CN111857186A - 一种切换拓扑条件下目标运动状态的估计方法 - Google Patents
一种切换拓扑条件下目标运动状态的估计方法 Download PDFInfo
- Publication number
- CN111857186A CN111857186A CN201910336240.1A CN201910336240A CN111857186A CN 111857186 A CN111857186 A CN 111857186A CN 201910336240 A CN201910336240 A CN 201910336240A CN 111857186 A CN111857186 A CN 111857186A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned aerial
- aerial vehicle
- acceleration
- communication
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 40
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 230000001133 acceleration Effects 0.000 claims abstract description 33
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000008685 targeting Effects 0.000 claims 1
- 238000009795 derivation Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种切换拓扑条件下目标运动状态的估计方法。假设编队中的每架无人机均量测到目标含高斯噪声和随机噪声的运动加速度信息,都对加速度进行低通一致性滤波,且对低通一致性滤波算法进行改进,使编队中的每架无人机得到较为精确的目标运动加速度。应用固定通信拓扑条件下推导得到的分布式连续滤波算法对目标运动状态进行估计,将低通一致性滤波得到的目标加速度带入IKCF;在无人机节点无法收到邻居的信息时,用标准连续Kalman滤波算法替代IKCF,对目标的状态估计在一定范围内将实现一致并且收敛到目标的真实运动状态。
Description
技术领域
本发明属于切换通信拓扑条件下的分布式滤波算法以及低通一致性滤波算法,具体涉及一种切换拓扑条件下目标运动状态的估计方法。
背景技术
在目标跟踪、工业设备监控和环境监测等领域通常应用传感器网络对其进行分布式状态估计。而在目标跟踪中由于目标运动的不确定性很大,采用固定的传感器网络对其运动状态进行分布式滤波有些不太实用。因此,采用无人机编队对目标进行跟踪并进行状态估计是较为理想的方法。而无人机编队的通信系统在受到环境因素的影响时可能导致通信链路的中断,进而导致通信拓扑不含生成树;在一定的时间段内,通信拓扑通过编队通信系统的恢复或自组织连接将再次含有生成树。因此,采用一种在这种通信拓扑切换条件下稳定的分布式滤波算法是有必要的。
并且,在编队控制算法中基本要求每架无人机都知道目标的运动加速度。即使无人机通过某种传感器可以量测到目标的运动加速度,也必然是含有很大噪声的,从而导致每架无人机量测到的目标运动加速度相差很大。因此,有必要采用一种低通一致性滤波算法对量测到的目标运动加速度进行低通一致性滤波,从而使每架无人机得到更加准确的目标运动加速度。
发明内容
针对无人机编队目标跟踪、状态估计中通信链路容易中断导致通信拓扑不含生成树的问题,提出了一种切换通信拓扑条件下的分布式滤波算法,使算法更加贴近实际情况,并且提出了一种改进的低通一致性滤波算法,使得无人机可以得到目标更加准确的运动加速度。
本发明是这样实现的,一种切换拓扑条件下目标运动状态的估计方法,地面移动目标的运动状态模型为:
其中,u(t)∈R2为目标在水平方向的控制输入,系统矩阵A和输入B满足:
A为过程噪声驱动阵,状态变量x=[px py vx vy]T代表目标水平方向的位置和速度;过程噪声ω~(0,Q),量测噪声v~(0,R),z为目标位置、速度状态的观测量,观测矩阵H∈I4×4为4阶单位阵,具体步骤如下:
无人机编队在跟踪目标的初始时刻通信拓扑图含有生成树;
(1)将每架无人机量测到的目标含噪声的运动加速度进行低通一致性滤波:
其中,为无人机i对目标运动加速度的估计,为无人机i量测到的目标运动加速度,aij=1表示无人机i与无人机j有通讯链接,aij=0无人机i与无人机j无通讯链接,且Ji=Ni∪{i},Ni为无人机i的邻居;
为了使滤波后的加速度在更小的范围内趋于一致,对算法进行改进,改进后的低通一致性滤波算法的组合形式为:
由于传感器故障或量测距离的限制导致无人机i测到的目标运动加速度异常时,无人机i只与其邻居进行一致性滤波:
无人机编队在跟踪目标的过程中由于环境干扰导致某些通信链路中断,此时编队通信拓扑不含生成树;
(3)将(2)中所提分布式滤波算法改为标准连续Kalman滤波算法的形式:
(4)在无人机通信拓扑含有生成树后则再次用(2)中的算法对目标的状态进行估计。
与现有技术相比,本发明的有益效果为:
(1)考虑无人机编队目标跟踪过程中通信链路发生中断导致通信拓扑不含生成树的情况,提出了一种切换拓扑条件下的分布式滤波算法,使其更具实际意义。
(2)对无人机量测得到的加速度进行低通一致性滤波,并对其进行改进,使得编队中的每架无人机都可以得到在更小范围内趋于一致的目标运动加速度。从而可以应用某些编队控制算法使无人机编队更加紧密地跟踪目标。
附图说明
图1-a是本实施过程用到的通信拓扑图:‘0’代表移动目标;‘1-5’代表五架无人机,并且图1-a中Topology 1含有生成树;
图1-b是本实施过程用到的通信拓扑图:‘0’代表移动目标;‘1-5’代表五架无人机,并且图1-b中Topology 2含有生成树;
图1-c是本实施过程用到的通信拓扑图:‘0’代表移动目标;‘1-5’代表五架无人机,并且图1-c中Topology 3不含有生成树;
图1-d是本实施过程用到的通信拓扑图:‘0’代表移动目标;‘1-5’代表五架无人机,并且图1-d中Topology 4不含有生成树;
图2是地面移动目标在X轴向的控制输入。
图3是无人机1量测到的X轴向原始加速度误差。
图4是无人机1-5运行原始低通一致性滤波算法估计得到的加速度误差。
图5是无人机1-5运行改进低通一致性滤波算法估计得到的加速度误差。
图6是仿真条件1切换拓扑条件下的估计误差Lyapunov函数曲线。
图7是仿真条件1切换拓扑条件下本发明所提分布式滤波算法的估计误差。
图8是仿真条件2切换拓扑条件下的估计误差Lyapunov函数曲线。
图9是仿真条件2切换拓扑条件下本发明所提分布式滤波算法的估计误差。
具体实施方式
以下结合图1-9和具体实施过程对本发明做进一步详细说明:
图1是本实施例过程用到的通信拓扑图:‘0’代表移动目标;‘1-5’代表五架无人机;并且图中Topology 1和Topology 2含有生成树,Topology 3和Topology 4不含有生成树。图2是地面移动目标在X轴向的控制输入。图3是无人机1量测到的X轴向原始加速度误差。
设定数值仿真的步长为Δt=10-3s,目标动态模型的过程白噪声方差为nω=0.04;量测到的目标位置、速度白噪声方差分别为np=3和nv=3;无人机间的通信白噪声方差为nc=0.01;给定无人机量测到的目标运动加速度含白噪声的方差为含随机噪声的幅值大小为al=0.2。在经过对量测加速度的低通一致性滤波后,给定目标运动加速度的输入噪声方差阵中对角线元素大小为0.1。
通信拓扑取图1中的Topology 1,在改进的低通一致性滤波算法中取w1=90,w2=12,得到如图5所示的估计加速度误差,和图4相比体现出改进低通一致性滤波算法的优势。
取w1=90,w2=12。假设无人机编队在通信拓扑Topology 1下跟踪并估计地面目标,在第5s时通信拓扑切换到Topology 3。在10s后也就是数值仿真的第15s,通信拓扑恢复到Topology 1。在数值仿真的第35s及以后,再次发生和第5s及第15s相同的通信拓扑切换过程。仿真结果如图6和图7。
取w1=90,w2=12。假设无人机编队通信拓扑在数值仿真的35s以前发生和上一段所提相同的切换过程,只是在第35s时通信拓扑切换到Topology 4,并且在第45s时切换到Topology 2。仿真结果如图8和图9。
Claims (1)
1.一种切换拓扑条件下目标运动状态的估计方法,其特征在于,地面移动目标的运动状态模型为:
其中,u(t)∈R2为目标在水平方向的控制输入,系统矩阵A和输入B满足:
A为过程噪声驱动阵,状态变量x=[px py vx vy]T代表目标水平方向的位置和速度;过程噪声ω~(0,Q),量测噪声v~(0,R),z为目标位置、速度状态的观测量,观测矩阵H∈I4×4为4阶单位阵,具体步骤如下:
无人机编队在跟踪目标的初始时刻通信拓扑图含有生成树;
(1)将每架无人机量测到的目标含噪声的运动加速度进行低通一致性滤波:
其中,为无人机i对目标运动加速度的估计,为无人机i量测到的目标运动加速度,aij=1表示无人机i与无人机j有通讯链接,aij=0无人机i与无人机j无通讯链接,且Ji=Ni∪{i},Ni为无人机i的邻居;
为了使滤波后的加速度在更小的范围内趋于一致,对算法进行改进,改进后的低通一致性滤波算法的组合形式为:
由于传感器故障或量测距离的限制导致无人机i测到的目标运动加速度异常时,无人机i只与其邻居进行一致性滤波:
无人机编队在跟踪目标的过程中由于环境干扰导致某些通信链路中断,此时编队通信拓扑不含生成树;
(3)将(2)中所提分布式滤波算法改为标准连续Kalman滤波算法的形式:
(4)在无人机通信拓扑含有生成树后则再次用(2)中的算法对目标的状态进行估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336240.1A CN111857186A (zh) | 2019-04-25 | 2019-04-25 | 一种切换拓扑条件下目标运动状态的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336240.1A CN111857186A (zh) | 2019-04-25 | 2019-04-25 | 一种切换拓扑条件下目标运动状态的估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111857186A true CN111857186A (zh) | 2020-10-30 |
Family
ID=72951519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910336240.1A Pending CN111857186A (zh) | 2019-04-25 | 2019-04-25 | 一种切换拓扑条件下目标运动状态的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111857186A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018028711A1 (zh) * | 2016-08-12 | 2018-02-15 | 贵州火星探索科技有限公司 | 一种对无人机的噪声协方差进行估算的方法 |
CN107743299A (zh) * | 2017-09-08 | 2018-02-27 | 天津大学 | 面向无人机机载移动传感器网络的一致性信息滤波算法 |
CN109116868A (zh) * | 2018-10-31 | 2019-01-01 | 中国人民解放军32181部队 | 分布式无人机编队协同控制方法 |
-
2019
- 2019-04-25 CN CN201910336240.1A patent/CN111857186A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018028711A1 (zh) * | 2016-08-12 | 2018-02-15 | 贵州火星探索科技有限公司 | 一种对无人机的噪声协方差进行估算的方法 |
CN107743299A (zh) * | 2017-09-08 | 2018-02-27 | 天津大学 | 面向无人机机载移动传感器网络的一致性信息滤波算法 |
CN109116868A (zh) * | 2018-10-31 | 2019-01-01 | 中国人民解放军32181部队 | 分布式无人机编队协同控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109379125B (zh) | 一种多智能体编队控制方法及系统 | |
CN103648108B (zh) | 传感器网络分布式一致性目标状态估计方法 | |
Wang et al. | Control of vehicle platoons for highway safety and efficient utility: Consensus with communications and vehicle dynamics | |
Atanasov et al. | Decentralized active information acquisition: Theory and application to multi-robot SLAM | |
CN110442022B (zh) | 带有时滞异构多智能体系统的分组一致性控制方法 | |
CN110658821B (zh) | 一种多机器人抗干扰分组时变编队控制方法及系统 | |
CN112904723B (zh) | 非匹配干扰下的空地固定时间协同容错编队控制方法 | |
Lian et al. | Distributed Kalman consensus filter for estimation with moving targets | |
CN110011879B (zh) | 一种基于并行滤波的传感器网络安全实时在线监测系统 | |
Wang et al. | DDDAMS-based crowd control via UAVs and UGVs | |
Dehnavi et al. | Three dimensional target tracking via underwater acoustic wireless sensor network | |
Katragadda et al. | Consensus protocols for distributed tracking in wireless camera networks | |
Botts et al. | Multi-agent surveillance and tracking using cyclic stochastic gradient | |
CN104331630B (zh) | 一种多速率观测数据的状态估计和数据融合方法 | |
Miah et al. | Nonuniform deployment of autonomous agents in harbor-like environments | |
CN114615143A (zh) | 一种多传感-观测网络下的弹性分布式安全监测方法 | |
Jajamovich et al. | Joint multitarget tracking and sensor localization in collaborative sensor networks | |
Li et al. | Distributed fault detection and isolation for multi-agent systems using relative information | |
CN111857186A (zh) | 一种切换拓扑条件下目标运动状态的估计方法 | |
Balico et al. | On the performance of localization prediction methods for vehicular ad hoc networks | |
Jalalmaab et al. | Cooperative road condition estimation for an adaptive model predictive collision avoidance control strategy | |
CN113359822B (zh) | 具有领航者无人机编队的自抗扰控制方法及系统 | |
Tovakch et al. | Adaptive filtration of parameters of the UAV movement on data from its location calculated on the basis the time difference of arrival method | |
Liu et al. | EKF-based adaptive sensor scheduling for target tracking | |
CN110515069B (zh) | 一种用于分布式目标跟踪的自适应一致性信息滤波方法 |
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 |