[发明专利]AI公专融合与无人智能设备组网方法、系统及装备

权利要求书

1.一种支持公专融合的无人智能设备组网装备，其特征在于：包括核心功能模块；包括处理模块、通信模块和电源模块；根据无人智能设备的实际作用可能包括其他辅助模块。

2.根据权利要求1所述的支持公专融合的无人智能设备组网装备，其特征在于，所述核心功能模块根据不同的应用场景和需求，可以是数据采集模块、对讲模块、视频拍摄模块、传感报警模块等任意一种或多种组合。

3.根据权利要求1所述的支持公专融合的无人智能设备组网装备，其特征在于，所述处理模块包括处理器和存储器两部分。

4.处理器至少包括CPU，根据具体应用可能包括GPU。

5.根据权利要求1所述的支持公专融合的无人智能设备组网装备，其特征在于，所述无线通信模块包括公网模块和专网模块。

6.根据权利要求4所述的支持公专融合的无人智能设备组网装备，其特征在于，所述公网模块可以是4G或5G通信模块，包含射频收发器。

7.根据权利要求4所述的支持公专融合的无人智能设备组网装备，其特征在于，所述专网模块可以基于wifi、Zigbee、蓝牙等技术中的任意一种或多种组合。

8.根据权利要求4所述的支持公专融合的无人智能设备组网装备，其特征在于，所述专网模块可以是工作在各种频段的宽带或窄带通信模块

根据权利要求1所述的支持公专融合的无人智能设备组网装备，其特征在于，所述电源模块跟其他所有模块相连，为其他模块供电。

9.根据具体使用场景可以采用电池供电或交流电供电。

10.一种基于AI公专融合的无人智能设备组网方法，其特征在于，所述方法包括：随机初始化一种连接方式，根据预设最低信号强度阈值进行调整；初始化预设神经网络模型中的权重和偏置，并定义强化学习方法的参数以作为所述神经网络模型中的变量；令多个无人智能设备开始进行数据的发送和接收，并获取对应各所述装备网络传输情况的观察值；依据各所述观察值采用随机梯度下降法及反向传递方法更新所述神经网络模型的权重和参数，及强化学习方法的参数，据以调整所述各无人智能设备的连接方式，直至获得稳定的对应所述装备的最终连接方式。

11.根据权利要求9所述的基于AI公专融合的无人智能设备组网方法，其特征在于， 所述初始化连接方式可以是选择公网模块或专网模块进行连接。

12.根据权利要求9所述的基于AI公专融合的无人智能设备组网方法，其特征在于，所述无人智能设备在信号强度低于预设的最低信号强度阈值时强制切换到另一种连接方式尝试连接。

13.根据权利要求9所述的基于AI公专融合的无人智能设备组网方法，其特征在于，所述强化学习参数包括：动作、状态、回报、及回合结束条件。

14.根据权利要求9所述的基于AI公专融合的无人智能设备组网方法，其特征在于，定义网络设备在下一个数据发送时选择公网模块或专网模块作为所述强化学习方法中的动作。

15.根据权利要求9所述的基于AI公专融合的无人智能设备组网方法，其特征在于，定义当前连接的信号强度、网络丢包率、网络延迟作为所述强化学习方法中的状态。

16.根据权利要求9所述的基于AI公专融合的无人智能设备组网方法，其特征在于，定义发送数据包是否成功作为强化学习方法中的回报的依据；若发送数据包成功则回报为+1；若发生重传或丢包则所述回报为-1。