应用于辐射环境本底调查、核事故/核泄漏污染情况监测、辐射事故中放射源搜寻等工作的场景越来越多;此类方式可有效降低工作人员的受照剂量、提高监测效率和获取空间辐射场数据,因此越来越受到研发人员的关注;无人机是远距离、多功能天空探测作业装置的重要内容和组成部分,其携带的辐射传感器能够以移动平台为载体,在其周围数百公里的范围内完成全方位的放射性污染监测任务。通过无人机的智能控制模块、目标探测与环境数据采集模块、导航模块、通讯模块、安全检测、自救单元和能源单元等组成结构,能够保证无人机的各项性能指标及工作的顺利完成,同时便于使用和维护。如何发挥无人机的优势,特别是多无人机编队及协同的方式,结合大气环境,得到一种及时、高效和范围广的大气放射性污染监测方法,以取代现有技术中传统的大气放射性污染监测过程,是目前的研究中亟待解决的问题。
发明内容
本发明的目的是提供一种能解决现有技术问题的无人机协同监测方法,该方法可高效监测大气环境中的放射性污染;利用目标空域中携带辐射传感器的无人机编队,进行放射性污染的协同监测,通过对无人机编队中各个辐射传感器采集得到的信息进行融合决策,实时获取空间的污染强度,得出辐射剂量率分布等值面图,从而使无人机编队能对大气放射性污染进行高效监测,具有监测及时、范围广和效率高的优点。
本发明采用了以下技术方案来实现目的:
一种大气放射性污染的无人机协同监测方法,包括如下步骤:
S1、携带有核辐射传感器的无人机编队到达核污染目标空域,起飞并准备在目标区域中开始探测;
S2、无人机编队初始化,在核污染目标空域内进行多点随机探测,获取放射源在多个探测点处的辐射剂量率;
S3、无人机编队中,中心无人机通过自身搭载的数据处理单元,对多个探测点处的辐射剂量率信息进行收集,并计算放射性污染强度,绘制出放射源的辐射剂量率分布等值面图,并共享给编队中的其他无人机;
S4、无人机编队中的所有无人机,依据步骤S3中绘制的辐射剂量率分布等值面图,沿着辐射剂量率强度上升最快的方向前进并进行探测,接近并确定放射源的所在位置;
S5、重复步骤S2至S4,直至完成整个核污染目标空域的大气放射性污染监测工作,得到目标空域的大气放射性污染监测结果数据。
具体的,步骤S1中,无人机编队通过移动平台被运送至核污染目标空域所在地点,随后起飞至空中开始探测;所述移动平台包括地面载具、空中载具和水面载具。
进一步的,步骤S2中,无人机编队在位于空中后,各个无人机之间以一定距离保持通信和信息共享。
具体的,无人机编队中,无人机的通信包括内部通信和外部通信;所述内部通信为单个无人机的自身通信***,进行无人机内部的数据处理单元中各个软件模块的通信,所述软件模块包括污染数据采集模块、导航模块、剂量率测量数据实时接收模块和剂量率等值线制图模块;所述外部通信为不同无人机之间的通信,进行无人机编队的信息共享和数据传输。
进一步的,步骤S2中,无人机编队中的每个无人机均携带有核辐射传感器,当无人机编队随机抵达空域中的某一位置时,各个无人机分别获取当前自身所在位置的辐射剂量率,从而完成多点随机探测过程。
进一步的,步骤S3中,所述辐射剂量率分布等值面图,是通过获得多个辐射剂量率等值面后,经过拟合的方式得到的。
进一步的,所述多个辐射剂量率等值面的获得方法为:
S31、无人机编队进行多点随机探测时,获取当前每个无人机所在点的辐射剂量率,随后仍保持原有或设定的移动方向前进一定距离,到达目标空域中的另一处位置并获取新位置中每个无人机所在点的辐射剂量率;
S32、每个无人机计算自身探测的当前点剂量率与前一点剂量率的差值,若差值的绝对值不超过预设阈值,则认为当前点与前一点的剂量率相同;
S33、重复S31至S32的步骤,在核污染目标空域中的不同位置,不断进行不同点的剂量率差值判断,并实时调整无人机编队的飞行方向,从而依据剂量率差值数据,拟合得出当前的辐射剂量率等值面;
S34、无人机编队沿当前的辐射剂量率等值面的法线方向移动前进,并重复S31至S33的步骤,最终得到多个辐射剂量率等值面。
进一步的,无人机编队的移动前进过程中,整个编队保持菱形梯队形状;在步骤S3及步骤S4中,中心无人机不固定,无人机编队中的所有无人机均搭载有数据处理单元;中心无人机为位于整个无人机编队几何中心处的无人机,在无人机编队移动及方向变换的过程中,中心无人机自适应的进行切换,始终满足整个无人机编队几何中心处的无人机作为中心无人机的条件。
具体的,中心无人机自适应的切换过程为:无人机编队中,每个无人机将自身的最新位置信息进行实时共享,整个编队通过计算中心位置,将位于中心位置处或最靠近中心位置处的无人机切换为中心无人机。
具体的,所述放射源为碘131,所述辐射剂量率分布等值面图为碘131剂量率分布等值面图。
综上所述,由于采用了本技术方案,本发明的有益效果如下:
1、针对目标空域的大气放射性污染,无人机编队可以形成覆盖面积大的实时监测区域,通过本发明方法中的编队信息和数据共享特点,无人机编队能够快速完成大范围的监测任务,节省任务作业时间,这是单个无人机进行大气污染监测所无法达到的效果。
2、本发明方法通过无人机编队随机获取多点位置的放射性污染数据,构建了辐射剂量率分布等值面图,并计算出辐射强度梯度上升最大的方向,从而引领无人机编队快速向放射性污染严重的区域移动并进行监测;通过无人机编队中的信息共享和编队控制,无人机编队在辐射强度上升慢的区域可实行快速探测,在辐射强度上升快的区域可实行慢速探测,从而平衡了监测效率和辐射探测精度的关系,能实现更精准、更高效的大气放射性污染监测过程。
附图说明
图1为本发明的方法的流程示意图;
图2为本发明中无人机编队绘制辐射剂量率分布等值面图的过程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以按各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种大气放射性污染的无人机协同监测方法,包括如下步骤:
S1、携带有核辐射传感器的无人机编队到达核污染目标空域,起飞并准备在目标区域中开始探测;
S2、无人机编队初始化,在核污染目标空域内进行多点随机探测,获取放射源在多个探测点处的辐射剂量率;
S3、无人机编队中,中心无人机通过自身搭载的数据处理单元,对多个探测点处的辐射剂量率信息进行收集,并计算放射性污染强度,绘制出放射源的辐射剂量率分布等值面图,并共享给编队中的其他无人机;
S4、无人机编队中的所有无人机,依据步骤S3中绘制的辐射剂量率分布等值面图,沿着辐射剂量率强度上升最快的方向前进并进行探测,接近并确定放射源的所在位置;
S5、重复步骤S2至S4,直至完成整个核污染目标空域的大气放射性污染监测工作,得到目标空域的大气放射性污染监测结果数据。
以下介绍本实施例中方法的具体过程,以无人机协同监测大气环境中碘131污染物的放射性泄露为例。
在步骤S1中,将携带核辐射传感器的无人机通过移动平台运送至核污染空域,无人机编队起飞上升到高空,在一个较大的区域进行大范围的探测;移动平台依据具体实施单位的情况,可包括地面载具、空中载具和水面载具。
在步骤S2中,无人机编队初始化,编队内无人机在编队所在的区域内进行随机的探测,获取得到多点位置碘131的辐射剂量率;在飞行移动过程中,各个无人机之间以一定的距离保持通信和信息共享。
在步骤S3中,利用编队几何中心无人机搭载的数据处理单元对编队无人机多点位置获取的探测信息进行收集,计算各点的放射性污染强度,绘制出碘131剂量率分布等值面图,如图2所示,从而获得剂量率的分布规律,并且共享给其他无人机。
本实施例中,编队中的无人机搭载的数据处理单元,获取多点位置的包括位置信息、角度信息和剂量率强度信息;通过这些信息,编队几何中心无人机的数据处理单元通过构建剂量率分布图,来计算各个无人机位置之间的剂量率差值,获取当前位置剂量率强度梯度上升的最快方向,并共享给其他无人机。
而碘131剂量率分布等值面图,是通过获得多个碘131剂量率等值面后,经过拟合的方式得到的,多个碘131剂量率等值面的获得方法为:
S31、无人机编队进行多点随机探测时,获取当前每个无人机所在点的碘131剂量率,随后仍保持原有或设定的移动方向前进一定距离,到达目标空域中的另一处位置并获取新位置中每个无人机所在点的碘131剂量率;
S32、每个无人机计算自身探测的当前点剂量率与前一点剂量率的差值,若差值的绝对值不超过预设阈值,则认为当前点与前一点的剂量率相同;
S33、重复S31至S32的步骤,在碘131污染目标空域中的不同位置,不断进行不同点的剂量率差值判断,并实时调整无人机编队的飞行方向,从而依据剂量率差值数据,拟合得出当前的碘131剂量率等值面;
S34、无人机编队沿当前的辐射剂量率等值面的法线方向移动前进,并重复S31至S33的步骤,最终得到多个辐射剂量率等值面。
上述过程总体而言为:首先由无人机携带的核辐射传感器测量并记录当前点的核素剂量率值,然后以当前方向前进一定的距离到另一点,测量并且记录另一点的核素剂量率值,比较当前点与另一点剂量率的差值,若差值绝对值不超过一个阈值,则认为这两点的剂量率相同;接着重复上述步骤找到第三个点,拟合出剂量率等值面,然后无人机开始以最新当前点的等值面的法线方向前进,重复之前的步骤,找到第二个剂量率等值面;根据上述的步骤记录的数据模拟绘制出多个剂量率分布等值面,然后计算出剂量率强度上升最快的方向。
在步骤S4中,无人机根据共享的信息,沿着剂量率强度上升最快的方向前进,各个无人机之间以一定的距离保持通信和信息共享。具体的来说就是编队内各无人机接受来自中心无人机共享的剂量率强度上升最快方向信息,控制自身按照剂量率强度上升最快的方向前进。其中,中心无人机不是固定的,按照无人机将自身最新的位置信息进行编队内共享,重新计算中心位置,将位于该位置或离该位置最近的无人机设定为中心。
最后,重复上述步骤S2至S4,直至完成目标空域放射性污染探测。
本实施例中,无人机在初始位置周边进行随机多点快速探测,获取一定范围内的多点辐射强度信息,通过中心无人机搭载的计算单元,得出区域放射性剂量率分布等值面图,多点之间的梯度上升值通过计算绘制出来,通过比较,得出初始点位置强度梯度上升最大方向,并通过编队内协同导航,将相关信息传输给编队内其他无人机,实现信息共享。当编队开始进行探测时,编队无人机快速沿着强度梯度上升最大的方向前进探测,重复上述步骤2-4,周期性的获取多位置的辐射强度,最终快速实现目标区域的放射性污染监测。
同时,无人机编队中,无人机的通信包括内部通信和外部通信;内部通信为单个无人机的自身通信***,进行无人机内部的数据处理单元中各个软件模块的通信,软件模块包括污染数据采集模块、导航模块、剂量率测量数据实时接收模块和剂量率等值线制图模块;外部通信为不同无人机之间的通信,进行无人机编队的信息共享和数据传输。
本实施例中的大气放射性污染的无人机协同监测方法,无人机编队保持菱形梯队。所述的菱形梯队利用中心无人机来控制整个编队的运动趋势,该队形适用于大面积空域内的放射性污染监测;同时在编队投放和探测过程中,对于编队所获取的污染强度信息、污染强度上升最快方向的信息实时更新记录,并且注明绝对位置信息。
而至于中心无人机的切换设计,无人机编队协同导航很大程度上依赖于彼此之间的通信,通过共享探测信息来提高整个编队的探测效率和精度。编队内无人机把自身最新的位置、速度信息以及所需要发送的放射性污染处理数据通过数据传输给相邻的无人机;内部传输的信息主要是编队协同完成任务所需的信息,受到空间环境和外部干扰信号等的影响,编队本身运动和通信范围限制容易影响无人机之间的通信质量。在信息共享的同时,需要自适应的切换中心无人机,以保证通信质量达到一个最佳的状态。

Claims (8)

1.一种大气放射性污染的无人机协同监测方法,其特征在于,包括如下步骤:
S1、携带有核辐射传感器的无人机编队到达核污染目标空域,起飞并准备在目标区域中开始探测;
S2、无人机编队初始化,在核污染目标空域内进行多点随机探测,获取放射源在多个探测点处的辐射剂量率;
S3、无人机编队中,中心无人机通过自身搭载的数据处理单元,对多个探测点处的辐射剂量率信息进行收集,并计算放射性污染强度,绘制出放射源的辐射剂量率分布等值面图,并共享给编队中的其他无人机;
S4、无人机编队中的所有无人机,依据步骤S3中绘制的辐射剂量率分布等值面图,沿着辐射剂量率强度上升最快的方向前进并进行探测,接近并确定放射源的所在位置;
S5、重复步骤S2至S4,直至完成整个核污染目标空域的大气放射性污染监测工作,得到目标空域的大气放射性污染监测结果数据;
步骤S3中,所述辐射剂量率分布等值面图,是通过获得多个辐射剂量率等值面后,经过拟合的方式得到的;
所述多个辐射剂量率等值面的获得方法为:
S31、无人机编队进行多点随机探测时,获取当前每个无人机所在点的辐射剂量率,随后仍保持原有或设定的移动方向前进一定距离,到达目标空域中的另一处位置并获取新位置中每个无人机所在点的辐射剂量率;
S32、每个无人机计算自身探测的当前点剂量率与前一点剂量率的差值,若差值的绝对值不超过预设阈值,则认为当前点与前一点的剂量率相同;
S33、重复S31至S32的步骤,在核污染目标空域中的不同位置,不断进行不同点的剂量率差值判断,并实时调整无人机编队的飞行方向,从而依据剂量率差值数据,拟合得出当前的辐射剂量率等值面;
S34、无人机编队沿当前的辐射剂量率等值面的法线方向移动前进,并重复S31至S33的步骤,最终得到多个辐射剂量率等值面。
2.根据权利要求1所述的一种大气放射性污染的无人机协同监测方法,其特征在于:步骤S1中,无人机编队通过移动平台被运送至核污染目标空域所在地点,随后起飞至空中开始探测;所述移动平台包括地面载具、空中载具和水面载具。
3.根据权利要求1所述的一种大气放射性污染的无人机协同监测方法,其特征在于:步骤S2中,无人机编队在位于空中后,各个无人机之间以一定距离保持通信和信息共享。
4.根据权利要求3所述的一种大气放射性污染的无人机协同监测方法,其特征在于:无人机编队中,无人机的通信包括内部通信和外部通信;所述内部通信为单个无人机的自身通信***,进行无人机内部的数据处理单元中各个软件模块的通信,所述软件模块包括污染数据采集模块、导航模块、剂量率测量数据实时接收模块和剂量率等值线制图模块;所述外部通信为不同无人机之间的通信,进行无人机编队的信息共享和数据传输。
5.根据权利要求3所述的一种大气放射性污染的无人机协同监测方法,其特征在于:步骤S2中,无人机编队中的每个无人机均携带有核辐射传感器,当无人机编队随机抵达空域中的某一位置时,各个无人机分别获取当前自身所在位置的辐射剂量率,从而完成多点随机探测过程。
6.根据权利要求1所述的一种大气放射性污染的无人机协同监测方法,其特征在于:无人机编队的移动前进过程中,整个编队保持菱形梯队形状;在步骤S3及步骤S4中,中心无人机不固定,无人机编队中的所有无人机均搭载有数据处理单元;中心无人机为位于整个无人机编队几何中心处的无人机,在无人机编队移动及方向变换的过程中,中心无人机自适应的进行切换,始终满足整个无人机编队几何中心处的无人机作为中心无人机的条件。
7.根据权利要求6所述的一种大气放射性污染的无人机协同监测方法,其特征在于,中心无人机自适应的切换过程为:无人机编队中,每个无人机将自身的最新位置信息进行实时共享,整个编队通过计算中心位置,将位于中心位置处或最靠近中心位置处的无人机切换为中心无人机。
8.根据权利要求1所述的一种大气放射性污染的无人机协同监测方法,其特征在于:所述放射源为碘131,所述辐射剂量率分布等值面图为碘131剂量率分布等值面图。
CN202310167084.7A 2023-02-27 2023-02-27 一种大气放射性污染的无人机协同监测方法 Active CN115856985B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310167084.7A CN115856985B (zh) 2023-02-27 2023-02-27 一种大气放射性污染的无人机协同监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310167084.7A CN115856985B (zh) 2023-02-27 2023-02-27 一种大气放射性污染的无人机协同监测方法

Publications (2)

Publication Number Publication Date
CN115856985A CN115856985A (zh) 2023-03-28
CN115856985B true CN115856985B (zh) 2023-05-12

Family

ID=85658959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310167084.7A Active CN115856985B (zh) 2023-02-27 2023-02-27 一种大气放射性污染的无人机协同监测方法

Country Status (1)

Country Link
CN (1) CN115856985B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105277927A (zh) * 2014-06-19 2016-01-27 南京理工大学 飞行器编队瞬态电磁特性时域阶数步进分析方法
WO2017209316A1 (ko) * 2016-05-30 2017-12-07 전자부품연구원 레이저 고도계 기반의 무인 비행체를 이용한 원격 방사선량률 탐사 방법 및 시스템
CN108549403A (zh) * 2018-03-30 2018-09-18 北京润科通用技术有限公司 一种协同避障方法及装置
CN109407694A (zh) * 2017-08-18 2019-03-01 清华大学 无人机编队控制方法、可读存储介质、设备及无人机
JP2019091326A (ja) * 2017-11-16 2019-06-13 みこらった株式会社 掃除システム及び掃除システムを構成するロボット掃除装置並びに飛行体装置
WO2019238596A1 (en) * 2018-06-11 2019-12-19 Telefonaktiebolaget Lm Ericsson (Publ) Determining control parameters for formation of multiple uavs
US10866226B1 (en) * 2017-02-07 2020-12-15 Air Stations Llc/Elevated Analytics Llc Joint Venture Multi-point ground emission source sensor system
CN112130581A (zh) * 2020-08-19 2020-12-25 昆明理工大学 一种面向空中机动作战的无人机集群协同任务规划方法
CN113467507A (zh) * 2021-06-28 2021-10-01 中交遥感载荷(江苏)科技有限公司 一种基于无人机***的大气环境采样方法及其无人机***
CN115469666A (zh) * 2022-09-21 2022-12-13 浙江大学 一种通信受限的多机器人协同等值面跟踪方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001153952A (ja) * 1999-11-26 2001-06-08 Nippon Anzen Hosho Keibi Kk 放射能拡散状況把握システム
CN203941294U (zh) * 2014-05-20 2014-11-12 西南科技大学 一种基于空中机器人的核辐射监测***
US9878257B2 (en) * 2014-06-10 2018-01-30 University Of Kansas Aerial vehicles and methods of use
US10114384B2 (en) * 2016-09-13 2018-10-30 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN107117312A (zh) * 2017-05-22 2017-09-01 中国原子能科学研究院 一种无人飞行器低空辐射监测***
CN107807665B (zh) * 2017-11-29 2020-11-17 合肥工业大学 无人机编队探测任务协同分配方法及装置
CN109061707A (zh) * 2018-07-23 2018-12-21 河南省核工业放射性核素检测中心 基于无人机的核污染区域核辐射监测***及方法
CN109856668B (zh) * 2019-03-21 2020-09-01 西南科技大学 一种海洋放射性污染的多机协同监测方法
RU2755604C1 (ru) * 2021-01-11 2021-09-17 Федеральное государственное казённое учреждение "12 Центральный научно-исследовательский институт" Министерства обороны Российской Федерации Способ определения параметров аварийного радиационного источника по данным воздушной радиационной разведки местности
US20220397917A1 (en) * 2021-06-11 2022-12-15 Netdrones, Inc. Systems and methods for 3d model based drone flight planning and control

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105277927A (zh) * 2014-06-19 2016-01-27 南京理工大学 飞行器编队瞬态电磁特性时域阶数步进分析方法
WO2017209316A1 (ko) * 2016-05-30 2017-12-07 전자부품연구원 레이저 고도계 기반의 무인 비행체를 이용한 원격 방사선량률 탐사 방법 및 시스템
US10866226B1 (en) * 2017-02-07 2020-12-15 Air Stations Llc/Elevated Analytics Llc Joint Venture Multi-point ground emission source sensor system
CN109407694A (zh) * 2017-08-18 2019-03-01 清华大学 无人机编队控制方法、可读存储介质、设备及无人机
JP2019091326A (ja) * 2017-11-16 2019-06-13 みこらった株式会社 掃除システム及び掃除システムを構成するロボット掃除装置並びに飛行体装置
CN108549403A (zh) * 2018-03-30 2018-09-18 北京润科通用技术有限公司 一种协同避障方法及装置
WO2019238596A1 (en) * 2018-06-11 2019-12-19 Telefonaktiebolaget Lm Ericsson (Publ) Determining control parameters for formation of multiple uavs
CN112130581A (zh) * 2020-08-19 2020-12-25 昆明理工大学 一种面向空中机动作战的无人机集群协同任务规划方法
CN113467507A (zh) * 2021-06-28 2021-10-01 中交遥感载荷(江苏)科技有限公司 一种基于无人机***的大气环境采样方法及其无人机***
CN115469666A (zh) * 2022-09-21 2022-12-13 浙江大学 一种通信受限的多机器人协同等值面跟踪方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
APPLICATIONS OF NETWORKED UNMANNED AERIAL VEHICLES TO COOPERATIVE FIRE DETECTION USING GRID-BASED DATA FUSION TECHNIQUES;Luis Merino et al;《IFAC Proceedings Volumes 》;全文 *
Cooperative communication framework design for the unmanned aerial vehicles-unmanned surface vehicles formation;Ma,Y et al.;《Advances In Mechanical Engineering》;全文 *
一种应用于机器人行为控制的算法研究;张江梅 等;《黑龙江科技信息》;全文 *
军用装备重大核事故应急处置模拟训练***实践研究;袁伟 等;《中国应急救援》;全文 *
无人旋翼机机载放射性气溶胶在线监测***的研制;王泽宇;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑 》;全文 *
空中抛撒的微小型多机器人抗冲击设计与协同控制;李月;《中国优秀硕士学位论文全文数据库 信息科技》;全文 *

Also Published As

Publication number Publication date
CN115856985A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN106405040A (zh) 一种基于无人设备的水质巡检、污染物溯源***及其方法
CN110654571B (zh) 一种飞机蒙皮表面缺陷无损检测机器人***及方法
CN102854881B (zh) 无人机uav自动控制***
CN110780305A (zh) 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法
CN110579768B (zh) 一种固定翼无人机载激光雷达电力巡线航线设计方法
CN103984355A (zh) 一种巡检飞行机器人与架空电力线路距离预测和保持方法
CN115185292B (zh) 基于地空一体化的空气污染智能监测方法及平台
CN113848226B (zh) 一种智能化空间移动污染物自主溯源***及溯源方法
CN109856668B (zh) 一种海洋放射性污染的多机协同监测方法
CN108106617A (zh) 一种无人机自动避障方法
CN112527010B (zh) 基于人工势场与粒子优化的室内变电站无人机多机协同巡检方法
CN113009100A (zh) 一种基站式无人机流域水环境监测***
CN112067042A (zh) 一种海洋辐射与核素扩散监测***及方法
CN113674355A (zh) 一种基于相机与激光雷达的目标识别与定位方法
CN110244002B (zh) 一种基于无人机***的大气污染源追踪方法
CN106774308B (zh) 一种机器人电站巡检***及方法
CN106603002A (zh) 一种光伏电站故障检测***
CN115856985B (zh) 一种大气放射性污染的无人机协同监测方法
CN117537839A (zh) 一种巡逻机器人导航定位检测***
CN116679011A (zh) 一种监测碳排放源的无人机设备及监测方法
CN116754722A (zh) 一种基于无人机实现碳排放监测的方法及***
CN115291241B (zh) 一种基于SLAM的针对辐射工厂的α/β辐射地图构建方法
CN217879087U (zh) 一种无人机co2探测***及装置
CN110554708A (zh) 一种适用于月背环境下巡视器自主分离控制方法
CN115877855A (zh) 自适应环境路径规划的智能电力巡检机器人及巡检方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant