基于多无人机的油田动态侵入目标追踪系统与方法技术方案

本发明专利技术提供一种基于多无人机的油田动态侵入目标追踪系统与方法，涉及无人机巡检及动态预测追踪技术领域。本系统包括控制模块，监控模块，动态目标轨迹预测模块和多机协同目标追踪轨迹优化模块。本系统通过安装在无人机上的监控模块采集地面油田工作环境中动态侵入目标的数据，然后通过动态目标轨迹预测模块对目标未来多个采样时刻内的轨迹进行预测，根据预测轨迹，利用多机协同目标追踪轨迹优化模块在追踪过程中优化无人机与目标间的距离误差，使其距离误差保持在有效追踪阈值内，实现多个无人机协同目标追踪。

Tracking system and method of oilfield dynamic invasion target based on multi UAV

【技术实现步骤摘要】
基于多无人机的油田动态侵入目标追踪系统与方法
本专利技术涉及无人机巡检及动态预测追踪
，尤其涉及一种基于多无人机的油田动态侵入目标追踪系统与方法。
技术介绍
随着国家经济与科技实力的发展，各行各业对于石油能源的需求愈发增多，社会逐步向信息化，数字化，智能化方向发展，石油行业也逐步走向信息化，数字化，智能化。随着石油行业的高速发展，对我国石油资源开发的安全性，稳定性，经济性都提出了更高的要求。由于石油采集设备大多存在于野外，并且相对应的安全设施不全，传统的人工巡检需要花费大量的时间对油田中的情况进行检查，不仅耗时而且耗力；而半自动化巡检方式需要也需要定期对安装的设备进行检查，浪费时间的同时也需要庞大的费用。而且近年来不法盗取石油的现象屡禁不止，严重的还破坏采集或存储的设备，对石油工业的安全生产造成了极大的影响。因此传统的人工巡检和半自动巡检方式存在着很多的问题和缺陷。近年来，无人机因其效率高，成本低，安全可靠等优点受到广泛关注，在军事和民事两个领域都得到了广泛应用。通常采用无人机对油田生产可能出现的紧急情况进行监控，如石油泄本文档来自技高网...

【技术保护点】
1.一种基于多无人机的油田动态侵入目标追踪系统，其特征在于：包括控制模块，监控模块，动态目标轨迹预测模块和多机协同目标追踪轨迹优化模块；/n所述控制模块包括飞行高度探测模块、飞行姿态控制模块以及无线通讯模块；/n所述飞行高度探测模块安装于无人机上，其输出端与飞行姿态控制模块相连接，用于实时飞行过程中的飞行高度检测与控制，以实现无人机始终处于固定安全飞行高度；所述飞行姿态控制模块其输出端与无线通讯模块输入端相连接，用于控制飞行过程中无人机自身的飞行姿态控制与飞行高度控制，以便于实现对油田工作区域内的巡检；所述无线通讯模块包括无线数据接收模块、无线数据发送模块以及无线数据通讯模块；所述无线数据接收...

【技术特征摘要】
1.一种基于多无人机的油田动态侵入目标追踪系统，其特征在于：包括控制模块，监控模块，动态目标轨迹预测模块和多机协同目标追踪轨迹优化模块；
所述控制模块包括飞行高度探测模块、飞行姿态控制模块以及无线通讯模块；
所述飞行高度探测模块安装于无人机上，其输出端与飞行姿态控制模块相连接，用于实时飞行过程中的飞行高度检测与控制，以实现无人机始终处于固定安全飞行高度；所述飞行姿态控制模块其输出端与无线通讯模块输入端相连接，用于控制飞行过程中无人机自身的飞行姿态控制与飞行高度控制，以便于实现对油田工作区域内的巡检；所述无线通讯模块包括无线数据接收模块、无线数据发送模块以及无线数据通讯模块；所述无线数据接收模块用于接收各个区域内无人机所获取的目标状态数据，所述目标数据包括飞行姿态控制模块所输出的无人机姿态，飞行高度探测模块所输出的无人机飞行高度，无人机GPS和摄像头输出的数据；所述无线数据发送模块用于将接收到的目标状态数据传送到数据接收设备，并将接收到的无人机位置传输到其他无人机端；所述无线通讯模块，用于无人机之间的协同任务分配；
所述监控模块包括目标探测模块，无线数据通讯模块与数据存储模块；
所述目标探测模块包括摄像头和无人机GPS，所述摄像头安装在无人机上，其输出端与无线通讯模块相连接；所述GPS的输出端与无人机飞行姿态控制模块输入端和无线通讯模块的输入端相连接，用于实时监控无人机的飞行状况，对油田的环境进行监控；同时可以实时观测油田工作区域的环境；所述无线数据通讯模块输出端与数据存储模块的输入端，其他无人机端，和动态目标轨迹预测模块输入端相连接，用于将第一时间获得的动态目标的状态数据，传输给其他工作区域的无人机，联合建立目标的运动学模型；
所述动态目标轨迹预测模块输出端与所述数据存储模块输入端和所述多机协同目标追踪轨迹优化模块输入端相连接，用于预测目标在当前油田工作区域内未来多个采样时刻内的轨迹，即目标多步预测轨迹；
所述多机协同目标追踪轨迹优化模块输出端与数据存储模块输入端相连接，用于优化多无人机协同目标追踪轨迹。


2.根据权利要求1所述的基于多无人机的油田动态侵入目标追踪系统，其特征在于，所述目标多步预测轨迹，采用预设的优化算法，优化该区域内无人机实时追踪目标的优化轨迹，并将优化轨迹数据传输给该区域的无人机，通过无人机搭载的控制模块，控制无人机的速度，航向实现对目标的实时追踪，将目标当前所在区域的无人机对目标的多步预测轨迹数据传输到数据存储模块进行存储，方便进行管理。


3.一种基于多无人机的油田动态侵入目标追踪方法，通过权利要求1所述一种基于多无人机的油田动态侵入目标追踪系统实现，其特征在于：包括以下步骤：
步骤1：用户设定无人机个数m，并将每个无人机所负责的油田工作区域范围输入到每个无人机的控制模块；将地面动态目标的初始状态信息输入到无人机的动态目标轨迹预测模块，并初始化分布式卡尔曼滤波算法的算法参数：连续采样时间为n_iter，i∈(1.4)，i表示油田区域，过程方差为Qi，测量方差为Ri，高斯噪声为[0，25]，无人机监控模块获取的目标实时观测信息为Zi，后验估计方差为Pi，误差方差为Psi，卡尔曼增益为Kgi；
步骤2：建立动态目标多步轨迹油田侵入目标完整的预测表达式:



其中表示动态目标的预测坐标，Pt表示动态目标的预测后验估计方差，Ft表示系统的状态变化量，Bt表示控制矩阵，表示代表系统外部影响所具有的协方差；
步骤3：根据目标前一时刻的最优估计坐标位置xhat(k-1)，和步骤2中油田侵入目标完整的预测表达式，预测在动态目标在初次出现的油田工作区域内的多步预测轨迹；
步骤4：更新先验估计方差Pminus1；更新无人机对目标的观测数据，并计算卡尔曼增益Kg1；
Kgi(k)＝Pminusi(k)/(Pminusi(k)+Ri)(2)
步骤5：结合无人机对目标当前时刻的观测值，对未来多个采样时刻的预测轨迹进行修正，得到修正后的最后估计；



其中i表示油田区域：i∈(1,4)，(xhatminusi(k),xhatminusi(k))表示在第i个油田工作区域内，第k时刻无人机的监视模块观测到的目标状态信息，(xhatminusi(k-n),yhatminusi(k-n))表示第i个油田工作区域内，第k时刻未来第n个采样周期的无人机的监视模块观测到的目标状态信息；
步骤6：计算最终轨迹估计值的方差Pminusi，判断是否存在Pminusi<Pminusi-1，若是则终止迭代输出目标当前所在区域的多步预测轨迹，否则返回步骤3；
P(k)＝(1-Kg(k))·Pminus(k)(4)
步骤7：重复步骤3到步骤6，得出所有油田工作区域内侵入目标的多步预测轨迹。


4.根据权利要求3所述的基于多无人机的油田动态侵入目标追踪方法，其特征在于，所述步骤3具体包括...

【专利技术属性】
技术研发人员：刘亮，王一安，李琨，韩莹，李太芳，葛发蔚，宿文肃，
申请(专利权)人：渤海大学，
类型：发明
国别省市：辽宁;21