买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利面向城市火灾监测的无人机-WSN时空协同优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121578725B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610106888.X，技术领域涉及：G05B19/042；该发明授权面向城市火灾监测的无人机-WSN时空协同优化方法是由陈名湛;谢亚琴设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本面向城市火灾监测的无人机-WSN时空协同优化方法在说明书摘要公布了：本发明公开了一种面向城市火灾监测的无人机‑WSN时空协同优化方法，首先，基于火灾数据进行空间自相关分析，划分极高、高、中、低风险区域，用于辅助判断无人机访问优先级，并在时间维度上使用XG‑Boost进行模拟，评估合理性；其次，使用均值漂移法，先对火情点进行聚类得到传感器节点布设坐标，再聚类出簇头，进行负载均衡调整，生成无人机初始巡检路径；接着，对风干扰导致的路径偏差进行建模，引入由整体到局部的精度控制方法，根据实时反馈进行无人机飞行精度控制减小路径偏差；最后，使用系统能耗调度算法，求解全局最优路径；从而节省人力物力资源，为消防救援资源动态部署提供有效决策支持，尽可能减少风干扰造成的路径偏差。

本发明授权面向城市火灾监测的无人机-WSN时空协同优化方法在权利要求书中公布了：1.一种面向城市火灾监测的无人机-WSN时空协同优化方法，其特征在于：包括以下步骤： S1、基于莫兰指数的火情风险分级模型，构建火情风险紧急度约束；构建一个空间数据集，共n个区域，其中区域对应的火警事件密度值为，，表示正实数集；将原始数据整理为二元组，为区域分配二维地理坐标点，和分别表示该区域的经纬坐标值；去除缺失值之后，根据字典将每个区域映射到其对应的二维坐标点，最终形成一个包含区域、坐标位置以及火警事件密度的四元数据集； 定义阈值距离，若区域和的欧氏距离小于阈值距离，则认为和相邻，进一步定义权重矩阵中的权重；刻画空间全局自相关性，引入莫兰指数，定义为： 1 其中，表示火警事件密度均值，n表示区域的总数； 计算全局莫兰指数的期望值与标准误差，并用Z-Score验证显著性，若权重矩阵对称且无自邻接，即，即区域不存在自连接，则期望为： 2 设，，则有标准误差估计： 3 若标准化分数，则在95%显著性水平下认为存在空间自相关； 对定义局部莫兰指数如下： 4 其中，j表示邻接区域索引；构建空间加权相关性矩阵： 5 其中，表示区域和的加权相关性，表示区域对应的火警事件密度值；若，表示区域和不邻接；该矩阵的结果即为划分出的火情区域之间的最近邻关联性； S2、基于均值漂移函数节点分簇模型，对火情点进行聚类，确定传感器节点的布设位置，接着在最大通信距离约束下，通过分簇减少UAV服务路径规模，确定初始簇划分； S3、基于风干扰与模糊规则库的无人机轨迹偏差模型，对误差进行抑制，采用由整体到局部的精度控制方法，首先进行全局轨迹规划，使用TSP和GA算法，采用2-opt局部搜索优化路径平滑度；接着进行局部姿态控制，使用基于实时反馈的无人机精度控制算法，求解实时精度，构建控制流；选择无人机滚转角随时间变化的函数rt、俯仰角随时间变化的函数pt以及偏航角随时间变化的函数衡量稳定性随时间变化，定义姿态扰动函数为： 6 其中，姿态角约束要求； 构造路径偏差随时间变化函数如下： 7 其中，表示扰动常数，p表示路径偏差常数，表示风速，vt表示巡航速度函数，由实时速度采集得来； 进一步得到总路径偏差函数为： 8 制定风险等级评分，无人机巡航轨迹优先响应火情风险等级高的区域；将所有传感器节点划分为K个簇，对每个簇i，分别定义事件密度评分和局部莫兰评分如下： 9 10 规定局部空间自相关分析指标为高-高显著性评分为1，其余显著性评分均为0，高-高具体指区域自身的事件密度评分和局部莫兰评分高于均值，同时其周围邻居的事件密度评分和局部莫兰评分也高于均值；经过加权得到第i簇的风险等级评分为： 11 其中，表示权重系数，；将访问簇头i的路径偏差比上全局最大路径偏差，与低风险点访问惩罚加权，得到第i簇访问代价： 12 其中，和表示损失权重，；访问代价越小，表示风险等级越高，需要优先访问；计算每对相邻簇头间的访问代价并排升序，设定阈值为，即访问代价的均值与标准差之差，若，则强制优先访问； 建立由总路径偏差函数得到的误差产生模型之后，对误差进行抑制；基于姿态扰动函数St，采用由整体到局部的精度控制方法；将路径偏差函数Dt转化为实时控制率函数： 13 其中，，和表示增益系数，表示偏差参考值，通过限制幅值确保； S4、通过移动充电车对传感器节点进行实时充电，对传感器节点能耗、负载以及充电车访问路径进行建模，最小化能耗、数据损失和巡检时间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。