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！

龙图腾网恭喜中北大学申请的专利一种水质监测机器人编队通信网络优化构建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：CN119815377B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202510296276.7，技术领域涉及：H04W24/02；该发明授权一种水质监测机器人编队通信网络优化构建方法是由刘昊;张文栋;郭晓宇;鲁旭涛;李静;赵河明;彭志凌设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种水质监测机器人编队通信网络优化构建方法在说明书摘要公布了：本发明涉及水质监测机器人技术领域，具体是一种水质监测机器人编队通信网络优化构建方法，包括步骤S1：确定水质监测任务水域；步骤S2：在所述水质监测任务水域内确定所有水质监测点坐标；步骤S3：输入水质监测机器人编队情况；步骤S4：对水质检测机器人编队进行任务分配，建立任务分配模型；步骤S5：利用改进后的鱼鹰优化算法对任务分配模型进行求解；步骤S6：建立水质监测机器人通信全连通模型；步骤S7：对水质监测机器人编队通信网络进行全连通判定；步骤S8：对全连通网络状态下及非全连通网络状态下的通信链路进行构建及优化。保证了水质监测机器人编队通信网络的连通性，解决了大面积水域内监测效率低下的问题。

本发明授权一种水质监测机器人编队通信网络优化构建方法在权利要求书中公布了：1.一种水质监测机器人编队通信网络优化构建方法，其特征在于：该方法采用如下步骤实现：步骤S1：确定水质监测任务水域，并建立水域地图及坐标系；步骤S2：在所述水质监测任务水域内，确定所有水质监测点坐标C＝{cixi,yi|i＝1,2,...,Nc}，其中，Nc为水质监测点的数量；步骤S3：输入水质监测机器人编队情况，水质监测机器人数量为NS，水质监测机器人编队表示为S＝{sk|k＝1,2,..,NS}；步骤S4：对水质监测机器人编队进行任务分配，建立任务分配模型；步骤S5：利用拉丁超立方采样策略，结合混沌映射机制对鱼鹰优化算法进行改进，以提升算法性能，并利用改进后的鱼鹰优化算法对任务分配模型进行求解；步骤S6：建立水质监测机器人通信全连通模型；步骤S7：对水质监测机器人编队通信网络进行全连通判定；步骤S8：对全连通网络状态下的通信链路进行构建及优化；步骤S9：对非全连通网络状态下的通信链路进行构建及优化；所述步骤S5：利用拉丁超立方采样策略，结合混沌映射机制对鱼鹰优化算法进行改进，以提升算法性能，并利用改进后的鱼鹰优化算法对任务分配模型进行求解；具体如下：步骤5.1：利用拉丁超立方采样策略，提升鱼鹰优化算法种群多样性：鱼鹰优化算法中，鱼鹰种群初始化是随机进行的，而通过拉丁超立方采样策略改进后，鱼鹰种群初始化公式可以改写为：X＝LHSn,D5； 其中，n为种群规模；D为问题的维度；LHS是使用拉丁超立方采样生成n个D维样本的过程；Xgh是第g个样本在第h维度取值；Lh和Uh分别是第h维变量的下界和上界；Pgh为区间[0,1上的随机序列；步骤5.2：采用混沌映射机制对鱼鹰种群进行进一步扰动，提升搜索多样性，形成新的序列；Xgh＝Xgh1-φxt7；其中，xt为混沌映射生成的数值，φ为映射控制参数；步骤5.3：将水质监测机器人编队任务分配模型作为优化对象，令 对于每一个鱼鹰个体Xg，计算适应度值fXg；步骤5.4：鱼鹰盘旋进行全局搜索，其位置更新公式如下：Xgt+1＝Xbt+R1sin2πR2Xbt-Xgt9；其中，Xbt为当前鱼鹰个体最优位置；R1,R2∈[0,1]，是0到1闭区间内生成的随机数系数，R1用于控制鱼鹰更新的幅度，R2用于控制鱼鹰位置更新的方向；步骤5.5：鱼鹰接近猎物进行局部搜索，更新鱼鹰个体的位置如下：Xgt+1＝Xbt+R3Xbt-Xgt10；其中，R3∈[0,1]生成的随机数，用于调节鱼鹰个体向最优解的靠近程度；步骤5.6：每次更新后，继续使用混沌映射对最优解附近的鱼鹰个体位置进行进一步扰动，避免算法局部最优：Xght＝Xght+11-φxt11；步骤5.7：判断是否达到最大迭代次数或适应度值满足精度要求，若达到则输出最优解，否则返回到步骤5.4；所述步骤S6：建立水质监测机器人通信全连通模型；具体如下：步骤6.1：在任意时刻ε，任意两台水质监测机器人k,l∈1,2,...,NS，对应位置分别为pkε,plε，求得二者之间的距离为：dklε＝||pkε-plε||12；步骤6.2：在任意时刻ε，水质监测机器人k到基站pBxB,yB的距离为：dkBε＝||pkε-pB||13；步骤6.3：定义dθ为两台水质监测机器人之间、水质监测机器人与基站之间建立通信的最大距离；则，当任意两台水质监测机器人Sk,Sl之间、水质监测机器人与基站之间的距离满足dklε≤dθ,dkBε≤dθ时，二者之间建立连通关系；用符号ψkl＝1表示水质监测机器人Sk,Sl建立连接，反之ψkl＝0；ψkB＝1表示水质监测机器人Sk与基站建立连接，反之ψkB＝0；步骤6.4：在任意时刻ε，若Sk要将数据包传送至基站，则水质监测机器人通信网络链路需要满足： 式14表示，在NS台水质监测机器人中，任意一台水质监测机器人与另外至少一台水质监测机器人建立连通关系，且至少有一台水质监测机器人能够与基站建立连通，称上述网络为全连通网络；所述步骤S7：对水质监测机器人编队通信网络进行全连通判定；具体如下：步骤7.1：在步骤S4中，得到了每一台水质监测机器人对应的任务点矩阵，求得水质监测机器人Sk对应的任务点矩阵Tk中，每一个水质监测点和水质监测机器人Sl对应的任务点矩阵Tl中每一个水质监测点之间的距离，构建距离矩阵用于存储相应距离信息；步骤7.2：若水质监测机器人Sk和Sl的任务点之间的最大距离满足maxDkl≤dθ，意味着Sk和Sl在任务过程中始终可以保持连通，即 其中，Tk,Tl为水质监测机器人完成一轮监测任务耗时；Ts表示两个水质监测机器人完成各自一轮监测任务耗时的最大值；步骤7.3：根据步骤S6中对于全连通网络的定义，结合式15，若在任何时刻，所有水质监测机器人都至少有一条到基站的数据传输链路，则在所有时刻，水质监测机器人编队都构成全联通网络，称为全时段-全联通网络；步骤7.4：若距离矩阵Dkl不满足maxDkl≤dθ，但存在α∈{1,2,...,Nk}，β∈{1,2,...,Nl}，使得Dαβ≤dθ；换而言之，距离矩阵Dkl中存在两个水质监测点的距离Dαβ小于等于连通阈值dθ，意味着水质监测机器人Sk和Sl分别在这两个水质监测点时，可以完成数据的转发，相应地，称为分时段-全联通网络；步骤7.5：若距离矩阵Dkl中，minDkl＞dθ＞0,意味着水质监测机器人Sk和Sl在整个任务过程中都无法建立连接，称为非全联通网络；所述步骤S8：对全连通网络状态下的通信链路进行构建及优化；具体如下：步骤8.1：针对全时段-全联通网络，若水质监测机器人Sk有数据发送需求，通过构建对自身位置Skxk,yk与基站位置pBxB,yB的连线SkpB，SkpB的直线方程为： Sk为查询当前时刻与之连通的水质监测机器人，Slxl,yl可与其连通，则Sl到直线SkpB的垂足计算如下： 进一步求得到基站pBxB,yB的距离： 将作为中继选择的评估指标，的取值越小，表示水质监测机器人Sk的数据包前进的有效距离越大，水质监测机器人被选为中继的概率也越大；Sk选择最小的水质监测机器人Sl作为下一跳信息中继；类似地，Sl按照上述方法继续寻找下一中继节点，直至将数据包发送至基站；步骤8.2：针对分时段-全联通网络，需要优化水质监测机器人等待时长，在步骤7.4中，存在α∈{1,2,...,Nk}，β∈{1,2,...,Nl}，使得Dαβ≤dθ，此时水质监测机器人Sk和Sl可以建立连接，若水质监测机器人Sk有发送需求，可以在个水质监测点时，等候Sl到达其个水质监测点，进行数据传输；Sk的等候传输时间，可以通过优化Sk和Sl的初始位置及速度来减少；当Sk向Sl传输数据完成后，Sl按照步骤8.1的方法或者采取等待的方式，继续将数据包转发至下一水质监测机器人节点，直至到达基站；所述步骤S9：对非全连通网络状态下的通信链路进行构建及优化；具体如下：步骤9.1：在水质监测机器人编队网络中，若有部分水质监测机器人节点无法加入网络，则需要对该节点或者周围水质监测机器人节点的航线路线上，增加新的航迹点，使其加入到数据传输网络当中；按照步骤S7的方法，确定水质监测机器人节点Sk无法加入网络，同时求得Sk对应的水质监测点Tk中，有一点距离水质监测机器人Sl对应的水质监测点最近，记为且Sl可以加入网络中，Sk选择Sl作为其中继通信节点；否则，寻找下一个满足上述条件的水质监测机器人；步骤9.2：水质监测机器人Sk和Sl各寻找一个点使得这两点满足连通需求，且水质监测机器人Sk和Sl移动的总距离最小，对应模型如下： 上式19可利用步骤S5中的改进后的鱼鹰优化算法进行求解；此外，当有多个节点需要Sl进行中继时，上式同样适用，只需增加解的维度即可；步骤9.3：将作为任务点插入到矩阵Tk中元素之后，作为水质监测机器人Sk的航迹点；将作为任务点插入到矩阵Tl中元素之后，作为水质监测机器人Sl的航迹点；步骤9.4：水质监测机器人Sk按照步骤S8进行数据传输。

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中北大学，其通讯地址为：030051 山西省太原市尖草坪区学院路3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”。