基本信息
- 项目名称：
- 飞行传感器网络
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 科技发明制作A类
- 简介：
- 飞行传感器网络是一个融合了飞行机器人和移动无线传感器网络的新概念，其基本节点是多个在空间分布的、可自主飞行的、具有很强计算和感知能力的微型飞行机器人。并利用地面移动机器人作为飞行传感器网络中的基站结合进一步扩大网络的覆盖范围，融合并处理各种传感器数据并进行任务规划。它可用于探知各种环境中的各种信息，应用在救援、军事、民用等多个领域。
- 详细介绍：
- 移动无线传感器网络（Mobile Wireless Sensor Network, MWSN） 传统的静态无线传感器网络（WSN）是由大量部署在观测环境中的微型廉价低功耗的传感器节点通过多跳通信方式形成的网络系统。传感器节点具有数据采集、处理、无线通信和自组织的能力，能协作地完成大规模复杂的监测任务。网络中通常只有少量的汇聚节点负责发布命令和收集数据，实现与互联网的通信。 移动无线传感器网络（MWSN）的概念最早出现在1991年，相对于已经广泛应用的传统静态传感器网络，MWSN近年来才引起人们的广泛关注。MWSN由分散的移动节点组成，每个节点除了具有传统静态节点的传感、计算和通信能力外，还具有一定的机动能力。对于一些危险场合和动态环境对象，如灾难现场紧急救援、建筑物内危险品泄漏等。传统的WSN部署方法实现起来将十分困难甚至失效，而利用MWSN的机动能力，问题将会迎刃而解。配备相关传感器的移动节点可以自动地在现场部署开来，按预定的程序取得一个合适的分布密度和网络覆盖，及时传回实时数据。 尽管节点移动给MWSN的设计带来诸多问题和挑战，MWSN在使用方面具有传统静态传感器网络所不具有的优点： a) MWSN具有更有效的能量利用效率。 b) 相比静态传感器网络，MWSN有更大的通道容量。 c) MWSN可以更好地观察目标，具有更好的视野或更近的观察距离。 d) 可移动性可以使传感器节点之间拥有更好的通信质量。 e) 数据保真度的增加。 飞行机器人（Micro Flying Robot） 飞行机器人是一种小型的、无人驾驶的、并具有一定自主能力的飞行器，其设计的主要目的是作为独立的观察装置。飞行机器人不是载人飞行器的一种替代品，它的特性令其能够完全适应更为复杂的环境，这使得飞行机器人成为一种新的概念。从小型飞机到气动力微型直升机，它们具有不同的形状、大小和外观设计，偶尔携带小型负载。 飞行机器人应用广泛，军事用途是它发展的潜在推动的主要因素，当然飞行机器人也被用于商业和科学研究中。在执行建筑物内的侦察任务时，飞行机器人可以迅速执行穿越走廊、爬行、或穿过建筑物的通风系统等任务。在人类不能进入或地面车辆无法进入的危险环境，飞行机器人也可以完成搜寻工作。飞行机器人的其它应用也有很多，比如标记、定位和通信等。 飞行传感器网络（Flying Sensor Network）概念及意义 当前，移动无线传感器网络中的子节点会遇到计算能力的瓶颈，这在很大程度上限制了它的应用范围。为此，我们提出了“飞行传感器网络”概念，用具有很强计算和感知能力的飞行机器人作为移动无线传感器网络的子节点，并配以一些地面移动基站进行辅助通讯和计算，并通过无线方式进行信息传输。相对于独立个体的飞行机器人，飞行传感器网络在极端环境下具有更为强大的处理和活动能力，特别是对于无法估计或具有不确定性的任务。
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 飞行传感器网络是一个融合了飞行机器人和移动无线传感器网络的新概念，其基本节点是多个在空间分布的、可自主飞行的、具有很强计算和感知能力的微型飞行机器人。为了扩大网络的覆盖范围，地面移动机器人作为飞行传感器网络中的基站，融合并处理各种传感器数据并进行任务规划。多个飞行机器人与多个地面移动机器人协同合作，探知环境中的各种信息。飞行传感器网络具有重要的理论研究价值，可应用于救援、军事、民用等多个领域。
科学性、先进性
- 飞行传感器网络融合了飞行机器人和移动无线传感器网络(MWSN)的技术。较传统的静态传感器网络，MWSN具有更有效的能量利用效率，更大的通道容量，可以更好地观察目标，具有更好的视野或更近的观察距离，其可移动性可以使传感器节点之间拥有更好的通信质量，增加了数据保真度。飞行传感器网络用具有很强计算和感知能力的飞行机器人作为MWSN的子节点，并配以一些地面移动基站进行辅助通讯和计算，并通过无线方式进行信息传输。相对于独立个体的飞行机器人，飞行传感器网络在极端环境下具有更为强大的处理和活动能力，特别是对于无法估计或具有不确定性的任务。比如，地震后的搜索和救援工作。
获奖情况及鉴定结果
- 作为中国高校的代表，参加了2010年10月在上海召开的微软亚太区技术节。
作品所处阶段
- 实验阶段
技术转让方式
- 拟申请2～3项专利，其中包括“嵌入式多传感器融合技术”等，并以普通许可的方式与企业进行合作。
作品可展示的形式
- 实物
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 飞行传感器网络可将传感器网络立体化、集成化，可以综合多个飞行器得到的数据，更加全面可靠的反映侦测目标的相对状态，是集合多领域技术的综合系统；利用了WiFi与ZigBee的优势互补，实现各类型数据的传输。飞行传感器网络包括若干采集数据的飞行机器人和用于处理通讯中转的地面移动基站，具有极强的展示效果，在许多领域将会得到广泛的应用，如勘探、救援、军事等领域。
同类课题研究水平概述
- 飞行传感器网络，在国内迄今为止还无法查询到相关的研究成果。在国外，尤其在美国，最近几年已经有一些研究者开始关注类似的领域，美国空军学院的研究小组提出了多个无人机的合作搜索算法，其中提出了针对多个无人机的基于统计学的Sigma-Point Kalman滤波，这种滤波方法是基于统计学习理论的，相对于传统的Kalman滤波和Extended Kalman滤波具有更优的效果。由电气与计算机工程系美空军学院的Pedro DeLima等人使用Kalman滤波技术来减少多个无人机传感器目标定位误差和定位时间的方法。英国剑桥大学的C. Kemp和T. Drummond提出了通过最优分割方法来动态地聚类测量数据以助于多个飞行机器人实时跟踪的方法。德雷克塞尔大学的Flow William E等人曾介绍了一种原型为CQAR的飞行机器人，这种飞行机器人有在建筑物周边和内部飞行的能力，且设计其有一种深度“知觉”，让多个飞行机器人合作，自动躲避障碍和在照明条件不好的情况下飞行。日本东京大学的HOSOI KAZUHIRO等人利用了多个飞行机器人进行室内环境下合作定位的算法，让每个飞行机器人都计算各自的相对位置，然后利用蒙特卡洛定位方法减少不确定因素。美国MIT的Mac Schwager等人利用了多个飞行机器人朝向地面的摄像头，进行室内环境监测的算法，是利用飞行机器人作为研究载体，进行多视角下图像拼接的研究，属于视觉领域的研究工作。西班牙塞维利亚大学的Juan Jos´e Rebollo等人进行了多个非合作的飞行机器人避障算法的研究，其研究默认地图已知，在各个飞行机器人路径规划的结果中，利用搜索树的方法寻找一条最安全的通路，其成果无法应用于未知空间的探索中。 综上所述，当前国内外的研究，大都停留在单个飞行机器人的控制算法研究上，对多个飞行机器人的配合工作的问题上还缺乏深入有效的研究，大都用仿真的手段验证其算法的效能，还未见到有成熟的实际系统支持相关的理论，同时这些研究工作都未将飞行机器人的协调工作上升到网络的高度。而本作品的飞行传感器网络，将地面移动机器人与飞行机器人结合，是一个更为庞大和复杂的系统，是一个分层控制的体系结构。本作品结合了当前国内外的研究成果，并且提出了更多新的研究方向。
