CN110146845A - 一种事件驱动的固定时间电磁源定位方法 - Google Patents

Abstract

本发明涉及一种事件驱动的固定时间电磁源定位方法。本发明首先根据机器人接收到的电磁信号强度和方向，采用进化粒子滤波方法评估电磁源可能的位置；然后，给出事件驱动的通信规则,通过比较机器人当前状态误差与机器人之间状态误差大小确定事件是否驱动。如果条件满足，事件驱动，则机器人需要将自己的状态信息发送到无线网络中，否则，不发送；最后,开发了固定时间一致性控制器,通过虚拟领导者，引导多机器人系统在固定时间间隔内与虚拟领导者速度保持一致，并向电磁源的位置方向运动。本发明弥补了传统控制的不足，设计的一种事件驱动的固定时间电磁源定位方法，不但能够使多机器人快速准确定位电磁源，而且可以节省芯片和通信资源。

Description

一种事件驱动的固定时间电磁源定位方法

技术领域

本发明属于自动化技术领域，涉及一种事件驱动的固定时间电磁源定位方法。

背景技术

电磁源的检测与定位对人类健康安全有重要的意义。因此，如何快速有效地定位电磁源是一个非常重要的问题。处理该问题，通常可以采用多机器人系统合作定位电磁源。传统的多机器人合作定位方法，不但要求机器人之间实时通信，交换机器人之间的状态信息，占有了较多的无线网络资源。而且，当增加机器人数量时，通信的负担迅速增加。此外，控制器需要实时更新，很多无用的控制输入仍然被系统使用，占用了较多的芯片资源；另一方面，机器人状态的收敛速度依赖于机器人的初始位置，机器人需要较多的时间检测与定位电磁源。在这一背景下，本发明弥补了现有技术的不足。

发明内容

本发明的目标是针对现有技术的不足之处，提供了一种有效地搜索与定位电磁源方法，使得多机器人系统能够节省芯片和无线网络资源。首先根据机器人接收到的电磁信号强度，采用进化粒子滤波方法评估电磁源可能的位置；然后，给出事件驱动的通信规则,通过比较机器人当前状态误差与机器人之间状态误差大小确定事件是否驱动。如果条件满足，事件驱动，机器人需要将自己的状态信息发送到无线网络中，否则，不发送；最后,开发了固定时间一致性控制器,通过虚拟领导者，引导多机器人系统在固定时间间隔内与虚拟领导者速度保持一致，并向电磁源的位置方向运动。本发明弥补了传统控制的不足，设计的一种事件驱动的固定时间电磁源定位方法，不但能够使多机器人快速准确定位电磁源，而且可以节省芯片和通信资源。

本发明采用的控制方法可以有效地保证多机器人更好地搜索与定位电磁源的位置。

对于第i个机器人，i＝1，2，...，n，n是机器人的数量，该方法的具体步骤如下：

第一步：计算多机器人系统数据，具体步骤如下：

a)建立多机器人系统的通信矩阵A＝[a_ij]。如果第i个机器人能够和第j个机器人通信，则a_ij＞0，否则，a_ij＝0，i＝1，2，...，n，j＝1，2，...，n。

b)建立机器人群体的拉普拉斯矩阵 其中：

c)设定一个虚拟领导者，即虚拟机器人，具有位置x₀(t)和速度υ₀(t)，并且我们有虚拟领导者的所有计算在任意一个实体机器人上完成。如果虚拟领导者能够和第i个机器人通信，则a_i0＞0；否则，a_i0＝0，i＝1，2，...，n。

d)建立矩阵M＝L(G_n)+diag{a₁₀，...，a_n0}，其中：diag{a₁₀，...，a_n0}是对角矩阵。建立矩阵其中：是克罗内克积；I_m是m×m的单位矩阵。

e)对于第i个机器人，在搜索空间中产生均匀分布的N个粒子。第k个粒子其中：是第k个粒子在t时刻的位置；是第k个粒子在t时刻的速度；第k个粒子在t时刻的权重。

f)第i个机器人的动力学如(2)所示。

其中：是第i个机器人在第t时刻的位置；是第i个机器人在第t时刻的速度；是第i个机器人在第t时刻的控制输入；是m维实数向量。

第二步：预测电磁源位置，具体步骤如下：

a)对于第i个机器人，在第t时刻，假设第k(k＝1，2，...，N)个粒子是电磁源，则第i个机器人在当前位置上评估的信号强度如(3)式所示。

其中：是第i个机器人，在第t时刻，接收到的第k个粒子发射的信号强度；是取整数；log是以10为底的对数。

b)根据(4)式，计算第k个粒子的权重

其中：Zⁱ(t)是第i个机器人，在第t时刻实际接收到的信号强度；exp(·)是指数函数；R是噪声方差。

c)归一化权重，如(5)式所示。

其中：是第k个粒子的归一化权重。

d)计算第i个机器人的电磁源评估位置，如(6)式所示。

其中：是第i个机器人的电磁源评估位置。

e)更新第k(k＝1，2，...，N)个粒子的位置和速度，如(7)所示。

其中：ω是惰性参数；c₁和c₂是参数；rand是[0，1]内的随机数；是所有粒子权重最大粒子的位置；是第k(k＝1，2，...，N)个粒子的历史权重最大粒子的位置；是第k个粒子在t+1时刻的速度；是第k个粒子在t+1时刻的位置。

f)根据粒子的权重，采用赌轮法重新采样粒子。

第三步：建立事件驱动通信规则，即给出状态误差和机器人之间的状态误差相互关系。对于第i个机器人，驱动的时间序列可以表示为：(s＝0，1，2...，是初始时刻)并且能够被获得，如(8)所示。

其中：inf{·}表示下确界。

其中：

其中：表示第i个机器人在第时刻的位置；表示第i个机器人在第时刻的速度；表示虚拟领导者在第时刻的位置；表示虚拟领导者在第时刻的速度；表示第j个机器人在第时刻的位置；表示第j个机器人在第时刻的速度；δ＞0，γ＞0，h＞0是参数。

第四步：根据下述条件，计算第i个机器人的固定时间控制输入，具体步骤如下：

a)对于时间并且Ω_i(t)≤0。第i个机器人的固定时间控制输入如(10)式所示。

其中：dⁱ，d^j是矢量，被使用保持机器人之间一定的安全距离；a＞0是偶数；b＞0是奇数；参数满足 μ_min是Δ+Δ^T(T表示转置)的最小特征值；I_mn是mn×mn的单位矩阵。

b)对于时间并且Ω_i(t)＞0，那么一个新的时间区间被设定，即并且当前时间第i个机器人的固定时间控制输入则用代替(10)式中的得到。

第五步：对于虚拟领导者，控制输入如(11)式所示。

其中：λ＞0是一个正常数。

第六步：如果终止条件满足，例如：给定的最大搜索时间已经达到，则机器人停止运行，并将最终电磁源位置输出；如果终止条件没有满足，则返回第二步继续执行。

本发明提出的一种事件驱动的固定时间电磁源定位方法，能独立运行在机器人群体中每个机器人的控制系统中。不但能够使多机器人快速准确定位电磁源，而且可以节省芯片和通信资源。弥补了传统方法的不足。

具体实施方式

以野外搜索无限传感器网络中信号节点为例。搜索环境长为50米，宽为50米，建立坐标系统，可表示成为[0，50]×[0，50]。采用3个机器人(n＝3)，并使用事件驱动的固定时间电磁源定位方法，控制机器人最终定位传感器节点。

对于机器人群体中的第i个机器人的具体实施步骤如下：

第一步：初始化机器人的参数，包括：机器人的初始位置，机器人的初始速度设为0，最大速度限制则根据实际使用的机器人类型设定。

第二步：计算机器人的系统参数，具体步骤如下：

a)建立机器人群体的比邻矩阵A＝[a_ij]。如：

b)建立机器人群体的拉普拉斯矩阵如：

c)设定一个虚拟领导者，具有位置x₀(t)和速度υ₀(t)。并且虚拟领导者能够和第1个机器人通信，则a₁₀＝0.5；a_j0＝0，j＝2，3，4。

d)建立矩阵建立矩阵其中：是克罗内克积；I_m是m×m的单位矩阵。

e)对于第i个机器人，在搜索空间中产生均匀分布的N＝100个粒子。在[0，50]×[0，50]范围内随机初始化粒子的位置在[-2，2]×[-2，2]范围内随机初始化粒子的速度

第三步：预测电磁源位置，具体步骤如下：

a)对于第i个机器人，在第t时刻，假设第k(k＝1，2，...，N)个粒子是电磁源，则第i个机器人在当前位置上评估的信号强度如(1)式所示。

其中：是第i个机器人，在第t时刻，接收到的第k个粒子发射的信号强度；是取整数；log是以10为底的对数。

b)根据(2)式，计算第k个粒子的权重

其中：Zⁱ(t)是第i个机器人，在第t时刻实际接收到的信号强度；exp(·)是指数函数；R＝1是噪声方差。

c)归一化权重，如(3)式所示。

其中：是第k个粒子的归一化权重。

d)计算第i个机器人的电磁源评估位置，如(4)式所示。

其中：是第i个机器人的电磁源评估位置。

e)更新第k(k＝1，2，...，N)个粒子的位置和速度，如(5)所示。

其中：ω＝0.7是惰性参数；c₁＝1.78和c₂＝1.78是参数；rand是[0，1]内的随机数；是所有粒子权重最大粒子的位置；是第k(k＝1，2，...，100)个粒子的历史权重最大粒子的位置；是第k个粒子在t+1时刻的速度；是第k个粒子在t+1时刻的位置。

f)根据粒子的权重，采用赌轮法重新采样粒子。

第四步：建立事件驱动通信规则，即给出状态误差和机器人之间的状态误差相互关系。对于第i个机器人，驱动的时间序列可以表示为：(s＝0，1，2...，是初始时刻)并且能够被获得，如(6)所示。

其中：inf{·}表示下确界。

其中：

其中：表示第i个机器人在第时刻的位置；表示第i个机器人在第时刻的速度；表示虚拟领导者在第时刻的位置；表示虚拟领导者在第时刻的速度；表示第j个机器人在第时刻的位置；表示第j个机器人在第时刻的速度；δ＝1.26，γ＝0.1，h＝0.15是参数。

第五步：根据下述条件，计算第i个机器人的固定时间控制输入，具体步骤如下：

a)对于时间并且Ω_i(t)≤0。第i个机器人的固定时间控制输入如(8)式所示。

其中：d¹＝[0，0]^T，d²＝[0.4，0]^T，d³＝[0，0.4]^T，d⁰＝[0，0]^T；a＝2；b＝5。

b)对于时间并且Ω_i(t)＞0，那么一个新的时间区间被设定，即并且当前时间第i个机器人的固定时间控制输入则用代替(8)式中的得到。

第六步：对于虚拟领导者，控制输入如(9)式所示。

其中：λ＝2。

第七步：如果终止条件满足，例如：给定的最大搜索时间已经达到，则机器人停止运行，并将最终电磁源位置输出；如果终止条件没有满足，则返回第三步继续执行。

Claims (2)

1.一种事件驱动的固定时间电磁源定位方法，能独立运行在机器人群体中每个机器人的控制系统中；对于第i个机器人，i＝1，2，...，n，n是机器人的数量,其特征在于，该方法的具体步骤如下：

第一步：计算多机器人系统数据，具体步骤如下：

a)建立多机器人系统的通信矩阵A＝[a_ij}；如果第i个机器人能够和第j个机器人通信，则a_ij＞0，否则，a_ij＝0，i＝1，2，...，n，j＝1，2，...，n；

b)建立机器人群体的拉普拉斯矩阵 其中：

c)设定一个虚拟领导者，即虚拟机器人，具有位置x₀(t)和速度v₀(t)，并且有虚拟领导者的所有计算在任意一个实体机器人上完成；如果虚拟领导者能够和第i个机器人通信，则a_i0＞0；否则，a_i0＝0，i＝1，2，...，n；

d)建立矩阵M＝L(G_n)+diag{a₁₀，...，a_n0}，其中：diag{a₁₀，...，a_n0}是对角矩阵；建立矩阵其中：是克罗内克积；I_m是m×m的单位矩阵；

e)对于第i个机器人，在搜索空间中产生均匀分布的N个粒子；第k个粒子其中：是第k个粒子在t时刻的位置；是第k个粒子在t时刻的速度；第κ个粒子在t时刻的权重；

f)第i个机器人的动力学如(2)所示；

其中：是第i个机器人在第t时刻的位置；是第i个机器人在第t时刻的速度；是第i个机器人在第t时刻的控制输入；是m维实数向量；

第二步：预测电磁源位置，具体步骤如下：

a)对于第i个机器人，在第t时刻，假设第k个粒子是电磁源，则第i个机器人在当前位置上评估的信号强度如(3)式所示，其中k＝1，2，...，N

其中：是第i个机器人，在第t时刻，接收到的第k个粒子发射的信号强度；是取整数；log是以10为底的对数；

b)根据(4)式，计算第k个粒子的权重

其中：Zⁱ(t)是第i个机器人，在第t时刻实际接收到的信号强度；exp(·)是指数函数；R是噪声方差；

c)归一化权重，如(5)式所示；

其中：是第k个粒子的归一化权重；

d)计算第i个机器人的电磁源评估位置，如(6)式所示；

其中：是第i个机器人的电磁源评估位置；

e)更新第k个粒子的位置和速度，如(7)所示；

其中：ω是惰性参数；c₁和c₂是参数；rand是[0，1]内的随机数；是所有粒子权重最大粒子的位置；是第k个粒子的历史权重最大粒子的位置；是第k个粒子在t+1时刻的速度；是第k个粒子在t+1时刻的位置；

f)根据粒子的权重，采用赌轮法重新采样粒子；

第三步：建立事件驱动通信规则，即给出状态误差和机器人之间的状态误差相互关系；对于第i个机器人，驱动的时间序列可以表示为：并且能够被获得，其中s＝0，1，2...，是初始时刻，如(8)所示；

其中：inf{·}表示下确界；

其中：

其中：表示第i个机器人在第时刻的位置；表示第i个机器人在第时刻的速度；表示虚拟领导者在第时刻的位置；表示虚拟领导者在第时刻的速度；表示第j个机器人在第时刻的位置；表示第j个机器人在第时刻的速度；δ＞0，γ＞0，h＞0是参数；

第四步：根据下述条件，计算第i个机器人的固定时间控制输入，具体步骤如下：

a)对于时间并且Ω_i(t)≤0；第i个机器人的固定时间控制输入如(10)式所示；

其中：dⁱ，d^j是矢量，被使用保持机器人之间一定的安全距离；a＞0是偶数；

b＞0是奇数；参数满足

μ_min是Δ+ΔT的最小特征值；I_mn是mn×mn的单位矩阵，T表示转置；

b)对于时间并且Ω_i(t)＞0,那么一个新的时间区间被设定，即并且当前时间第i个机器人的固定时间控制输入则用代替(10)式中的得到；

第五步：对于虚拟领导者，控制输入如(11)式所示；

其中：λ＞0是一个正常数；

第六步：如果终止条件满足，则机器人停止运行，并将最终电磁源位置输出；如果终止条件没有满足，则返回第二步继续执行。

2.根据权利要求1所述的一种事件驱动的固定时间电磁源定位方法，其特征在于：所述的终止条件满足为给定的最大搜索时间已经达到。