一种基于DMHE和DMPC的无人船协同目标跟踪控制方法技术

本发明专利技术涉及一种基于DMHE和DMPC的无人船协同目标跟踪控制方法，属于工业自动控制和海洋工程领域。本发明专利技术主要用于多无人船协同目标跟踪控制，首先建立无人船的运动学和动力学模型，目标运动模型以及量测模型，之后设计基于无迹卡尔曼滤波的有限时域MHE算法，解决了到达代价估计问题和单个无人船对目标的估计问题，接着根据上述到达代价的估计方法，通过邻居节点间信息交流，设计DMHE算法，解决多无人船对目标的协同估计问题，最后根据目标估计的位置信息以及邻居节点位置信息交流，设计DMHE算法，解决多无人船协同目标跟踪控制问题。

【技术实现步骤摘要】
一种基于DMHE和DMPC的无人船协同目标跟踪控制方法
本专利技术设计属于工业自动控制和海洋工程领域，具体涉及一种基于DMHE和DMPC的无人船协同目标跟踪控制方法。
技术介绍
随着传感器、计算机、通信、网络化系统等技术迅猛发展，具有先进制导、导航和控制(Guidance,NavigationandControl,GNC)功能的无人船，逐渐引起了人们的重视。无人船是一种无需人员干预，可以在各种复杂的环境中执行任务，具有高度非线性动力学特性的水面运载工具。它的优势在于结构简单、用途广泛、操作方便、自主性强、释放和回收较为快捷、能避免未知领域人为操作风险，因此在军事和民用领域都有广泛应用。无人船进行目标跟踪任务时会面临环境复杂多变和任务复杂多样的情况，而单无人船在进行大范围目标跟踪任务时，容易受到自身航程和通信距离限制，使得活动范围有限，工作效率低，对于环境的感知能力较差。多无人船协同目标跟踪可以充分利用系统中某些无人船的高精度信息，使得装备较差的无人船获得更好的跟踪效果；同时，多无人船活动范围更大，对目标的搜索范围更广。多无人船协本文档来自技高网...

【技术保护点】
1.一种基于DMHE和DMPC的无人船协同目标跟踪控制方法，其特征在于步骤如下：/n步骤1：建立编队系统中无人船i的运动学和动力学模型：/n

【技术特征摘要】
20200826 CN 20201086962231.一种基于DMHE和DMPC的无人船协同目标跟踪控制方法，其特征在于步骤如下：
步骤1：建立编队系统中无人船i的运动学和动力学模型：



其中，d11＝-Xu，d22＝-Yv，d33＝-Nr；其中xi和yi分别表示无人船i在惯性坐标系中相应位置，ψi表示无人船i航向角，ui表示无人船i前向速度，vi表示无人船i横向速度，ri表示其角速度，ui1表示无人船i前向推力，ui2表示无人船i偏航力矩，m表示其质量，以及Xu，Yv，Nr分别是与附加质量和阻尼力有关的流体动力参数；
建立目标运动模型，选取匀加速运动模型：



其中，x、和分别表示目标x轴方向位置、速度和加速度，y、和分别表示目标y轴方向位置、速度和加速度，w(t)表示零均值、协方差为Q的高斯白噪声；
将式(2)离散化后，运动模型为：
xr(k+1)＝Fxr(k)+Gw(k)(3)
其中，T是采样周期，矩阵F和G具体形式如下：



在混合坐标系下建立量测方程，具体形式如下：
zi(k)＝h(xr(k))+vi(k)(5)
其中，zi(k)＝[ri(k),θi(k)]T，ri(k)，θi(k)分别表示k时刻无人船i量测的目标距离和方位角，h(x)＝[hir,hiθ]T，vi(k)表示表示零均值、协方差为R的高斯白噪声；hir和hiθ具体形式如下：






步骤2：单无人船的目标估计问题：
首先，考虑利用当前时刻T之前所有的量测信息，设计全信息MHE算法；将(3)和(5)式整理成如下形式：



满足约束条件：



其中，约束集合χ、W和均为紧闭凸集；
令建立如下优化问题：



其中，P0表示初始状态xr,0的协方差矩阵，是阶段代价项；
通过求解优化问题(10)，可以得到T时刻估计值在下一量测时刻令T＝T+1，同时增加量测值zi,T+1，重复求解扩大一个维度的优化问题(10)，完成算法循环；
接着设计有限时域估计算法，将全信息估计问题转化为固定时域为N的估计问题和到达代价设计问题；建立如下优化问题：



其中，ΘT-N(xr,T-N)为到达代价函数，定义为：



(12)式即：利用前向动态规划原理，将全信息MHE问题转化为当采样时刻k∈[T-N,...T-1]时的固定时域优化问题，通过固定优化问题得到初始最优估计值那么当k∈[0,...,T-N-1]时，如果存在干扰序列{w0,w1,...,wT-N-1}可以将系统从初始点在满足约束条件下导引到且满足代价函数VT-N最小；由于到达代价难以直接计算，采用无迹卡尔曼滤波算法进行估计，所述的无迹卡尔曼滤波算法如下：
UT变换：考虑n维变量xr,k，其均值为协方差为Px,k，传递函数xr,k+1＝f(xr,k)；根据均值和方差得到sigma点{χi:i＝0,...,2n}、均值的权值Wim和协方差的权值Wic；通过比例修正后，χi、Wim和Wic具体形式如下：



其中，参数λ＝α2(n+κ)-n，κ是调节参数通常为0或3-n，α是一个较小正数，β表示先验分布因子，将sigma点通过函数xr,k+1＝f(xr,k)进行非线性传递，得到变换后集合
预测过程：



更新过程：



通过上述过程可以得到估计状态协方差矩阵Px,k，下面给出到达代价函数的近似函数：



其中，ΦT是到达代价的常值部分；
建立优化问题如下：



其中，代价函数为：



基于无迹卡尔曼滤波的MHE算法步骤如下：
(1)初始化：给定Q、R和P0加权矩阵，初始值有限时域长度N，初始时刻T＝1；
(2)当时刻T≤N时，求解全信息MHE优化问题(10)，得到估计值
(3)当时刻T>N时，求解基于无迹卡尔曼滤波的MHE优化问题(17)，得到估计值
(4)由(13)-(15)式计算状态协方差矩阵Px,T-N，得出到达代价ΘT-N(xr,T-N)的近似函数；
(5)在下一时刻，令T＝T+1，同时增加量测值zi,T+1，返回步骤(2)，重复上述过程；
步骤3：多无人船协同目标跟踪：
无人船i接收邻居节点无人船对目标位置的估计信息，根据单无人...

【专利技术属性】
技术研发人员：李慧平，胡季伟，严卫生，张卓，梁昊姣，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61