CN118129765A - 卫星导航拒止下飞行器集群协同定位方法、设备及产品 - Google Patents
卫星导航拒止下飞行器集群协同定位方法、设备及产品 Download PDFInfo
- Publication number
- CN118129765A CN118129765A CN202410571399.2A CN202410571399A CN118129765A CN 118129765 A CN118129765 A CN 118129765A CN 202410571399 A CN202410571399 A CN 202410571399A CN 118129765 A CN118129765 A CN 118129765A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- auxiliary
- cluster
- coordinate system
- auxiliary aircraft
- 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 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 64
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- 230000007717 exclusion Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 10
- 230000010354 integration Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开的卫星导航拒止下飞行器集群协同定位方法、设备及产品,涉及飞行器集群协同导航领域。本发明在飞行器集群进入卫星拒止区域时,所有飞行器相互交换并共享自身的坐标信息,整个飞行器集群对坐标信息进行统计整合到统一坐标系,各个飞行器将自身坐标系转换至统一坐标系。借助相互共享的坐标信息得到参考飞行器与辅助飞行器的相对距离,并建立参考飞行器与辅助飞行器之间的相对距离模型,以解算得到辅助飞行器的实时坐标,通过实时坐标联立得到辅助飞行器的飞行轨迹后,采用改进的序列二次规划算法和无迹卡尔曼滤波算法对飞行轨迹进行优化,能够减小测算的飞行轨迹误差,进而能够提供精确、可靠地飞行器集群协同导航服务。
Description
技术领域
本发明涉及飞行器集群协同导航领域,特别是涉及一种卫星导航拒止下飞行器集群协同定位方法、设备及产品。
背景技术
飞行器集群现在广泛应用于农业、气象和环境监测、建筑和土地规划等领域。飞行器自组网是指飞行器之间通过通信和协作形成的动态自组织网络系统。它具有高可靠性、高灵活性和高效率等特点。为了增强飞行器自组网的协调能力,协同导航成为研究热点。飞行器集群协同导航是指多个飞行器在空间环境中进行协作,实现精确导航和定位。飞行器集群通过通信和信息交换,可以相互协助完成导航任务,从而提高导航性能和鲁棒性。在全球导航卫星系统拒止区域,飞行器的定位精度受到很大影响,协同定位对飞行器在自组织网络中执行协同任务至关重要。提高飞行器集群协同定位精度一直是飞行器自组网中的研究热点。
协同导航算法的研究可分为数学模型优化、概率图优化和滤波优化三个方面。数学模型优化计算量大,对初始值敏感。许多优化算法需要适当的参数设置和调优,这可能需要大量的经验和计算成本。同样,概率图优化也存在计算复杂度高、局部最优解问题和大规模优化时参数选择困难等问题。滤波器优化是一种信号处理算法。卡尔曼滤波是其中最常用的算法。卡尔曼滤波的基本概念是将系统模型与测量数据相结合,以实现更精确的状态估计。但是,卡尔曼滤波是用来求解线性系统问题,难以处理非线性系统问题。卡尔曼滤波通常假设系统噪声和测量噪声均为高斯分布。如果实际情况与这些假设不一致,则可能导致滤波器性能下降。
基于上述描述,现有的协同导航算法研究并不能真正意义上实现飞行器集群协同导航的精度定位。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种卫星导航拒止下飞行器集群协同定位方法、设备及产品。
为实现上述目的,本发明提供了如下方案。
一种卫星导航拒止下飞行器集群协同定位方法,包括:
对进入卫星拒止区域内飞行器集群中所有飞行器的坐标信息进行统计并将统计后的坐标信息整合到统一坐标系中,且每一架飞行器将自身的坐标系转换至所述统一坐标系中;所述坐标信息包括:经度、纬度和高度;进入卫星拒止区域内的飞行器集群包括参考飞行器和辅助飞行器;所述辅助飞行器为待定位飞行器。
基于统一坐标系中的坐标信息确定参考飞行器与辅助飞行器间的相对距离。
基于所述相对距离建立参考飞行器与辅助飞行器之间的相对距离模型。
将统一坐标系中辅助飞行器随时间变化的坐标作为所述相对距离模型的变量,确定辅助飞行器的实时坐标。
联立所述辅助飞行器的实时坐标得到辅助飞行器的飞行轨迹。
采用滤波算法对辅助飞行器的飞行轨迹进行优化,得到优化后的辅助飞行器飞行轨迹;所述滤波算法包括改进的序列二次规划算法和无迹卡尔曼滤波算法;所述改进的序列二次规划算法是指基于卫星导航拒止下飞行器集群协同定位问题构建的序列二次规划算法。
可选地,采用的统一坐标系为以地球为中心的地球固定坐标系。
可选地,基于统一坐标系中的坐标信息确定参考飞行器与辅助飞行器间的相对距离,具体包括:
基于统一坐标系中参考飞行器的经度、纬度以及辅助飞行器的经度、纬度确定参考飞行器与辅助飞行器间的空间距离。
基于统一坐标系中参考飞行器的高度和辅助飞行器的高度确定参考飞行器与辅助飞行器间的垂直距离。
基于参考飞行器与辅助飞行器间的空间距离以及参考飞行器与辅助飞行器间的垂直距离确定参考飞行器与辅助飞行器间的相对距离。
可选地,参考飞行器与辅助飞行器之间的相对距离模型表示为:
。
式中,为参考飞行器在统一坐标系中的坐标,/>为参考飞行器与辅助飞行器之间的相对距离,/>,/>为进入卫星拒止区域内飞行器集群中飞行器的数量,为辅助飞行器在统一坐标系中的坐标。
可选地,采用滤波算法对辅助飞行器的飞行轨迹进行优化,具体包括:
利用改进的序列二次规划算法对辅助飞行器的飞行轨迹进行约束优化处理,得到第一优化轨迹。
利用无迹卡尔曼滤波器算法对所述第一优化轨迹进行滤波处理,得到辅助飞行器优化后的飞行轨迹。
可选地,利用改进的序列二次规划算法对辅助飞行器的飞行轨迹进行约束优化处理,得到第一优化轨迹,具体包括:
基于辅助飞行器的飞行轨迹对序列二次规划算法进行初始化,并确定目标函数和约束条件。
构建二次规划问题。
基于所述初始化后的值、所述目标函数和所述约束条件求解所述二次规划问题,得到求解结果。
判断所述求解结果是否满足预设输出条件,得到判断结果。
如果所述判断结果为是,则基于所述求解结果得到第一优化轨迹。
如果所述判断结果为否,则返回基于辅助飞行器的飞行轨迹对序列二次规划算法进行初始化,并确定目标函数和约束条件的步骤。
可选地,在联立所述辅助飞行器的实时坐标得到辅助飞行器的飞行轨迹之后,所述方法还包括:
利用坐标变换公式,将辅助飞行器的飞行轨迹中的坐标实时转换为辅助飞行器的经度、纬度和高度。
一种计算机设备,包括:存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现上述任一项所述的卫星导航拒止下飞行器集群协同定位方法。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一项所述的卫星导航拒止下飞行器集群协同定位方法。
一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一项所述的卫星导航拒止下飞行器集群协同定位方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明在飞行器集群进入卫星拒止区域时,所有飞行器相互交换并共享自身的坐标信息,整个飞行器集群对上述坐标信息进行统计并整合到统一坐标系中,然后各个飞行器将自身坐标系转换为统一坐标系。借助相互共享的经纬度等坐标信息通过算法测算参考飞行器与辅助飞行器的相对距离,然后建立参考飞行器与辅助飞行器之间的相对距离模型,以解算得到辅助飞行器的实时坐标,通过实时坐标联立成一条辅助飞行器的飞行轨迹后,采用改进的序列二次规划算法和无迹卡尔曼滤波算法对测算出来的飞行轨迹进行优化,能够减小测算的飞行轨迹误差,提高飞行器集群协同定位的精确性,进而能够提供精确、可靠地飞行器集群协同导航服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的卫星导航拒止下飞行器集群协同定位方法流程图。
图2为本发明实施例提供的飞行器集群中飞行器位置关系图。
图3为本发明实施例提供的卫星导航拒止下飞行器集群协同定位方法实施流程图。
图4为本发明实施例提供的飞行器集群飞行轨迹图。
图5为本发明实施例提供的辅助飞行器的经纬度以及高度误差结果示意图。其中,图5的(a)为辅助飞行器的纬度误差结果示意图,图5的(b)为辅助飞行器的经度误差结果示意图,图5的(c)为辅助飞行器的高度误差结果示意图。
图6为本发明实施例提供的辅助飞行器的位置误差示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种卫星导航拒止下飞行器集群协同定位方法、设备及产品,旨在减小协同定位误差的同时,提供精确、可靠地飞行器集群协同导航服务。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
当全球导航卫星系统出现故障或减弱时,基于惯性导航的协同导航可以提供可靠的导航服务。针对滤波类协同导航,本实施例提出了一种改进的序列二次规划(SequentialQuadraticProgramming,SQP)和无迹卡尔曼滤波器(UnscentedKalmanFilter,UKF)相结合的协同导航优化算法。算法将飞行器实测轨迹数据置于多个约束条件下,通过对多个约束条件的筛选,排除误差较大的数据和异常数据,将轨迹数据限制在高精度范围内。然后,把优化后的轨迹数据代入UKF进行滤波,进一步减小了协同定位误差。
基于上述描述,如图1所示,本实施例提供的卫星导航拒止下飞行器集群协同定位方法,包括:
步骤100:对进入卫星拒止区域内飞行器集群中所有飞行器的坐标信息进行统计并将统计后的坐标信息整合到统一坐标系中,且每一飞行器将自身的坐标系转换至统一坐标系中。坐标信息包括:经度、纬度和高度。进入卫星拒止区域内的飞行器集群包括参考飞行器和辅助飞行器。辅助飞行器为待定位飞行器。例如,本实施例所指的飞行器可以是无人机。
其中,在实际应用过程中,可以采用以地球为中心的地球固定坐标系作为统一坐标系。
步骤101:基于统一坐标系中的坐标信息确定参考飞行器与辅助飞行器间的相对距离。
在实际应用过程中,参考飞行器与辅助飞行器间的相对距离的确定过程可以包括:
(1)基于统一坐标系中参考飞行器的经度、纬度以及辅助飞行器的经度、纬度确定参考飞行器与辅助飞行器间的空间距离。
(2)基于统一坐标系中参考飞行器的高度和辅助飞行器的高度确定参考飞行器与辅助飞行器间的垂直距离。
(3)基于参考飞行器与辅助飞行器间的空间距离以及参考飞行器与辅助飞行器间的垂直距离确定参考飞行器与辅助飞行器间的相对距离。
步骤102:基于相对距离建立参考飞行器与辅助飞行器之间的相对距离模型。
步骤103:将统一坐标系中辅助飞行器随时间变化的坐标作为相对距离模型的变量,确定辅助飞行器的实时坐标。
步骤104:联立辅助飞行器的实时坐标得到辅助飞行器的飞行轨迹。
在该步骤之后,为了便于辅助飞行器轨迹的计算和优化,可以利用坐标变换公式,将辅助飞行器的飞行轨迹中的坐标实时转换为辅助飞行器的经度、纬度和高度。
步骤105:采用滤波算法对辅助飞行器的飞行轨迹进行优化,得到优化后的辅助飞行器飞行轨迹。滤波算法包括改进的序列二次规划算法和无迹卡尔曼滤波算法。改进的序列二次规划算法是指基于卫星导航拒止下飞行器集群协同定位问题构建的序列二次规划算法。
在实际应用过程中,采用滤波算法对辅助飞行器的飞行轨迹进行优化的过程可以包括:
(1)利用改进的序列二次规划算法对辅助飞行器的飞行轨迹进行约束优化处理,得到第一优化轨迹,具体的:
1)基于辅助飞行器的飞行轨迹对序列二次规划算法进行初始化,并确定目标函数和约束条件。
2)构建二次规划问题。
3)基于初始化后的值、目标函数和约束条件求解二次规划问题,得到求解结果。
4)判断求解结果是否满足预设输出条件,得到判断结果。如果判断结果为是,则基于求解结果得到第一优化轨迹。如果判断结果为否,则返回基于辅助飞行器的飞行轨迹对序列二次规划算法进行初始化,并确定目标函数和约束条件的步骤。
(2)利用无迹卡尔曼滤波器算法对第一优化轨迹进行滤波处理,得到辅助飞行器优化后的飞行轨迹。
下面以如图2所示的飞行器集群位置关系为例,对本实施例上述提供的卫星导航拒止下飞行器集群协同定位方法的具体实现过程进行说明。
图2所示飞行器集群包括1架定位精度较低的辅助飞行器和5架定位精度较高的参考飞行器。为了提高辅助飞行器的导航精度,通过获取辅助飞行器与参考飞行器之间的距离信息,建立了协同导航模型。飞行器1的导航设备定位精度较低,导致其位置误差较大,因此将其指定为辅助飞行器,其位置向量为。其余飞行器(即飞行器2-飞行器6)具有较高的机载导航性能,被指定为参考飞行器,与辅助飞行器(即飞行器1)之间的距离为/>。以飞行器6为例,其与飞行器1的仰角为/>,方位角为/>。将速度、加速度和相对距离根据这些角度分解到坐标轴上,可以建立数学关系。
如图3所示的飞行器集群协同定位过程,在飞行器进入卫星拒止区域时,所有飞行器相互交换并共享经度、纬度、高度等坐标信息,整个飞行器集群对上述坐标信息进行统计并整合到一个统一坐标系中,然后各个飞行器将自身坐标系转换为统一坐标系。参考飞行器借助相互共享的经纬度等坐标信息通过算法测算其与辅助飞行器的相对距离,然后建立参考飞行器与辅助飞行器之间的相对距离模型,构建坐标与相对距离的关系式解算得到辅助飞行器的实时坐标,通过实时坐标联立成一条辅助飞行器的飞行轨迹。最后,采用滤波算法对测算出来的飞行轨迹进行优化:首先,利用改进的SQP算法缩小滤波初值的范围,剔除不合理和误差大的参数,然后利用UKF算法进行滤波,减小测算的飞行轨迹误差。具体实现过程为:
将各飞行器的经度、纬度和高度坐标转换为以地球为中心的地球固定坐标(ECEF),具体转换过程表示为:
。
其中,为地球赤道半径,/>为地球扁率,/>为第/>个飞行器的经度,/>为第/>个飞行器的纬度,/>为第/>个飞行器的高度。(/>)为转换后的第/>个飞行器的地球固定坐标,/>,为进入卫星拒止区域内飞行器集群中飞行器的数量。
经纬度不同的飞行器之间的空间距离可以用数学表达式表示为:
。
其中,为经纬度不同的飞行器之间的空间距离,/>为地球的平均半径,/>为第/>个飞行器的经度,/>为第/>个飞行器的纬度。
在上述计算过程中,需要将经纬度转换为弧度,然后将其纳入计算。
飞行器之间的垂直距离为:
。
其中,和/>分别代表不同的飞行器,/>为第/>个飞行器的高度。
结合空间距离和垂直距离计算相对距离,表示为:
。
其中,表示第/>个飞行器与第/>个飞行器间的相对距离。
得到的相对距离便可作为上述步骤101中各个参考飞行器与辅助飞行器之间的相对距离。
根据飞行器坐标,将飞行器1设为辅助飞行器,其余飞行器设为参考飞行器,利用相对坐标的数学关系式,同时测量计算出各个参考飞行器与辅助飞行器之间的相对距离,建立飞行器之间的相对距离测量模型,其表示为:
。
式中,为参考飞行器在统一坐标系中的坐标,/>为参考飞行器与辅助飞行器之间的相对距离,/>,/>为进入卫星拒止区域内飞行器集群中飞行器的数量,为辅助飞行器在统一坐标系中的坐标。
完成飞行坐标变换后,对飞行过程进行建模,将飞行方向与速度、加速度沿坐标轴分解飞行器飞行轨迹,公式如下:
。
其中,为飞行器在相对坐标系下的飞行轨迹坐标,/>为飞行器的初始速度,/>为飞行器时变加速度,/>为时间。
坐标会随着时间变化,将随时间变化的坐标加入相对距离测量模型作为变量,实时更新替换相对距离测量模型中的/>和/>,这样可以计算得到辅助飞行器的实时坐标数据,联立实时坐标数据,最终得到辅助飞行器的实时轨迹信息。
经过上述计算,可以得到辅助飞行器在相对坐标轴上实时的飞行轨迹坐标,然后利用坐标变换公式,可以将坐标实时转换为辅助飞行器的经度、纬度和高度位置数据,表示为:
。
式中,为转换后的飞行器经度,/>为转换后的纬度,/>为转换后的高度。
联立转换得到的辅助飞行器的经度、纬度和高度位置数据就可以得到辅助飞行器的实时飞行轨迹。
得到辅助飞行器的实时飞行轨迹后,再将飞行轨迹数据代入改进的SQP算法中去,对数据进行约束优化处理。
其中,SQP算法的优点是可以有效地处理带有大规模非线性约束的优化问题,但也存在一些缺点,如陷入局部最优解的可能性和对初始点的敏感性等,因此在实际应用中需要根据具体问题选择合适的优化算法和参数设置。本实施例采用改进的SQP算法进行滤波,以降低飞行器的定位误差。例如,先对算法进行初始化,计算出目标函数和约束条件,然后构造二次规划问题并求解,得到更新后的数据,最后检查输出条件,如果满足输出条件,则输出,否则返回重新计算,直到满足输出条件。
对于一般非线性规划问题,首先确定最小目标函数,然后定义等式和不等式约束,求解目标问题,所提算法的步骤如表1所示。
表1 改进的SQP算法实现步骤表
表1中,表示线性约束条件的系数矩阵,/>为变量增量向量,/>为Hessian矩阵的近似,/>为梯度的近似。/>和/>分别为等式和不等式约束函数,/>和/>分别为等式和不等式约束的雅可比矩阵。/>和/>分别为经度的等式和不等式约束函数,和/>分别为经度的等式和不等式约束的雅可比矩阵。/>和/>分别为纬度的等式和不等式约束函数,/>和/>分别为纬度的等式和不等式约束的雅可比矩阵。和/>分别为高度的等式和不等式约束函数,/>和/>分别为高度的等式和不等式约束的雅可比矩阵。上角标/>均是指第/>次迭代。
基于上述描述,在改进的SQP算法中,添加的约束能够将飞行轨迹限制在一个更精确的范围内,从而进一步提高后续结果的精度。
计算飞行轨迹后,对求解结果进行滤波处理。UKF算法因其优越的滤波效果而被采用。与传统KF算法相比,UKF算法避免了非线性系统线性化带来的截断误差,从概率的角度完成了非线性系统的变换,提高了滤波精度,具有优势。经过此步后,可以得到高精度的辅助飞行器坐标。
图4给出了6架飞行器的飞行路径,说明它们正在执行协同任务,因此飞行角度变化很小。为了提高辅助飞行器的定位精度,使用了一些参考飞行器来测量和求解辅助飞行器的轨迹。参考飞行器测量与辅助飞行器的相对距离,建立相对距离与导航数据之间的数学关系,利用这个关系计算辅助飞行器的飞行轨迹,然后使用本实施例提出的协同定位方法来减少定位误差。协同定位效果比较中的经纬度、高度和位置误差分别如图5、图6以及表2所示。
表2平均误差表
从表2可以看出,本实施例提供的方法的经纬度误差约为1.7米,高度误差约为0.31米,位置误差约为2.6米。误差均处在很低的范围内,表明该方法对于定位精度具有很大的提升。
基于上述描述,本发明针对滤波类协同导航提出了一种采用改进的序列二次规划算法和无迹卡尔曼滤波器算法相结合的卫星导航拒止下飞行器集群协同定位方法,将无人机实测轨迹数据置于多个约束条件下,通过对多个约束条件的筛选,排除误差较大的数据和异常数据,将轨迹数据限制在高精度范围内。然后,把优化后的轨迹数据代入UKF算法进行滤波,进一步减小了协同定位误差。
进一步,相对于现有技术,本发明还具有以下优点:
1、使用改进的SQP算法与UKF算法联合实现了卫星导航拒止下飞行器集群协同定位,能够大幅提升飞行器集群的定位精度。
2、本发明提供的方法原理简单,过程设计简洁明晰,适合在飞行器集群协同导航遭遇卫星导航拒止的环境中推广。
实施例2
一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序以实现实施例1中的卫星导航拒止下飞行器集群协同定位方法。
实施例3
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中的卫星导航拒止下飞行器集群协同定位方法。
实施例4
一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现实施例1中的卫星导航拒止下飞行器集群协同定位方法。
实施例5
一种计算机设备,该计算机设备可以是数据库。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待处理事务。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现实施例1中的卫星导航拒止下飞行器集群协同定位方法。
需要说明的是,本发明所涉及的对象信息(包括但不限于对象设备信息、对象个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经对象授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(MagnetoresistiveRandomAccessMemory,MRAM)、铁电存储器(FerroelectricRandomAccessMemory,FRAM)、相变存储器(PhaseChangeMemory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(StaticRandomAccessMemory,SRAM)或动态随机存取存储器(DynamicRandomAccessMemory,DRAM)等。本发明所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本发明所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,各个实施例之间相同相似部分互相参见即可;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种卫星导航拒止下飞行器集群协同定位方法,其特征在于,所述方法包括:
对进入卫星拒止区域内飞行器集群中所有飞行器的坐标信息进行统计并将统计后的坐标信息整合到统一坐标系中,且每一飞行器将自身的坐标系转换至所述统一坐标系中;所述坐标信息包括:经度、纬度和高度;进入卫星拒止区域内的飞行器集群包括参考飞行器和辅助飞行器;所述辅助飞行器为待定位飞行器;
基于统一坐标系中的坐标信息确定参考飞行器与辅助飞行器间的相对距离;
基于所述相对距离建立参考飞行器与辅助飞行器之间的相对距离模型;
将统一坐标系中辅助飞行器随时间变化的坐标作为所述相对距离模型的变量,确定辅助飞行器的实时坐标;
联立所述辅助飞行器的实时坐标得到辅助飞行器的飞行轨迹;
采用滤波算法对辅助飞行器的飞行轨迹进行优化,得到优化后的辅助飞行器飞行轨迹;所述滤波算法包括改进的序列二次规划算法和无迹卡尔曼滤波算法;所述改进的序列二次规划算法是指基于卫星导航拒止下飞行器集群协同定位问题构建的序列二次规划算法。
2.根据权利要求1所述的卫星导航拒止下飞行器集群协同定位方法,其特征在于,采用的统一坐标系为以地球为中心的地球固定坐标系。
3.根据权利要求1所述的卫星导航拒止下飞行器集群协同定位方法,其特征在于,基于统一坐标系中的坐标信息确定参考飞行器与辅助飞行器间的相对距离,具体包括:
基于统一坐标系中参考飞行器的经度、纬度以及辅助飞行器的经度、纬度确定参考飞行器与辅助飞行器间的空间距离;
基于统一坐标系中参考飞行器的高度和辅助飞行器的高度确定参考飞行器与辅助飞行器间的垂直距离;
基于参考飞行器与辅助飞行器间的空间距离以及参考飞行器与辅助飞行器间的垂直距离确定参考飞行器与辅助飞行器间的相对距离。
4.根据权利要求1所述的卫星导航拒止下飞行器集群协同定位方法,其特征在于,参考飞行器与辅助飞行器之间的相对距离模型表示为:
;
式中,为参考飞行器在统一坐标系中的坐标,/>为参考飞行器与辅助飞行器之间的相对距离,/>,/>为进入卫星拒止区域内飞行器集群中飞行器的数量,为辅助飞行器在统一坐标系中的坐标。
5.根据权利要求1所述的卫星导航拒止下飞行器集群协同定位方法,其特征在于,采用滤波算法对辅助飞行器的飞行轨迹进行优化,具体包括:
利用改进的序列二次规划算法对辅助飞行器的飞行轨迹进行约束优化处理,得到第一优化轨迹;
利用无迹卡尔曼滤波器算法对所述第一优化轨迹进行滤波处理,得到辅助飞行器优化后的飞行轨迹。
6.根据权利要求5所述的卫星导航拒止下飞行器集群协同定位方法,其特征在于,利用改进的序列二次规划算法对辅助飞行器的飞行轨迹进行约束优化处理,得到第一优化轨迹,具体包括:
基于辅助飞行器的飞行轨迹对序列二次规划算法进行初始化,并确定目标函数和约束条件;
构建二次规划问题;
基于所述初始化后的值、所述目标函数和所述约束条件求解所述二次规划问题,得到求解结果;
判断所述求解结果是否满足预设输出条件,得到判断结果;
如果所述判断结果为是,则基于所述求解结果得到第一优化轨迹;
如果所述判断结果为否,则返回基于辅助飞行器的飞行轨迹对序列二次规划算法进行初始化,并确定目标函数和约束条件的步骤。
7.根据权利要求1所述的卫星导航拒止下飞行器集群协同定位方法,其特征在于,在联立所述辅助飞行器的实时坐标得到辅助飞行器的飞行轨迹之后,所述方法还包括:
利用坐标变换公式,将辅助飞行器的飞行轨迹中的坐标实时转换为辅助飞行器的经度、纬度和高度。
8.一种计算机设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的卫星导航拒止下飞行器集群协同定位方法。
9.根据权利要求8所述的计算机设备,其特征在于,所述存储器为计算机可读存储介质。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7中任一项所述的卫星导航拒止下飞行器集群协同定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410571399.2A CN118129765A (zh) | 2024-05-10 | 2024-05-10 | 卫星导航拒止下飞行器集群协同定位方法、设备及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410571399.2A CN118129765A (zh) | 2024-05-10 | 2024-05-10 | 卫星导航拒止下飞行器集群协同定位方法、设备及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118129765A true CN118129765A (zh) | 2024-06-04 |
Family
ID=91242018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410571399.2A Pending CN118129765A (zh) | 2024-05-10 | 2024-05-10 | 卫星导航拒止下飞行器集群协同定位方法、设备及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118129765A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
DE102019103173A1 (de) * | 2019-02-08 | 2020-08-13 | Volocopter Gmbh | Verfahren und System zur Bewegungsplanung für Fluggeräte, insbesondere für last- und/oder personentragende VTOL-Fluggeräte |
CN113031448A (zh) * | 2021-03-24 | 2021-06-25 | 西安电子科技大学 | 基于神经网络的飞行器上升段轨迹优化方法 |
CN116519015A (zh) * | 2023-03-28 | 2023-08-01 | 南京航空航天大学 | 一种基于相对距离约束的分布式协同导航方法及系统 |
-
2024
- 2024-05-10 CN CN202410571399.2A patent/CN118129765A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445898A (zh) * | 2018-05-14 | 2018-08-24 | 南开大学 | 基于微分平坦特性的四旋翼无人飞行器系统运动规划方法 |
DE102019103173A1 (de) * | 2019-02-08 | 2020-08-13 | Volocopter Gmbh | Verfahren und System zur Bewegungsplanung für Fluggeräte, insbesondere für last- und/oder personentragende VTOL-Fluggeräte |
CN113031448A (zh) * | 2021-03-24 | 2021-06-25 | 西安电子科技大学 | 基于神经网络的飞行器上升段轨迹优化方法 |
CN116519015A (zh) * | 2023-03-28 | 2023-08-01 | 南京航空航天大学 | 一种基于相对距离约束的分布式协同导航方法及系统 |
Non-Patent Citations (3)
Title |
---|
吕鸿雁;曹达敏;赵琳: "基于SQP寻优的飞行轨迹规划方法研究", 计算机仿真, no. 001, 31 December 2015 (2015-12-31), pages 99 - 102 * |
郑总准;吴浩;王永骥;: "基于序列二次规划算法的再入轨迹优化研究", 航天控制, no. 06, 15 December 2009 (2009-12-15), pages 131 - 134 * |
钟日进;陈琪锋;: "利用集群内测距和对目标测向的协同定位方法", 航空学报, no. 1, 31 December 2020 (2020-12-31), pages 140 - 148 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11852751B2 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
CN108204814B (zh) | 无人机三维场景路径导航平台及其三维改进路径规划方法 | |
US11430087B2 (en) | Using maps comprising covariances in multi-resolution voxels | |
CN108253987A (zh) | 一种基于a*算法的无人机轨迹规划方法、设备及存储设备 | |
CN114140761A (zh) | 点云配准方法、装置、计算机设备和存储介质 | |
WO2022193106A1 (zh) | 一种通过惯性测量参数将gps与激光雷达融合定位的方法 | |
CN114964212A (zh) | 面向未知空间探索的多机协同融合定位与建图方法 | |
CN115900708A (zh) | 基于gps引导式粒子滤波的机器人多传感器融合定位方法 | |
Lu et al. | Multi-robot indoor environment map building based on multi-stage optimization method | |
CN118129765A (zh) | 卫星导航拒止下飞行器集群协同定位方法、设备及产品 | |
CN115718905A (zh) | 一种面向vts系统的多传感器信息融合方法 | |
CN115544191A (zh) | 基于三维点云众包式语义地图的更新方法和装置 | |
CN114882119A (zh) | 相机外参标定方法、装置、计算机设备和存储介质 | |
CN114199220A (zh) | 一种无人机空中在线磁罗盘校准方法和装置 | |
Yang et al. | Optimal multi-sensor multi-vehicle (MSMV) localization and mobility tracking | |
CN116821270B (zh) | 地图生成方法、装置、设备及存储介质 | |
CN117392166B (zh) | 一种基于地平面拟合的三阶段点云地面分割方法 | |
CN117011486B (zh) | 栅格地图构建的方法、装置、电子设备和计算机存储介质 | |
CN117170406B (zh) | 一种基于分层规划的无人机快速自主搜寻方法 | |
CN115242297B (zh) | 移动终端的运动参数确定方法、装置、设备和存储介质 | |
Thomas et al. | Position Accuracy Enhancement of a Low-Cost GPS Receiver Based on Machine Learning Approach | |
Jiao et al. | An error-based block adjustment method for multi-angle satellite imagery without ground control points | |
CN117890913A (zh) | 一种机载雷达地形融合方法和设备 | |
CN118053054A (zh) | 降水融合产品生成方法、系统、计算机设备以及存储介质 | |
CN117095036A (zh) | 一种点云配准的方法、装置、电子设备和计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |