1.基于群体智能控制的集群控制方法,其特征在于,该方法包括以下步骤:
在农田设置若干分析点位,所述分析点位包含若干传感器安装点位以及若干预测点位,获取每个分析点位的若干土壤维度数据;利用无人机扫描获取每个分析点位的无人机测量作物高度;
根据分析点位的土壤维度数据,得到每种土壤维度数据的若干等级簇类;根据土壤维度数据的等级簇类,得到每种土壤维度数据的每个等级簇类的偏离程度;根据所述等级簇类获取每种土壤维度数据的若干等级区域;根据土壤维度数据的等级区域之间的重叠关系以及所述偏离程度,得到每个分析点位受每种土壤维度数据的影响程度;
根据预测点位与传感器安装点位受每种土壤维度数据的影响程度的相似关系,得到每个预测点位与每个传感器安装点位的土质相似性;根据预测点位与传感器安装点位的土质相似性,结合每个传感器安装点位的无人机测量作物高度,得到每个预测点位的理论作物高度;根据每个预测点位的无人机测量作物高度与理论作物高度的差异关系,得到每个预测点位的高度偏差程度;
根据所述高度偏差程度筛选得到疑似偏差点位;根据疑似偏差点位和所述高度偏差程度对无人机集群进行控制。
2.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据分析点位的土壤维度数据,得到每种土壤维度数据的若干等级簇类,包括的具体方法为:对于任意一种土壤维度数据,将该种土壤维度数据在所有土壤综合传感器的数据值以及所有预测点位的预测值构成的数据集合记为该种土壤维度数据的单维度监测集合,利用手肘法获取该单维度监测集合的最佳簇类数量,将所述最佳簇类数量作为K-means聚类算法中的K值,将该单维度监测集合内的元素聚为K个簇类,记为该种土壤维度数据的等级簇类。
3.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据土壤维度数据的等级簇类,得到每种土壤维度数据的每个等级簇类的偏离程度,包括的具体方法为:第q种土壤维度数据的第d个等级簇类的偏离程度的计算方式为:
式中,Cq,d为第q种土壤维度数据的第d个等级簇类的偏离程度;Eq,d为第q种土壤维度数据的第d个等级簇类的元素的数量;E'q为第q种土壤维度数据的所有等级簇类中元素数量最多的等级簇类的元素的数量;Dq,d为第q种土壤维度数据的第d个等级簇类的元素的均值;D'q为第q种土壤维度数据的所有等级簇类中元素数量最多的等级簇类的元素的均值;exp()为以自然常数为底的指数函数;norm()为线性归一化函数;||为绝对值函数。
4.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据所述等级簇类获取每种土壤维度数据的若干等级区域,包括的具体方法为:对于任意一种土壤维度数据的任意一个等级簇类,将属于该等级簇类的元素对应的分析点位在农田中构成的区域,记为该种土壤维度数据的一个等级区域。
5.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据土壤维度数据的等级区域之间的重叠关系以及所述偏离程度,得到每个分析点位受每种土壤维度数据的影响程度,包括的具体方法为:第e种土壤维度数据的第f个等级区域中,第e种土壤维度数据与第g种土壤维度数据的关联性的计算方式为:式中,Be,f,g为第e种土壤维度数据的第f个等级区域中,第e种土壤维度数据与第g种土壤维度数据的关联性;Fe,f为第e种土壤维度数据的第f个等级区域中分析点位的个数;Ge,f,g,h为第e种土壤维度数据的第f个等级区域中第h个分析点位在第g种土壤维度数据中所在等级区域的分析点位的总数量;G'e,f,g,h为第e种土壤维度数据的第f个等级区域与其中第h个分析点位在第g种土壤维度数据中所在等级区域重叠的分析点位的数量;C'e,f,h为第e种土壤维度数据的第f个等级区域中第h个分析点位对应数据所在等级簇类的偏离程度;C″e,f,g,h为第e种土壤维度数据的第f个等级区域中第h个分析点位在第g种土壤维度数据中所在等级簇类的偏离程度;||为绝对值函数;ε为超参数;
根据分析点位在每种土壤维度数据所在的等级区域中土壤维度数据与其他所有种土壤维度数据的关联性,得到每个分析点位受每种土壤维度数据的影响程度。
6.根据权利要求5所述的基于群体智能控制的集群控制方法,其特征在于,所述根据分析点位在每种土壤维度数据所在的等级区域中土壤维度数据与其他所有种土壤维度数据的关联性,得到每个分析点位受每种土壤维度数据的影响程度,包括的具体方法为:对于任意一个分析点位和任意一种土壤维度数据,将该分析点位在该种土壤维度数据所在的等级区域中,该种土壤维度数据与其他所有种土壤维度数据的关联性的均值,记作该分析点位受该种土壤维度数据的影响程度。
7.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据预测点位与传感器安装点位受每种土壤维度数据的影响程度的相似关系,得到每个预测点位与每个传感器安装点位的土质相似性,包括的具体方法为:第k个预测点位与第l个传感器安装点位的土质相似性的计算方式为:
Hk,l=exp(-(MAX(|B′k-B′l|)))
式中,Hk,l为第k个预测点位与第l个传感器安装点位的土质相似性;MAX(|B'k-B'l|)为在所有种土壤维度数据中,第k个预测点位与第l个传感器安装点位受同一种土壤维度数据的影响程度的差值的最大值;||为绝对值函数;exp()为以自然常数为底的指数函数。
8.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据预测点位与传感器安装点位的土质相似性,结合每个传感器安装点位的无人机测量作物高度,得到每个预测点位的理论作物高度,包括的具体方法为:第k个预测点位的理论作物高度的计算方式为:
式中,Lk为第k个预测点位的理论作物高度;N为传感器安装点位的个数;Hk,l为第k个预测点位与第l个传感器安装点位的土质相似性,Ml为第l个传感器安装点位的无人机测量作物高度;softmax()为权重归一化函数。
9.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据每个预测点位的无人机测量作物高度与理论作物高度的差异关系,得到每个预测点位的高度偏差程度,包括的具体方法为:对于任意一个预测点位,将该预测点位的理论作物高度与无人机测量作物高度的差值绝对值的线性归一化结果,记作该预测点位的高度偏差程度。
10.根据权利要求1所述的基于群体智能控制的集群控制方法,其特征在于,所述根据所述高度偏差程度筛选得到疑似偏差点位,包括的具体方法为:将高度偏差程度大于预设偏差阈值的预测点位记为疑似偏差点位。