CN110146845B - 一种事件驱动的固定时间电磁源定位方法 - Google Patents

一种事件驱动的固定时间电磁源定位方法 Download PDF

Info

Publication number
CN110146845B
CN110146845B CN201910309017.8A CN201910309017A CN110146845B CN 110146845 B CN110146845 B CN 110146845B CN 201910309017 A CN201910309017 A CN 201910309017A CN 110146845 B CN110146845 B CN 110146845B
Authority
CN
China
Prior art keywords
robot
time
ith
electromagnetic source
particle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910309017.8A
Other languages
English (en)
Other versions
CN110146845A (zh
Inventor
吕强
石厅
张波涛
仲潮亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201910309017.8A priority Critical patent/CN110146845B/zh
Publication of CN110146845A publication Critical patent/CN110146845A/zh
Application granted granted Critical
Publication of CN110146845B publication Critical patent/CN110146845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

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＝[aij]。如果第i个机器人能够和第j个机器人通信，则aij＞0，否则，aij＝0，i＝1，2，...，n，j＝1，2，...，n。
b)建立机器人群体的拉普拉斯矩阵
Figure BDA0002030830640000025
Figure BDA0002030830640000026
其中：
Figure BDA0002030830640000021
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
Figure BDA0002030830640000022
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ai0＞0；否则，ai0＝0，i＝1，2，...，n。
d)建立矩阵M＝L(Gn)+diag{a10，...，an0}，其中：diag{a10，...，an0}是对角矩阵。建立矩阵
Figure BDA0002030830640000023
其中：
Figure BDA0002030830640000024
是克罗内克积；Im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
Figure BDA0002030830640000031
其中：
Figure BDA0002030830640000032
是第k个粒子在t时刻的位置；
Figure BDA0002030830640000033
是第k个粒子在t时刻的速度；
Figure BDA0002030830640000034
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。
Figure BDA0002030830640000035
其中：
Figure BDA0002030830640000036
是第i个机器人在第t时刻的位置；
Figure BDA0002030830640000037
是第i个机器人在第t时刻的速度；
Figure BDA0002030830640000038
是第i个机器人在第t时刻的控制输入；
Figure BDA0002030830640000039
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
Figure BDA00020308306400000310
如(3)式所示。
Figure BDA00020308306400000311
其中：
Figure BDA00020308306400000312
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；
Figure BDA00020308306400000313
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
Figure BDA00020308306400000314
Figure BDA00020308306400000315
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。
Figure BDA0002030830640000041
其中：
Figure BDA0002030830640000042
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。
Figure BDA0002030830640000043
其中：
Figure BDA0002030830640000044
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。
Figure BDA0002030830640000045
Figure BDA0002030830640000046
其中：ω是惰性参数；c1和c2是参数；rand是[0，1]内的随机数；
Figure BDA0002030830640000047
是所有粒子权重最大粒子的位置；
Figure BDA0002030830640000048
是第k(k＝1，2，...，N)个粒子的历史权重最大粒子的位置；
Figure BDA0002030830640000049
是第k个粒子在t+1时刻的速度；
Figure BDA00020308306400000410
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：
Figure BDA0002030830640000051
(s＝0，1，2...，
Figure BDA0002030830640000052
是初始时刻)并且能够被获得，如(8)所示。
Figure BDA0002030830640000053
其中：inf{·}表示下确界。
Figure BDA0002030830640000054
其中：
Figure BDA0002030830640000055
Figure BDA0002030830640000056
Figure BDA0002030830640000057
Figure BDA0002030830640000058
Figure BDA0002030830640000059
Figure BDA00020308306400000510
其中：
Figure BDA00020308306400000511
表示第i个机器人在第
Figure BDA00020308306400000512
时刻的位置；
Figure BDA00020308306400000513
表示第i个机器人在第
Figure BDA00020308306400000514
时刻的速度；
Figure BDA00020308306400000515
表示虚拟领导者在第
Figure BDA00020308306400000516
时刻的位置；
Figure BDA00020308306400000517
表示虚拟领导者在第
Figure BDA00020308306400000518
时刻的速度；
Figure BDA00020308306400000519
表示第j个机器人在第
Figure BDA00020308306400000520
时刻的位置；
Figure BDA00020308306400000521
表示第j个机器人在第
Figure BDA00020308306400000522
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
Figure BDA0002030830640000061
并且Ωi(t)≤0。第i个机器人的固定时间控制输入如(10)式所示。
Figure BDA0002030830640000062
其中：di，dj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
Figure BDA0002030830640000063
Figure BDA0002030830640000064
Figure BDA0002030830640000065
μmin是Δ+ΔT(T表示转置)的最小特征值；Imn是mn×mn的单位矩阵。
b)对于时间
Figure BDA0002030830640000066
并且Ωi(t)＞0，那么一个新的时间区间被设定，即
Figure BDA0002030830640000071
并且当前时间
Figure BDA0002030830640000072
第i个机器人的固定时间控制输入则用
Figure BDA0002030830640000073
代替(10)式中的
Figure BDA0002030830640000074
得到。
第五步：对于虚拟领导者，控制输入如(11)式所示。
Figure BDA0002030830640000075
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＝[aij]。如：
Figure BDA0002030830640000081
b)建立机器人群体的拉普拉斯矩阵
Figure BDA0002030830640000082
如：
Figure BDA0002030830640000083
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；aj0＝0，j＝2，3，4。
d)建立矩阵
Figure BDA0002030830640000084
建立矩阵
Figure BDA0002030830640000085
其中：
Figure BDA0002030830640000086
是克罗内克积；Im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
Figure BDA0002030830640000087
在[-2，2]×[-2，2]范围内随机初始化粒子的速度
Figure BDA0002030830640000088
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
Figure BDA0002030830640000089
如(1)式所示。
Figure BDA00020308306400000810
其中：
Figure BDA00020308306400000811
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；
Figure BDA00020308306400000812
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
Figure BDA00020308306400000813
Figure BDA0002030830640000091
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。
Figure BDA0002030830640000092
其中：
Figure BDA0002030830640000093
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。
Figure BDA0002030830640000094
其中：
Figure BDA0002030830640000095
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。
Figure BDA0002030830640000096
Figure BDA0002030830640000097
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；
Figure BDA0002030830640000098
是所有粒子权重最大粒子的位置；
Figure BDA0002030830640000101
是第k(k＝1，2，...，100)个粒子的历史权重最大粒子的位置；
Figure BDA0002030830640000102
是第k个粒子在t+1时刻的速度；
Figure BDA0002030830640000103
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：
Figure BDA0002030830640000104
(s＝0，1，2...，
Figure BDA0002030830640000105
是初始时刻)并且能够被获得，如(6)所示。
Figure BDA0002030830640000106
其中：inf{·}表示下确界。
Figure BDA0002030830640000107
其中：
Figure BDA0002030830640000108
Figure BDA0002030830640000109
Figure BDA00020308306400001010
Figure BDA00020308306400001011
Figure BDA00020308306400001012
Figure BDA00020308306400001013
其中：
Figure BDA00020308306400001014
表示第i个机器人在第
Figure BDA00020308306400001015
时刻的位置；
Figure BDA00020308306400001016
表示第i个机器人在第
Figure BDA00020308306400001017
时刻的速度；
Figure BDA00020308306400001018
表示虚拟领导者在第
Figure BDA00020308306400001019
时刻的位置；
Figure BDA00020308306400001020
表示虚拟领导者在第
Figure BDA00020308306400001021
时刻的速度；
Figure BDA0002030830640000111
表示第j个机器人在第
Figure BDA0002030830640000112
时刻的位置；
Figure BDA0002030830640000113
表示第j个机器人在第
Figure BDA0002030830640000114
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
Figure BDA0002030830640000115
并且Ωi(t)≤0。第i个机器人的固定时间控制输入如(8)式所示。
Figure BDA0002030830640000116
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
Figure BDA0002030830640000117
并且Ωi(t)＞0，那么一个新的时间区间被设定，即
Figure BDA0002030830640000118
并且当前时间
Figure BDA0002030830640000119
第i个机器人的固定时间控制输入则用
Figure BDA00020308306400001110
代替(8)式中的
Figure BDA00020308306400001111
得到。
第六步：对于虚拟领导者，控制输入如(9)式所示。
Figure BDA0002030830640000121
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＝[aij}；如果第i个机器人能够和第j个机器人通信，则aij＞0，否则，aij＝0，i＝1，2，...，n，j＝1，2，...，n；
b)建立机器人群体的拉普拉斯矩阵
Figure FDA0002030830630000011
Figure FDA0002030830630000012
其中：
Figure FDA0002030830630000013
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
Figure FDA0002030830630000014
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ai0＞0；否则，ai0＝0，i＝1，2，...，n；
d)建立矩阵M＝L(Gn)+diag{a10，...，an0}，其中：diag{a10，...，an0}是对角矩阵；建立矩阵
Figure FDA0002030830630000015
其中：
Figure FDA0002030830630000016
是克罗内克积；Im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
Figure FDA0002030830630000017
其中：
Figure FDA0002030830630000018
是第k个粒子在t时刻的位置；
Figure FDA0002030830630000019
是第k个粒子在t时刻的速度；
Figure FDA00020308306300000110
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)式所示；
Figure FDA0002030830630000021
其中：
Figure FDA0002030830630000022
是第i个机器人在第t时刻的位置；
Figure FDA0002030830630000023
是第i个机器人在第t时刻的速度；
Figure FDA0002030830630000024
是第i个机器人在第t时刻的控制输入；
Figure FDA0002030830630000025
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
Figure FDA0002030830630000026
如(3)式所示，其中k＝1，2，...，N
Figure FDA0002030830630000027
其中：
Figure FDA0002030830630000028
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；
Figure FDA0002030830630000029
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
Figure FDA00020308306300000210
Figure FDA00020308306300000211
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；
Figure FDA00020308306300000212
其中：
Figure FDA00020308306300000213
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；
Figure FDA0002030830630000031
其中：
Figure FDA0002030830630000032
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)式所示；
Figure FDA0002030830630000033
Figure FDA0002030830630000034
其中：ω是惰性参数；c1和c2是参数；rand是[0，1]内的随机数；
Figure FDA0002030830630000035
是所有粒子权重最大粒子的位置；
Figure FDA0002030830630000036
是第k个粒子的历史权重最大粒子的位置；
Figure FDA0002030830630000037
是第k个粒子在t+1时刻的速度；
Figure FDA0002030830630000038
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：
Figure FDA0002030830630000039
并且能够被获得，其中s＝0，1，2...，
Figure FDA00020308306300000310
是初始时刻，如(8)式所示；
Figure FDA00020308306300000311
其中：inf{·}表示下确界；
Figure FDA00020308306300000312
其中：
Figure FDA0002030830630000041
Figure FDA0002030830630000042
Figure FDA0002030830630000043
Figure FDA0002030830630000044
Figure FDA0002030830630000045
Figure FDA0002030830630000046
其中：
Figure FDA0002030830630000047
表示第i个机器人在第
Figure FDA0002030830630000048
时刻的位置；
Figure FDA0002030830630000049
表示第i个机器人在第
Figure FDA00020308306300000410
时刻的速度；
Figure FDA00020308306300000411
表示虚拟领导者在第
Figure FDA00020308306300000412
时刻的位置；
Figure FDA00020308306300000413
表示虚拟领导者在第
Figure FDA00020308306300000414
时刻的速度；
Figure FDA00020308306300000415
表示第j个机器人在第
Figure FDA00020308306300000416
时刻的位置；
Figure FDA00020308306300000417
表示第j个机器人在第
Figure FDA00020308306300000418
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
Figure FDA00020308306300000419
并且Ωi(t)≤0；第i个机器人的固定时间控制输入如(10)式所示；
Figure FDA00020308306300000420
Figure FDA0002030830630000051
其中：di，dj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
Figure FDA0002030830630000052
Figure FDA0002030830630000053
Figure FDA0002030830630000054
μmin是Δ+ΔT的最小特征值；Imn是mn×mn的单位矩阵，T表示转置；
b)对于时间
Figure FDA0002030830630000055
并且Ωi(t)＞0,那么一个新的时间区间被设定，即
Figure FDA0002030830630000056
并且当前时间
Figure FDA0002030830630000057
第i个机器人的固定时间控制输入则用
Figure FDA0002030830630000058
代替(10)式中的
Figure FDA0002030830630000059
得到；
第五步：对于虚拟领导者，控制输入如(11)式所示；
Figure FDA00020308306300000510
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。
CN201910309017.8A 2019-04-17 2019-04-17 一种事件驱动的固定时间电磁源定位方法 Active CN110146845B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910309017.8A CN110146845B (zh) 2019-04-17 2019-04-17 一种事件驱动的固定时间电磁源定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910309017.8A CN110146845B (zh) 2019-04-17 2019-04-17 一种事件驱动的固定时间电磁源定位方法

Publications (2)

Publication Number Publication Date
CN110146845A CN110146845A (zh) 2019-08-20
CN110146845B true CN110146845B (zh) 2021-07-27

Family

ID=67589574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910309017.8A Active CN110146845B (zh) 2019-04-17 2019-04-17 一种事件驱动的固定时间电磁源定位方法

Country Status (1)

Country Link
CN (1) CN110146845B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505625A (zh) * 2021-02-04 2021-03-16 杭州电子科技大学 基于通信规划机制的分布式优化控制的信号源定位方法
CN113848715B (zh) * 2021-09-27 2024-03-19 杭州电子科技大学 一种动态事件驱动的多机器人固定时间饱和控制方法
CN115060251B (zh) * 2022-04-28 2024-08-16 清华大学 地理电磁图像数据集的构建方法、装置和计算机设备
CN115130379B (zh) * 2022-06-27 2024-05-24 北京航空航天大学 磁体建模与磁场估计方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103890679A (zh) * 2011-10-21 2014-06-25 耐斯特实验公司 智能控制器内的自动控制时间表获取
WO2015094360A1 (en) * 2013-12-20 2015-06-25 Intel Corporation Wi-fi scan scheduling and power adaptation for low-power indoor location
CN107084717A (zh) * 2011-12-07 2017-08-22 三星电子株式会社 用于基于磁场地图的定位系统的移动终端及其方法
CN107168058A (zh) * 2017-05-27 2017-09-15 杭州电子科技大学 一种基于合作控制机制的机器人滚动优化控制方法
CN107592671A (zh) * 2017-10-19 2018-01-16 中国空间技术研究院 一种网络化多智能体主动变拓扑的自主协同定位方法
CN108195376A (zh) * 2017-12-13 2018-06-22 天津津航计算技术研究所 小型无人机自主导航定位方法
CN108872972A (zh) * 2018-05-30 2018-11-23 杭州电子科技大学 一种基于事件触发通信的信号源定位方法
CN108981707A (zh) * 2018-07-25 2018-12-11 西安电子科技大学 基于时差量测箱粒子phd的被动跟踪多目标方法
CN109298389A (zh) * 2018-08-29 2019-02-01 东南大学 基于多粒子群优化的室内行人组合位姿估计方法
CN109542112A (zh) * 2019-01-08 2019-03-29 哈尔滨工业大学 一种针对垂直起降可重复使用火箭返回飞行的固定时间收敛抗扰控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3832517B2 (ja) * 1996-07-05 2006-10-11 セイコーエプソン株式会社 ロボット用コントローラ及びその制御方法
US8501060B2 (en) * 2005-02-14 2013-08-06 Moldcool International Llc Method and apparatus for controlling the temperature of molds, dies, and injection barrels using fluid media
CN102377343B (zh) * 2010-08-10 2015-09-02 立锜科技股份有限公司 固定工作时间切换式直流电源供应器及其控制电路及方法
DE102010041363A1 (de) * 2010-09-24 2012-03-29 Robert Bosch Gmbh Vorrichtung und Verfahren zur Bereitstellung einer globalen Zeitinformation in ereignisgesteuerter Buskommunikation
JP2015170035A (ja) * 2014-03-05 2015-09-28 東芝テック株式会社 コード読取装置、及びコード読取装置のプログラム
CN109062273B (zh) * 2018-08-15 2021-11-02 北京交通大学 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103890679A (zh) * 2011-10-21 2014-06-25 耐斯特实验公司 智能控制器内的自动控制时间表获取
CN107084717A (zh) * 2011-12-07 2017-08-22 三星电子株式会社 用于基于磁场地图的定位系统的移动终端及其方法
WO2015094360A1 (en) * 2013-12-20 2015-06-25 Intel Corporation Wi-fi scan scheduling and power adaptation for low-power indoor location
CN107168058A (zh) * 2017-05-27 2017-09-15 杭州电子科技大学 一种基于合作控制机制的机器人滚动优化控制方法
CN107592671A (zh) * 2017-10-19 2018-01-16 中国空间技术研究院 一种网络化多智能体主动变拓扑的自主协同定位方法
CN108195376A (zh) * 2017-12-13 2018-06-22 天津津航计算技术研究所 小型无人机自主导航定位方法
CN108872972A (zh) * 2018-05-30 2018-11-23 杭州电子科技大学 一种基于事件触发通信的信号源定位方法
CN108981707A (zh) * 2018-07-25 2018-12-11 西安电子科技大学 基于时差量测箱粒子phd的被动跟踪多目标方法
CN109298389A (zh) * 2018-08-29 2019-02-01 东南大学 基于多粒子群优化的室内行人组合位姿估计方法
CN109542112A (zh) * 2019-01-08 2019-03-29 哈尔滨工业大学 一种针对垂直起降可重复使用火箭返回飞行的固定时间收敛抗扰控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Adaptive Real-time Particle Filters for Robot Localization;Cody Kwok;《Proceedings of the 2003 IEEE Internatinal Conference on Robotics & Automation》;20030930;2836-2841 *
Continuous learning route map for robot navigation using a growing-on-demand self-organizing neural network;Chaoliang Zhong;《Research Article》;20171231;1-13 *
Signal Source Localization of Multiple Robots Using an Event-Triggered Communication Scheme;Ligang Pan;《applied sciences》;20181231;1-23 *
基于蚁群混沌行为的离散粒子群算法及其应用;徐青鹤;《计算机科学》;20100531;第37卷(第5期);178-180、286 *
矿井救灾机器人通信系统设计;徐钊;《徐州工程学院学报》;20090331;第24卷(第1期);1-5 *

Also Published As

Publication number Publication date
CN110146845A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110146845B (zh) 一种事件驱动的固定时间电磁源定位方法
Tobin et al. Domain randomization for transferring deep neural networks from simulation to the real world
US20200306959A1 (en) Hybrid Machine Learning-Based Systems and Methods for Training an Object Picking Robot with Real and Simulated Performance Data
CN108872972B (zh) 一种基于事件触发通信的信号源定位方法
US11185980B2 (en) Machine learning-based systems and methods for controlling robotic object picking and placement in training and run time environments
Zhao et al. A path planning method based on multi-objective cauchy mutation cat swarm optimization algorithm for navigation system of intelligent patrol car
CN109213074A (zh) 控制装置以及机器学习装置
Shen et al. Leader-follower formation control without leader’s velocity information
CN112528434B (zh) 信息识别方法、装置、电子设备和存储介质
CN106926238A (zh) 基于突加度的多冗余度机械臂系统的协同控制方法与装置
Richter et al. Motion scaling solutions for improved performance in high delay surgical teleoperation
CN113081266A (zh) 机器人配准方法、装置、电子设备及存储介质
CN114147720B (zh) 一种多自由度机械臂的逆运动学通用求解方法及装置
CN106127119B (zh) 基于彩色图像和深度图像多特征的联合数据关联方法
WO2023123911A1 (zh) 机器人碰撞检测方法、装置、电子设备及存储介质
CN109304710A (zh) 基于径向基神经网络的机械臂精度标定方法
CN114200920A (zh) 路径规划方法、装置及控制系统
CN116214522A (zh) 基于意图识别的机械臂控制方法、系统及相关设备
Almeida et al. Real-time tracking of moving objects using particle filters
US20230070440A1 (en) Magnetic indoor positioning with magnetometer calibration errors equaliziation
Wong et al. The mobile robot anti-disturbance vSLAM navigation algorithm based on RBF neural network
Kim et al. Improvement of Door Recognition Algorithm using Lidar and RGB-D camera for Mobile Manipulator
EP4135940A1 (en) Configuration of robot operational environment including layout of sensors
CN109062200B (zh) 一种定位传感器节点的移动机器人滚动时序控制方法
Trotti et al. A Modified Recursive Newton-Euler Algorithm Embedding a Collision Avoidance Module

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190820

Assignee: Hangzhou Yufeng Audio visual Technology Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2022980022886

Denomination of invention: An event driven fixed time electromagnetic source location method

Granted publication date: 20210727

License type: Common License

Record date: 20221122

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190820

Assignee: Hangzhou Qimibao Technology Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2022980023151

Denomination of invention: An event driven fixed time electromagnetic source location method

Granted publication date: 20210727

License type: Common License

Record date: 20221124

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190820

Assignee: LEO GROUP PUMP (ZHEJIANG) Co.,Ltd.

Assignor: HANGZHOU DIANZI University

Contract record no.: X2022980024262

Denomination of invention: An event driven fixed time electromagnetic source location method

Granted publication date: 20210727

License type: Common License

Record date: 20221202

EE01 Entry into force of recordation of patent licensing contract