一种用于两个运动AUV的同时定位方法技术

本发明专利技术公开一种用于两个运动AUV的同时定位方法。该发明专利技术基于改进的扩展卡尔曼滤波得到两个AUV的同时定位方法，适用于存在运动过程噪声及观测噪声且运动模型不精确的情况下，两个AUV的同时定位。本发明专利技术主要包括：基于卡尔曼滤波的两个AUV同时定位方法，基于实际航行数据训练得到的AUV模型梯度下降决策树。基于模型梯度下降决策树的改进扩展卡尔曼滤波。本发明专利技术使AUV在过程噪声及观测噪声干扰下完成同时定位，减小模型不精确对定位精度的影响，方法简单，应用范围广。

【技术实现步骤摘要】
一种用于两个运动AUV的同时定位方法
本专利技术涉及自主水下机器人(AUV，AutonomousUnderwaterVehicle)的定位方法，更具体的说，是存在过程噪声及观测噪声干扰下两个运动AUV的同时定位方法。
技术介绍
AUV完成任何预定使命的必备条件为准确的水下导航，即“WhereamI”问题，这是决定AUV能否自主执行并完成任务的关键技术。本文以AUV动态自主回收为背景，待回收AUV需要知悉其自身及携带回收装置的AUV的位置信息。由于水下环境及其自身携带传感器的限制，AUV的运动过程存在过程噪声，AUV之间的相对距离的测量存在观测噪声。噪声的存在不利于实现AUV的同时定位。在AUV水下导航领域，同时定位与构图(SLAM，SimultaneousLocalizationAndMapping)成为近几年的研究热点。在AUV自身位置不确定的情况下，利用所携带的传感器反复观测环境中的特征，从而完成AUV自身的定位及特征位置的校正。在所有的SLAM方法中，基于扩展卡尔曼滤波的同时定位及构图方法(EKF-SLAM，ExtendedKal本文档来自技高网...

【技术保护点】
1.一种用于两个运动AUV的同时定位方法，其特征在于包括以下步骤：/n利用AUV的实际航行数据回归拟合AUV运动模型的梯度下降决策树，得到AUV单位时间模型航行里程到实际航行里程的映射关系；/n定义两个AUV的初始状态和初始状态估计误差协方差并初始化；定义过程噪声和观测噪声的统计特性并初始化；/n两个AUV相互通信共享其控制输入信息；根据两个AUV的控制输入量计算单位时间的模型航行里程，并根据上述映射关系得到AUV的实际航行里程，进而分别预测两个AUV的状态和状态估计误差协方差；/n利用超短基线测出两个AUV在x、y方向的相对距离，并分别更新两个AUV的状态和状态估计误差协方差，从而实现两个运...

【技术特征摘要】
1.一种用于两个运动AUV的同时定位方法，其特征在于包括以下步骤：
利用AUV的实际航行数据回归拟合AUV运动模型的梯度下降决策树，得到AUV单位时间模型航行里程到实际航行里程的映射关系；
定义两个AUV的初始状态和初始状态估计误差协方差并初始化；定义过程噪声和观测噪声的统计特性并初始化；
两个AUV相互通信共享其控制输入信息；根据两个AUV的控制输入量计算单位时间的模型航行里程，并根据上述映射关系得到AUV的实际航行里程，进而分别预测两个AUV的状态和状态估计误差协方差；
利用超短基线测出两个AUV在x、y方向的相对距离，并分别更新两个AUV的状态和状态估计误差协方差，从而实现两个运动AUV的同时定位。


2.根据权利要求1所述的一种用于两个运动AUV的同时定位方法，其特征在于所述AUV的实际航行数据包括：待回收AUV-Ⅰ和携带回收装置的AUV-Ⅱ在过去的实际航行中由传感器记录的AUV的速度v、方向ψ及位置信息(x,y)。


3.根据权利要求1所述的一种用于两个运动AUV的同时定位方法，其特征在于所述回归拟合AUV运动模型的梯度下降决策树包括：
通过AUV-Ⅰ的实际航行速度vv、实际航向角ψv、单位时间dt以及运动模型f分别计算得到AUV-Ⅰ在x、y方向走过的距离Δxv、Δyv；利用AUV-Ⅰ搭载的传感器分别记录dt时间内在x、y方向走过的实际距离dxv、dyv；定义{(Δxv,dxv)}为第一个GBDT训练集的样本、{(Δyv,dyv)}为第二个GBDT训练集的样本；
通过AUV-Ⅱ的实际航行速度vf、实际航向角ψf、单位时间dt以及运动模型f分别计算得到AUV-Ⅱ在x、y方向走过的距离Δxf、Δyf；利用AUV-Ⅱ搭载的传感器分别记录dt时间内在x、y方向走过的实际距离dxf、dyf；定义{(Δxf,dxf)}为第三个GBDT训练集的样本、{(Δyf,dyf)}为第四个GBDT训练集的样本；
利用梯度下降决策树算法训练上述四个GBDT训练集，分别得到Δxv到dxv、Δyv,到dyv、Δxf到dxf、Δyf到dyf的映射关系。


4.根据权利要求3所述的一种用于两个运动AUV的同时定位方法，其特征在于所述运动模型为：



式中，Δx(k)、Δy(k)分别是k-1时刻到k时刻内AUV在x方向和y方向走过的距离，ψk，ψk-1分别是k时刻和k-1时刻AUV的航向角，v是AUV的航行速度，G为偏航角。


5.根据权利要求1所述的一种用于两个运动AUV的同时定位方法，其特征在于所述定义两个AUV的初始状态和初始状态估计误差协方差并初始化包括：
定义EKF-SLAM算法的状态变量X(k)＝[Xv(k)Xf(k)]T；式中，Xv(k)＝[xv,kyv,kψv,k]T是k时刻AUV-Ⅰ位置的横、纵坐标以及航向角的状态变量，Xf(k)＝[xf,kyf,kψf,k]T是k时刻AUV-Ⅱ位置的横、纵坐标以及航向角的状态变量；
根据AUV-Ⅰ和AUV-Ⅱ初始时刻的位置信息和航向角信息初始化状态变量X(k)；初始化k时刻状态估计误差协方差矩阵P(k)，初始时刻P(0)为6行6列的零矩阵。


6.根据权利要求1所述的一种用于两个运动AUV的同时定位方法，其特征在于所述定义过程噪声和观测噪声的统计特性并初始化包括：
假设系统过程噪声和观测噪声皆为零均值高斯白噪声，定义统计特性如下：
E[n1(k)]＝0,E[n1(k)n1(k)T]＝Q1
E[n2(k)]＝0,E[n2(k)n2(k)T]＝Q2
E[m(k)]＝0,E[m...

【专利技术属性】
技术研发人员：徐红丽，董凌艳，韩晓军，于闯，李宁，谷海涛，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21