一种多移动智能体群的单个智能体丢失位置找寻方法技术

本发明专利技术提供一种多移动智能体群的单个智能体丢失位置找寻方法，多移动智能体群是指多个移动智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，多移动智能体群具有自主性、分布性、协调性，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，多智能体群具有“个体智能+通信网络＝整体运动行为”特点，单个智能体丢失位置找寻采用贝叶斯网络理论和核方法，该智能体与就近超过三个智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量上的算法，实现对丢失位置智能体位置找寻。

A lost location finding method of single agent based on multi mobile agent group

【技术实现步骤摘要】
一种多移动智能体群的单个智能体丢失位置找寻方法
本专利技术涉及工业、国防、航空、救援等多移动智能体群应用功能研究，借鉴采用贝叶斯网络理论和核方法，利用多智能体群具有“个体智能+通信网络＝整体运动行为”特点，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，多移动智能体群是指多个移动智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，多移动智能体群具有自主性、分布性、协调性，单个智能体由于天气或地理原因造成位置丢失，该智能体与就近超过三个智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量上的算法，实现对丢失位置智能体位置找寻。避免丢失位置智能体与其它移动智能体群个体进行碰撞，实现多个移动智能体的多机编队和协同行动。
技术介绍
多移动智能体群是由不同个体相互协作、互相适应形成的连贯紧密的有机整体。自然界中的集群是一个完全依靠简单规则管理的实体。蜜蜂、蚂蚁、白蚁的个体并不聪明，但它们的群体可以展现非常复杂的行为。一个蚁群可以建造巢穴和发动战争，但一大群不协同的蚂蚁则一事无成。它们能够有效和有效率地搜索食物并确定将其运回巢穴的最优路线。蜜蜂能为新的筑巢地点“投票”，共同决定最佳位置。蚂蚁可以通过合作杀死并搬运非常大的猎物。白蚁可以打造宏伟的建筑，如图1所示，蚂蚁可以用自己的身体在水面上搭建桥梁或者浮桥状建筑。多移动智能体群通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。多智能体系统具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题，具有很强的鲁棒性和可靠性，并具有较高的问题求解效率。针对适用于复杂环境下的多移动智能体群，需要解决多个移动智能体协同控制问题，如图2所示，主要包括多个移动智能体在特定环境下的定位、队形保持、队形切换和避障等问题。多移动智能体群兼备单个移动智能体的高度分散性、机动作战的机动性以及高度的组织性和凝聚力，因使数量庞大的独立分队能够协同工作，多移动智能体群有更高的组织和通信需求。移动智能体通过传感器技术获得自己的位置信息，从而保证移动智能个体与个体之间关系对群组整体行为表现，影响具体表现在如下三个方面：(1)聚集：使整个组群中的智能体紧密相邻；(2)距离保持：相邻智能体保持安全距离；(3)运动匹配：相邻智能体运动状态相同。在陆地、陆空等复杂测环境、气候多样、背景复杂等移动智能体通过传感器会无法获得位置信息，以及恶劣天气背景混杂情况下，智能体通过传感器易受雨雪、雾霾、夜间等天气影响会无法获得位置信息，丢失位置信息的移动智能体会对临近的其它个体造成碰撞损坏，这样多移动智能体群无法保持整体行为表现。
技术实现思路
本专利技术的目的在于一种多移动智能体群的单个智能体丢失位置找寻方法，利用多智能体群具有“个体智能+通信网络＝整体运动行为”特点，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，借鉴采用贝叶斯网络理论和核方法，单个智能体由于天气或地理原因造成位置丢失，该智能体与就近超过三个智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量上的算法，实现对丢失位置智能体位置找寻，避免丢失位置智能体与其它移动智能体群个体进行碰撞，在集体层面上保持有序的协同运动和行为。多移动智能体群的协同控制方法一般分为集中式控制和分布式控制两种方法。如图3-(a)所示，集中式控制是指主控单元根据所有移动智能体的信息和控制算法，从全局出发控制每个移动智能体，各移动智能体根据主控单元指令进行相应行为。如图3-(b)所示，多移动智能体群的分布式编队控制是指每个无移动智能体只需要和自己相邻的移动智能体进行协同，当所有移动智能体都和相邻的移动智能体实现协同，即整个多移动智能体群实现协同动作。本专利技术的拟采用混合式控制，如图3-(c)所示，主控单元根据所有移动智能体的信息和控制算法，从全局出发控制每个移动智能体，同时每个移动智能体可以和自己相邻的移动智能体进行编队，这种方式避免了集中式控制移动智能体群某个移动智能体和主控单元连接丢失，可以通过自己相邻的移动智能体进行编队，同样采用分布式控制移动智能体某个移动智能体和自己相邻的移动智能体个体连接丢失，可以通过主控单元进行控制。多移动智能体群中单个智能体由于天气或地理原因造成位置丢失，该智能体与就近超过三个智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，这些数据信息包括实时数据和历史数据，不同定位模型在不同概率下所确定的位置不同，如图4所示，数据库中数据信息结构(x，y<ss1，ss2，…，ssn>)，其中(x，y)关联智能体个体的位置信息，ssi，i＝1…n是接收到关联智能体个体信号强度。多移动智能体群中位置丢失智能体D与就近三个智能体A，B，C的贝叶斯网络图如图5所示，图的节点是代表变量，被表示成图中的一个圈，圈里标上变量名。节点间的联系被称为弧或者边，被画成节点之间的箭头，并且表示变量之间的依赖关系。节点D是父亲节点A，B，C的一个子结点。贝叶斯网络通常还包括一组概率表，表达变量值的概率。这意味着当其它变量的值已知时，每个节点的值的概率可以被计算出来。贝叶斯网络展示的是变量之间的条件概率与因果关系。条件概率是一个事件在另外一个事件已经发生条件下的发生概率。历史数据库中数据信息处理是非线性模式分析问题，采用核方法实现高效计算的途径，通过某种非线性映射将原始数据嵌入到合适的高维特征空间；利用通用的线性学习器在这个新的空间中分析和处理模式。“在低维空间中不能线性分割的点集，通过转化为高维空间中的点集时，很有可能变为线性可分的”，数据库中数据信息结构(x，y<ss1，ss2，…，ssn>)，在一维空间上线性分开是不可能的，通过把一维空间上的点转化到二维空间上，如图6所示，这样就可以划分两类数据(x，y)关联智能体个体的位置信息，ssi，i＝1…n是接收到关联智能体个体信号强度；从而实现线性分割。多移动智能体群中位置丢失智能体与就近超过三个智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量上的算法，实现对丢失位置智能体位置找寻。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，并不构成对本专利技术的限定。在附图中：图1是蚂蚁可以用自己的身体搭建图；图2是多移动智能体群架构图；图3是多移动智能体群的控制拓扑结构；图4是位置丢失智能体与关联智能本文档来自技高网...

【技术保护点】
1.一种多移动智能体群的单个智能体丢失位置找寻方法，其特征在于：/n多移动智能体群是指多个移动智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，多移动智能体群具有自主性、分布性、协调性，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，多智能体群具有“个体智能+通信网络＝整体运动行为”特点，单个智能体丢失位置找寻采用贝叶斯网络理论和核方法，该智能体与就近超过三个智能体通信获取它们的位置信息以及通过通信过程中接收信息的时间差异计算出该智能体的位置信息。/n

【技术特征摘要】
1.一种多移动智能体群的单个智能体丢失位置找寻方法，其特征在于：
多移动智能体群是指多个移动智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，多移动智能体群具有自主性、分布性、协调性，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，多智能体群具有“个体智能+通信网络＝整体运动行为”特点，单个智能体丢失位置找寻采用贝叶斯网络理论和核方法，该智能体与就近超过三个智能体通信获取它们的位置信息以及通过通信过程中接收信息的时间差异计算出该智能体的位置信息。


2.根据权利要求1所述的方法，其特征在于：
单个智能体丢失位置找寻采用贝叶斯网络理论，在一个由单个智能体和连接单个智能体的有向边组成的有向无环图，边代表单个智能体之间的相互依赖关系。每个智能体都附有各自的概率分布，其中已知位置智能体所附的是先验分布，丢失位置智能体X所附的是X的条件概率分布Pr{X|pa(X)}，其中pa(X)为丢失位置智能体X的所有通信智能体的集合。贝叶斯网络能有效地进行多源信息表达与融合，维修决策相...

【专利技术属性】
技术研发人员：孙磊，
申请(专利权)人：北京诚志纪元科技有限公司，
类型：发明
国别省市：北京;11