【技术实现步骤摘要】
基于随机噪声的局部自组织大规模群体动态目标跟踪方法
本专利技术涉及工业过程控制
，特别涉及一种基于随机噪声的局部自组织大规模群体动态目标跟踪方法。
技术介绍
近年来，复杂系统群体动力学的研究是当前国际上一个热点问题。集群行为普遍存在于自然界与人类社会中，例如聚集、迁移、蜂拥、同步、编队、目标跟踪等，通过局部感知和相对简单的交互方式，完成个体不易实现的任务过程中所涌现出的复杂、强大的集群宏观行为。在大规模复杂系统群体动力学领域，基于局部自组织机制的群体动态目标跟踪问题变得越来越重要。例如，在无人机应用领域，当无人机执行目标跟踪任务时，由于目标状态的不确定性以及目标的未知多样性，大大增加了任务执行的难度。并且，在某些场景中，单架无人机不足以完成预定的任务，需要多架无人机甚至是无人机集群协同工作。然而，现实生活中由于目标的不确定性，无法为每一架无人机规划动态跟踪路径，因此，有必要研究基于局部自组织的大规模集群的动态目标跟踪方法。又如，在柔性制造的车间调度环节，在全球化的背景下，面临着海量的客户需求订单和复杂的...
【技术保护点】
1.一种基于随机噪声的局部自组织大规模群体动态目标跟踪方法，其特征在于，包括以下步骤：/n构建含有不确定动态目标的HK模型，并给出噪声存在时模型的自发一致性定义，其中，所述含有不确定动态目标的HK模型包括：动态目标仅被部分个体感知的HK模型和动态目标独立存在的HK模型；/n针对动态目标仅被部分个体感知的HK模型，进行不完全信息的动态目标跟踪，并进行验证；/n针对动态目标独立存在的HK模型，进行不完全信息的动态目标跟踪，并进行验证。/n
【技术特征摘要】
1.一种基于随机噪声的局部自组织大规模群体动态目标跟踪方法，其特征在于，包括以下步骤：
构建含有不确定动态目标的HK模型，并给出噪声存在时模型的自发一致性定义，其中，所述含有不确定动态目标的HK模型包括：动态目标仅被部分个体感知的HK模型和动态目标独立存在的HK模型；
针对动态目标仅被部分个体感知的HK模型，进行不完全信息的动态目标跟踪，并进行验证；
针对动态目标独立存在的HK模型，进行不完全信息的动态目标跟踪，并进行验证。
2.根据权利要求1所述的基于随机噪声的局部自组织大规模群体动态目标跟踪方法，其特征在于，所述构建含有不确定动态目标的HK模型包括：
构建动态目标仅被部分个体感知的HK模型，包括：
设计动态目标仅被系统部分个体感知的HK模型自组织规则：
其中
并且
A(t)＝A+Δ(t),|Δ(t)|＜Δ
式中：α∈[0,1]是动态目标的吸引强度；并且1≤|S|≤n，指含动态目标的个体集合；I{·}为指示性函数，根据条件是否成立取值1或者0；为t时刻阈值范围内代理i的邻居集；此处|·|为邻居集的基数或实数的绝对值；ε∈(0,1]为群体中个体间的信任阈值；A(t)∈[0,1]是在t时刻的动态目标，此动态目标在固定值A的Δ(t)范围内持续波动，并且满足Δ＞0；
添加随机噪声后，动态目标仅被部分个体感知的HK模型的自组织规则：
式中：是服从于[-δ,δ]上的均与分布，而且满足δ＞0；
构建动态目标独立存在的HK模型，包括：
针对动态目标以未知动态独立存在的情况，引入一个未知的动态代理，并满足
xΙ(t)≡A(t)＝A+Δ(t),t≥0
添加随机噪声后，动态目标独立存在的HK模型自组织规则：
其中
3.根据权利要求2所述的基于随机噪声的局部自组织大规模群体动态目标跟踪方法，其特征在于，所述给出噪声存在时模型的自发一致性定义包括：
对系统模型最终与动态目标一致进行定义：
那么对于如果有成立，则系统以精度实现与A(t)的同步。
4.根据权利要求3所述的基于随机噪声的局部自组织大规模群体动态目标跟踪方法，其特征在于，所述针对动态目标仅被部分个体感知的HK模型，进行不完全信息的动态目标跟踪，并进行验证包括：
定义m＝|S|表示带有动态目标代理集合的数量并且
并且对于t≥0有
其中：n,α,δ,ε是与所构建HK模型一致的内在参数；表示t时刻目标代理集中的个体与动态目标之间的最大距离；表示t时刻非目标代理集中的个体与动态目标之间的最大距离；定义随机噪声强度的上限；表示系统与动态目标准同步的精度；Δ是保守估计的实数，所允许的范围完全取决于系统的内在参数n,α,δ,ε；
基于动态目标仅被部分个体感知的HK模型，针对动态目...
【专利技术属性】
技术研发人员：王丽君，李阳，苏伟，徐平海，陈先中，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。