CN112445244A - 一种多自主水下机器人的目标搜寻方法 - Google Patents

Abstract

本发明涉及水下机器人目标搜索技术领域，尤其涉及多自主水下机器人的目标搜寻方法。针对多自主水下机器人多源目标融合、低带宽数据通信等关键问题，提出了一种适用于多自主水下机器人的海底目标搜寻方法，首先估算目标的初始位置；然后采用分布式滤波方法得到自主水下机器人对目标的局部估计，同时量化评估自主水下机器人导航精度对目标搜索精度的影响；最后利用多自主水下机器人交互的目标局部估计信息，实现对目标位置的全局优化估计。本方法能够有效地处理多自主水下机器人的海底目标搜寻问题，量化描述自主水下机器人导航精度对目标位置估计精度的影响，采用分布式递推模式融合多源数据，提高目标搜寻的位置精度，具有较强的工程应用价值。

Description

一种多自主水下机器人的目标搜寻方法

技术领域

本发明涉及水下机器人目标搜索技术领域，尤其涉及一种多自主水下机器人(简称AUV)的海底目标搜寻方法，实现多自主水下机器人对海底目标的高效搜寻和定位。

背景技术

在海洋工程、深海科考、海洋搜救过程中，自主水下机器人发挥越来越重要的作用。近年来，在法航447、马航MH370残骸搜寻事件中，自主水下机器人充当了深海目标搜寻的重要角色。受到自身携带能源容量及成本的限制，单体自主水下机器人目标搜寻的效率进一步提升的空间有限，所以研究多自主水下机器人的目标搜索技术是十分必要的。按照搭载载荷性质的不同，多自主水下机器人集群被划分为有源载荷的多自主水下机器人集群和无源载荷的多自主水下机器人集群。有源载荷探测半径有限且存在载荷干扰，该物理特征限制了多自主水下机器人规模的扩大，不利于发挥多自主水下机器人的群体优势。而无源载荷具有探测半径大、隐蔽性高且不存在载荷间干扰问题，该物理特征为大规模多自主水下机器人集群目标搜索提供了技术支撑。所以研究基于无源载荷的多自主水下机器人目标搜寻技术，发挥多自主水下机器人的群体优势，是十分必要的。舷侧阵声呐是一种水下无源目标探测载荷，具有测量水下目标的相对方位及信号强度的功能，具有能耗低、探测半径大等优点，它也是多自主水下机器人集群海底目标搜寻的关键载荷。研究多自主水下机器人目标搜寻技术，即基于舷侧阵声呐测量的目标搜寻技术，是水下目标搜索的关键技术。传统多自主水下机器人目标搜索强调对目标测量信息的数据融合，而忽略自主水下机器人导航精度、群体间导航差异对目标搜寻精度的影响，有时甚至出现观测时间越长，目标估计精度反而下降的问题。传统多自主水下机器人目标搜寻需要实时通信交互目标测量，而水下声信道有限的带宽与高频率实时通信需求存在严重的矛盾。

发明内容

本发明涉及水下机器人目标搜索技术领域，尤其涉及多自主水下机器人(简称多AUV)的海底目标搜寻方法。针对多自主水下机器人多源目标融合、低带宽数据通信等关键技术问题。

本发明为实现上述目的所采用的技术方案是：

一种多自主水下机器人的目标搜寻方法，包括以下步骤：

水下自主机器人根据获取到的目标信号强度，得到目标的初始位置；

根据目标的初始位置，计算个体自主水下机器人的目标位置和精度；

采用分步递推方式融合多个自主水下机器人的目标位置和精度，得到全局目标位置和精度。

所述计算个体自主水下机器人的目标位置和精度包括以下步骤：

计算当前时刻自主水下机器人对目标的测量精度；

计算当前时刻自主水下机器人对目标的位置估计；

计算当前时刻自主水下机器人对目标的精度；

计算本周期自主水下机器人对目标的位置估计和精度。

所述计算当前时刻自主水下机器人对目标的测量精度R_i,k具体为：

其中，P(X_i,k)表示自主水下机器人i在时刻t_k的位置方差；B_i,k表示自主水下机器人i导航误差的雅各比矩阵；X_ob,i,k-1表示自主水下机器人i在时刻t_k-1对目标位置的估计；X_i,k＝(x_i,k,y_i,k)^T表示第i个自主水下机器人在时刻t_k的空间位置，其中x_i,k和y_i,k分别表示北向位置，东向位置,k是时刻t_k的索引序号；

表示自主水下机器人i的目标方位角方差；J是旋转矩阵常量；r_i,k表示自主水下机器人i在时刻t_k与目标的矢量距离；n_t是最大时间索引。

所述计算当前时刻自主水下机器人对目标的位置估计X_ob,i,k具体为：

其中，X_ob,i,k-1表示自主水下机器人i在时刻t_k-1对目标位置的估计；定义α_i,k表示在时刻t_k自主水下机器人i与目标的方位角；X_i,k(1)和X_i,k(2)分别表示X_i,k的第1个元素，第2个元素，即x_i,k和y_i,k；X_ob,i,k-1＝(x_ob,i,k-1,y_ob,i,k-1)^T表示自主水下机器人i在时刻t_k-1对目标位置估计，X_ob,i,k-1(1)和X_ob,i,k-1(2)分别表示X_ob,i,k-1的第1个元素和第2个元素；I(X_ob,i,k-1)表示第i个自主水下机器人在时刻t_k对目标位置估计的信息度；H_i,k表示自主水下机器人i在时刻t_k对目标观测的雅各比矩阵。

所述计算当前时刻自主水下机器人对目标的精度P(X_ob,i,k)具体为：

其中，I(X_ob,i,k-1)表示自主水下机器人i在时刻t_k-1对目标位置估计的信息度，I(X_ob,i,k)和P(X_ob,i,k)是互为可逆矩阵；∞表示无穷大。

所述计算本周期自主水下机器人对目标的位置估计和精度具体为：

设目标的初始化位置时，目标的信息度为0，目标精度无穷大；

按照时间循环计算本周期内每一时刻自主水下机器人对目标的位置估计和精度；

循环完成，得到本周期自主水下机器人对目标的位置估计和精度，即

n_t为时刻索引的最大值。

所述采用分步递推方式融合多个自主水下机器人的目标位置和精度，得到全局目标位置和精度包括以下步骤：

递推融合截止到当前时刻所有自主水下机器人的目标位置和精度；

融合计算全局目标位置和精度。

所述递推融合截止到当前时刻所有自主水下机器人的目标位置和精度具体为：

定义I(X_ob,i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置的信息度，P(X_ob,i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置的方差，即目标位置精度；X_ob(i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置估计，

其中，i表示自主水下机器人的序号，水下机器人数目最大值是n；X_ob(i-1)和I(X_ob,i-1)分别表示数据融合从自主水下机器人1到自主水下机器人i-1的目标位置和信息度；e表示单位矩阵。

所述融合计算全局目标位置和精度具体为：

将第1号自主水下机器人的目标信息作为初始目标信息；

循环递推融合各个自主水下机器人的目标信息；

循环完成，得到全局目标位置和精度，即X_ob＝X_ob(n)，P(X_ob)＝P(X_ob,n)，n是自主水下机器人编号的最大值。

本发明具有以下有益效果及优点：

1.相对于传统基于方位测量的目标搜索，本方法考虑多自主水下机器人导航精度、群体间导航精度差异对目标搜索精度的影响，实现了多自主水下机器人目标搜索的全局优化，提高了目标搜索的位置精度。

2.应用范围广。本发明不但可以应用于多AUV平台水下目标搜索，还可以用于其它潜航器集群、水面/水下的水下目标搜索。

3.为了有效融合多自主水下对目标的局部观测估计，降低水下通信频率，本发明采用分布式数据融合策略，以目标局部估计的周期交互代替传统测量信息的实时交互，提高了水下通信效率和目标位置搜索效率。

附图说明

图1a是本发明的组成示意图一；

图1b是本发明的组成示意图二；

图2是本发明的流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

整个系统组成包括多台自主水下机器人、自主水下机器人搭载的多普勒计程仪、深水罗经、舷侧阵声呐、同步器、水声通信机等设备。其中自主水下机器人是搭载多普勒计程仪、深水罗经、舷侧阵声呐、同步器、水声通信机的运载具，多普勒计程仪、深水罗经是自主水下机器人的内部导航传感器，其中多普勒计程仪的作用是测量自主水下机器人相对于海底的航行速度；深水罗经的作用是测量自主水下机器人的航向角、纵倾角、横滚角等姿态角；同步器的作用是同步多自主水下机器人声学通信；水声通信机的作用是多自主水下机器人交互目标探测信息；舷侧阵声呐是目标探测传感器，它的作用是测量自主水下机器人与目标的方位角，同时测量目标的声学信号强度，系统组成如图1a～图1b所示。

如图2所示，整个系统按照如下流程工作：

为了描述方便，首先对一些变量进行定义。定义X_i,k＝(x_i,k,y_i,k)^T表示第i个自主水下机器人在时刻t_k的空间位置，其中x_i,k和y_i,k分别表示自主水下机器人i在时刻t_k的北向位置，东向位置；k是时刻t_k的索引序号，时刻索引的最大值是n_t；i表示自主水下机器人的索引编号，自主水下机器人的索引编号的最大值n，即自主水下机器人的总数量是n；定义α_i,k表示在时刻t_k自主水下机器人i与目标的方位角，它服从方差

的正态分布，它是舷侧阵声呐的设备工作参数，该参数由设备厂家提供。为了方便描述矩阵和向量的运算，定义T表示矩阵或向量的转置算子，||·||表示向量的2范数算子。

第一步，计算目标的初始位置

根据目标信号强度与距离呈正相关的物理特性，估算出目标的初始位置，定义X_ob,initial表示多自主水下机器人在时刻t₀对目标位置的初始估计，它的计算方法如下：

其中s_i表示时刻t₀自主水下机器人i测量目标方位角时获得的目标强度信息，它是已知输入量，它是舷侧阵声呐设备提供的测量值；k表示时间索引序号，对应时刻t_k；X_i,k表示时刻t_k自主水下机器人i的位置，它是已知量。

第二步，计算个体自主水下机器人的目标位置

利用自主水下机器人i在本周期内对目标的观测信息，计算出自主水下机器人i对目标的位置估计，并给出目标位置的估计精度。首先，计算当前时刻对目标的测量精度，然后计算当前时刻对目标的位置估计和精度估计，最后数据融合本周期内对目标的所有观测信息和位置估计，获得本周期自主水下机器人i对目标位置的优化估计，计算过程如下：

(1)计算当前时刻自主水下机器人对目标的测量精度

定义R_i,k表示自主水下机器人i在时刻t_k对目标的测量方差，即目标测量精度，它是通过求解如下方程组获得：

其中P(X_i,k)表示自主水下机器人i在时刻t_k的位置方差，它是自主水下机器人内部导航状态量，它是已知量；B_i,k表示自主水下机器人i导航误差的雅各比矩阵，它是中间变量；X_ob,i,k-1表示自主水下机器人i在时刻t_k-1对目标位置的估计，它是上一个时刻t_k-1的计算结果，对于当前时刻t_k而言，它是已知量；X_i,k＝(x_i,k,y_i,k)^T表示第i个自主水下机器人在时刻t_k的空间位置，它是已知量；

表示自主水下机器人i的目标方位角方差，它是舷侧阵声呐的内部参数，由厂家提供；J是旋转矩阵常量；r_i,k表示自主水下机器人i在时刻t_k与目标的矢量距离，它是中间变量；n_t是最大时间索引。

(2)计算当前时刻自主水下机器人对目标的位置估计

定义X_ob,i,k表示自主水下机器人i在时刻t_k对目标位置的估计，它是通过求解如下方程组获得：

其中X_ob,i,k-1表示自主水下机器人i在时刻t_k-1对目标位置的估计，它是上一个时刻t_k-1的计算结果，对于当前时刻t_k而言，它是已知量；定义α_i,k表示在时刻t_k自主水下机器人i与目标的方位角，它是舷测阵声呐的输出量；X_i,k＝(x_i,k,y_i,k)^T表示第i个自主水下机器人在时刻t_k的空间位置，其中x_i,k和y_i,k分别表示北向位置，东向位置,k是时刻t_k的索引序号，X_i,k(1)和X_i,k(2)分别表示X_i,k的第1个元素，第2个元素，即x_i,k和y_i,k，它们是已知量；同理X_ob,i,k-1＝(x_ob,i,k-1,y_ob,i,k-1)^T表示自主水下机器人i在时刻t_k-1对目标位置估计，X_ob,i,k-1(1)和X_ob,i,k-1(2)分别表示X_ob,i,k-1的第1个元素和第2个元素，它是上一个时刻t_k-1的计算结果，对于当前时刻而言，它是已知量；I(X_ob,i,k-1)表示第i个自主水下机器人在时刻t_k对目标位置估计的信息度，它是上一个时刻t_k-1的计算结果，对于当前时刻t_k而言，它是已知量；H_i,k表示自主水下机器人i在时刻t_k对目标观测的雅各比矩阵，它是中间变量；R_i,k表示自主水下机器人i在时刻t_k对目标的测量方差，即目标测量精度，它是公式(2)的计算结果，对于本公式而言，它是已知量；J是旋转矩阵常量；r_i,k表示自主水下机器人i在时刻t_k与目标的矢量距离,它是中间变量；n_t是最大时间索引。

(3)计算当前时刻自主水下机器人对目标位置的估计精度

定义I(X_ob,i,k)表示自主水下机器人i在时刻t_k对目标位置估计的信息度，定义P(X_ob,i,k)表示自主水下机器人i在时刻t_k对目标位置的估计精度，I(X_ob,i,k)和P(X_ob,i,k)是互为可逆矩阵，它们是通过求解如下方程组获得：

其中I(X_ob,i,k-1)表示自主水下机器人i在时刻t_k-1对目标位置估计的信息度，它是上一个时刻t_k-1的计算结果，对于当前时刻t_k而言，它是已知量；H_i,k表示自主水下机器人i在时刻t_k对目标观测的雅各比矩阵，它是公式(3)的计算结果，对于本公式而言，它是已知量；R_i,k表示自主水下机器人i在时刻t_k对目标的测量方差，即目标测量精度，它是公式(2)的计算结果，对于本公式而言，它是已知量；∞表示无穷大。

(4)计算本周期自主水下机器人对目标的位置估计和精度估计

定义X_ob,i表示自主水下机器人i在本周期对目标位置的估计；定义I(X_ob,i)表示自主水下机器人i在本周期对目标位置估计的信息度；定义P(X_ob,i)表示自主水下机器人i在本周期对目标位置的估计精度。X_ob,i,I(X_ob,i)和P(X_ob,i)是待求解变量，按照下表方法计算获得：

表1计算自主水下机器人本周期的目标位置并评估精度

第三步，计算全局目标位置

利用多自主水下机器人交互的目标局部估计信息，依据目标局部估计权重，采用分步递推模式融合多源数据，实现对目标位置的全局优化估计，同时给出全局目标的估计精度。即首先分步实时计算当前自主水下机器人的目标位置和精度，最后计算全局目标位置和精度。

(1)递推融合当前自主水下机器人的目标位置和精度

多自主水下机器人目标信息数据融合最大的难题是随着自主水下机器人数目的增加而引入的计算复杂度的几何级增加，所以采用递推分步融合策略，递推一次融合一台自主水下机器人的目标位置信息，同时给出融合后的目标位置精度。定义I(X_ob,i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置的信息度，P(X_ob,i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置的方差，即目标位置精度；X_ob(i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置估计。I(X_ob,i)，P(X_ob,i)，X_ob(i)是待求解变量，它们是通过求解如下方程组获得：

其中i表示自主水下机器人的序号，水下机器人数目最大值是n；X_ob(i-1)和I(X_ob,i-1)分别表示数据融合从自主水下机器人1到自主水下机器人i-1的目标位置和信息度，它是上一次递推融合第i-1个自主水下机器人的计算结果，对于当前自主水下机器人i而言，它们是已知量；I(X_ob,i)表示自主水下机器人i在周期内对目标位置估计的信息度，它是步骤二的计算结果，对于当前自主水下机器人i而言，它是已知量；e表示单位矩阵。

(2)数据融合计算全局目标位置和精度

数据融合所有自主水下机器人的目标信息，计算全局目标位置和位置估计精度。定义X_ob表示数据融合从自主水下机器人1到自主水下机器人n的目标位置估计，即全局目标位置；P(X_ob)表示数据融合从自主水下机器人1到自主水下机器人n的目标位置方差，即全局目标精度。X_ob和P(X_ob)是待求解变量，按照下表方法计算获得：

表2计算全局目标位置

本发明提出了一种适用于多自主水下机器人的海底目标搜寻方法，首先根据目标信号强度、多自主水下机器人的空间分布，估算目标的初始位置；然后采用分布式滤波方法得到自主水下机器人对目标的局部估计，同时量化评估自主水下机器人导航精度对目标搜索精度的影响，为下一步数据融合提供权重依据；最后利用多自主水下机器人交互的目标局部估计信息，依据目标局部估计权重，采用分步递推模式融合多源数据，实现对目标位置的全局优化估计。本发明包括：首先根据目标信号强度、多自主水下机器人的空间分布，估算目标的初始位置；然后采用分布式滤波方法得到自主水下机器人对目标的局部估计，同时量化评估自主水下机器人导航精度对目标搜索精度的影响，为下一步数据融合提供权重依据；最后利用多自主水下机器人交互的目标局部估计信息，依据目标局部估计权重，采用分步递推模式融合多源数据，实现对目标位置的全局优化估计，同时给出全局目标的估计精度。本方法能够有效地处理水下目标搜索问题，比传统方法具有更高的目标位置搜索精度、更好的环境适应性。(1)传统多自主水下机器人目标搜索强调多自主水下机器人对目标测量信息的数据融合，忽略了多自主水下机器人个体导航精度的变化、个体间导航差异对目标位置搜寻精度的影响。本方法考虑自主水下机器人导航精度对目标搜寻精度的影响，引入目标位置精度估计量化描述导航精度对目标搜寻精度的影响，并将目标精度估计作为权重引入多源信息融合过程，克服了群体目标局部估计的差异性影响，实现了多自主水下机器人对目标估计的全局优化。(2)与传统多自主水下机器人目标搜寻需要实时通信交互目标测量的工作方式不同，本方法只需要在定周期交互一次即可，降低了水下通信频率；同时本方法只需要交互局部目标的估计信息，不需要交互原始目标测量值，极大地解决下水下声信道带宽，更加适应高噪声、低带宽的水下声信道环境，具有比传统方法更强的环境适应性。综上所述，本方法在海底目标搜索领域具有较强的工程应用价值；本方法移植方便，扩展性强，也适用于多无人水下船集群、多无人船/多自主水下机器人的异构机器人集群等的海底目标搜索应用领域。

Claims (9)

1.一种多自主水下机器人的目标搜寻方法，其特征在于，包括以下步骤：

水下自主机器人根据获取到的目标信号强度，得到目标的初始位置；

根据目标的初始位置，计算个体自主水下机器人的目标位置和精度；

采用分步递推方式融合多个自主水下机器人的目标位置和精度，得到全局目标位置和精度。

2.根据权利要求1所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述计算个体自主水下机器人的目标位置和精度包括以下步骤：

计算当前时刻自主水下机器人对目标的测量精度；

计算当前时刻自主水下机器人对目标的位置估计；

计算当前时刻自主水下机器人对目标的精度；

计算本周期自主水下机器人对目标的位置估计和精度。

3.根据权利要求2所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述计算当前时刻自主水下机器人对目标的测量精度R_i,k具体为：

其中，P(X_i,k)表示自主水下机器人i在时刻t_k的位置方差；B_i,k表示自主水下机器人i导航误差的雅各比矩阵；X_ob,i,k-1表示自主水下机器人i在时刻t_k-1对目标位置的估计；X_i,k＝(x_i,k,y_i,k)^T表示第i个自主水下机器人在时刻t_k的空间位置，其中x_i,k和y_i,k分别表示北向位置，东向位置,k是时刻t_k的索引序号；

表示自主水下机器人i的目标方位角方差；J是旋转矩阵常量；r_i,k表示自主水下机器人i在时刻t_k与目标的矢量距离；n_t是最大时间索引。

4.根据权利要求2所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述计算当前时刻自主水下机器人对目标的位置估计X_ob,i,k具体为：

其中，X_ob,i,k-1表示自主水下机器人i在时刻t_k-1对目标位置的估计；定义α_i,k表示在时刻t_k自主水下机器人i与目标的方位角；X_i,k(1)和X_i,k(2)分别表示X_i,k的第1个元素，第2个元素，即x_i,k和y_i,k；X_ob,i,k-1＝(x_ob,i,k-1,y_ob,i,k-1)^T表示自主水下机器人i在时刻t_k-1对目标位置估计，X_ob,i,k-1(1)和X_ob,i,k-1(2)分别表示X_ob,i,k-1的第1个元素和第2个元素；I(X_ob,i,k-1)表示第i个自主水下机器人在时刻t_k对目标位置估计的信息度；H_i,k表示自主水下机器人i在时刻t_k对目标观测的雅各比矩阵。

5.根据权利要求2所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述计算当前时刻自主水下机器人对目标的精度P(X_ob,i,k)具体为：

其中，I(X_ob,i,k-1)表示自主水下机器人i在时刻t_k-1对目标位置估计的信息度，I(X_ob,i,k)和P(X_ob,i,k)是互为可逆矩阵；∞表示无穷大。

6.根据权利要求2所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述计算本周期自主水下机器人对目标的位置估计和精度具体为：

设目标的初始化位置时，目标的信息度为0，目标精度无穷大；

按照时间循环计算本周期内每一时刻自主水下机器人对目标的位置估计和精度；

循环完成，得到本周期自主水下机器人对目标的位置估计和精度，即

n_t为时刻索引的最大值。

7.根据权利要求1所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述采用分步递推方式融合多个自主水下机器人的目标位置和精度，得到全局目标位置和精度包括以下步骤：

递推融合截止到当前时刻所有自主水下机器人的目标位置和精度；

融合计算全局目标位置和精度。

8.根据权利要求7所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述递推融合截止到当前时刻所有自主水下机器人的目标位置和精度具体为：

定义I(X_ob,i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置的信息度，P(X_ob,i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置的方差，即目标位置精度；X_ob(i)表示数据融合从自主水下机器人1到自主水下机器人i的目标位置估计，

其中，i表示自主水下机器人的序号，水下机器人数目最大值是n；X_ob(i-1)和I(X_ob,i-1)分别表示数据融合从自主水下机器人1到自主水下机器人i-1的目标位置和信息度；e表示单位矩阵。

9.根据权利要求7所述的一种多自主水下机器人的目标搜寻方法，其特征在于，所述融合计算全局目标位置和精度具体为：

将第1号自主水下机器人的目标信息作为初始目标信息；

循环递推融合各个自主水下机器人的目标信息；

循环完成，得到全局目标位置和精度，即X_ob＝X_ob(n)，P(X_ob)＝P(X_ob,n)，n是自主水下机器人编号的最大值。

Images