一种多约束下多无人机协同跟踪的路径规划方法技术

本发明专利技术公开了一种多约束下多无人机协同跟踪的路径规划方法，克服了现有多无人机协同跟踪未考虑无人机物理和威胁/障碍约束的问题。它的特点是首先利用分布式融合准则将各无人机对目标的局部滤波估计进行融合，然后利用A最优准则建立代价函数，之后针对威胁/障碍约束，通过惩罚函数来修正代价函数并应用最速下降法快速求解此优化问题，最后通过约束无人机的最大转弯角以便于无人机的飞行。它有效解决了在威胁/障碍和物理约束下多无人机协同跟踪目标的问题，从而实现了复杂环境下多无人机对目标的协同跟踪。

A path planning method for multi UAV cooperative tracking under multiple constraints

The invention discloses a path planning method for multi-UAV cooperative tracking under multi-constraints, which overcomes the problem that the existing multi-UAV cooperative tracking does not consider UAV physics and threat/obstacle constraints. The characteristic of this method is that the local filtering estimation of the target is fused by the distributed fusion criterion firstly, then the cost function is established by the A-optimal criterion, and then the penalty function is used to modify the cost function for the threat/obstacle constraints, and the steepest descent method is used to solve the optimization problem quickly. Finally, the constraints are used to solve the optimization problem. The maximum turning angle of UAV is to facilitate UAV flight. It effectively solves the problem of multi-UAV cooperative target tracking under threat/obstacle and physical constraints, thus realizing multi-UAV cooperative target tracking in complex environment.

【技术实现步骤摘要】
一种多约束下多无人机协同跟踪的路径规划方法
本专利技术属于路径规划
，涉及多无人机协同跟踪和雷达信息处理技术研究。
技术介绍
由于装载有机载雷达的无人机(UAV)具有灵活性强、机动性高、代价低和低空突防等特点，因此无人机在监视、跟踪和救援等方面得到广泛应用。在对目标进行跟踪时，多无人机可以从不同视角对目标进行观测进而提高估计结果。然而由于实际环境复杂，提高无人机在威胁/障碍下的生存能力具有重要意义。总之，无人机作为一种目标探测、跟踪和打击的新手段，在民用和军用领域都有着广阔的发展空间。对于分布式多无人机协同跟踪系统，各无人机通过不同视角观测目标，然后将量测信息输入到局部卡尔曼滤波器估计目标的状态，之后通过融合准则对各局部状态估计进行融合得到目标状态的全局估计。但随着无人机数量的增大，将导致维数灾难，而且选择跟踪精度为代价函数计算量大，从而导致实时更新多无人机的位置难以解决。文献"Jointpassivesensorschedulingfortargettracking,"in201720thInternationalConferenceonInformationFusion(F本文档来自技高网...

【技术保护点】
1.一种多约束下多无人机协同跟踪的路径规划方法，该方法包括：步骤1：多无人机跟踪系统参数初始化，目标的

【技术特征摘要】
1.一种多约束下多无人机协同跟踪的路径规划方法，该方法包括：步骤1：多无人机跟踪系统参数初始化，目标的是目标在k时刻的状态向量，状态向量由目标位置[xk,yk]T和目标速度组成,xk,yk是目标在k时刻的x轴坐标、y轴坐标，是目标在k时刻的x轴速度、y轴速度，[]T表示矩阵转置；滤波初值和滤波误差协方差矩阵的初值分别为x0＝E[x0],P0＝var[x0]，E表示数学期望，var表示方差，x0是目标在0时刻的状态向量；第i个威胁/障碍的位置为C(i)，其威胁强度用Ki表示；无人机的最大转向角记为采样周期表示为Ts；步骤2：计算分布式无人机滤波器的状态估计；步骤2-1：利用扩展的卡尔曼滤波器估计目标的状态，计算目标的一步状态预测：xk|k-1＝Fxk-1|k-1(1)其中，xk|k-1是滤波器在k时刻的一步状态预测，xk|k是在k时刻的卡尔曼滤波状态估计，F是目标状态转移矩阵，即，Ts表示采样周期；步骤2-2：计算一步预测误差协方差矩阵；Pk|k-1是在k时刻的一步预测误差的协方差矩阵，Pk-1|k-1是在k时刻的卡尔曼滤波状态估计误差协方差矩阵，Q是过程噪声v(k)的协方差矩阵，v(k)假设是零均值的高斯白噪声，即Γk|k-1是在k时刻是系统过程噪声输入矩阵，即，步骤2-3：计算卡尔曼增益；其中，Kk是卡尔曼增益，Pk|k-1表示在k时刻的一步预测误差的协方差矩阵，Rk是量测噪声w(k)的协方差矩阵，w(k)是零均值的高斯白噪声，即且Rk满足；其中，σi是N架无人机在k时刻的角度量测噪声的标准差；假设不同无人机的量测噪声相互独立；Hk是非线性量测h(x(k))的雅克比矩阵，即，其中，表示第i架无人机在k时刻的x轴坐标、y轴坐标,βk是k时刻的角度量测向量，表示第i架无人机的角度量测；步骤2-4：确定目标状态估计xk|k＝xk|k-1+Kk(Zk-h(xk|k-1))(8)其中，xk|k是k时刻的卡尔曼滤波状态估计，xk|k-1表示滤波器在k时刻的一步状态预测，Kk表示是卡尔曼增益，Zk是N架无人机在k时刻的角度量测，即Z(k)＝h(x(k))+w(k)(9)步骤2-5：计算状态估计误差协方差矩阵Pk|k＝(I-KkHk)P...

【专利技术属性】
技术研发人员：易伟，孟令同，时巧，文鸣，孔令讲，袁野，王尧，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51