一种基于大数据的组队循迹规划导航方法技术

本发明专利技术涉及一种高可靠性、高精度、用时短的基于大数据的组队循迹规划导航方法。具体包括：获取组队各节点环境和运动数据；对组队的各节点进行轨迹规划，依据节点运动速度确定节点每一步的步长；根据步长规划出从轨迹起点到终点的N个定位轨迹点；N个定位轨迹点处搜索节点的最优空间位置；获得节点运动最优状态；根据节点运动最优状态，构建节点运动轨迹；通过随机森林回归的运动动作优化形成修正偏置的映射；对各节点包括综合数据的轨迹进行实时规划导航。采用上述技术方案解算的组队拥有相对于现有方法更优异的循迹导航效果，定位精度高、运行时间短。运行时间短。运行时间短。

【技术实现步骤摘要】
一种基于大数据的组队循迹规划导航方法


[0001]本专利技术涉及一种高可靠性、高精度、用时短的基于大数据的组队循迹规划导航方法。

技术介绍

[0002]对于目前的人工智能运动设备如无人机、无人车、无人船等通过无线传输遥控装置或自主传感控制设备完成相应任务的设备，循迹规划导航是执行任务的有效技术手段，轨迹可靠才能确保设备(节点)完成任务。传统的规划方法有多种，包括人工势场法、Dijkstra算法等。这些方法简单有效，但缺点是一旦节点计算数目增加，计算量和内存需求剧增，同时对全局规划的能力也明显不足。随着人工智能设备运行环境日趋复杂，传统规划方法计算复杂度高、实时性差，难以实时控制无人机飞行。此外，目前算法的建模过程并未考虑干扰因素的影响，导致节点运动数据具有偏差，使强化学习算法决策的动作失准，难以满足轨迹规划的可靠性。

技术实现思路

[0003]本专利技术的目的在于提供一种定位精度高、运行时间短、循迹效果好的基于大数据的组队循迹规划导航方法。
[0004]本专利技术的目的是这样实现的：
[0005]一种基于大数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的组队循迹规划导航方法，其特征在于，包括如下步骤：(1)获取组队各节点环境和运动数据；(2)对组队的各节点进行轨迹规划，依据节点运动速度确定节点每一步的步长；根据步长规划出从轨迹起点到终点的N个定位轨迹点；(3)N个定位轨迹点处搜索节点的最优空间位置；(4)获得节点运动最优状态；(5)根据节点运动最优状态，构建节点运动轨迹；(6)通过随机森林回归的运动动作优化形成修正偏置的映射；(7)对各节点包括综合数据的轨迹进行实时规划导航。2.根据权利要求1所述的一种基于大数据的组队循迹规划导航方法，其特征在于，步骤(1)包括：(1.1)设定最小防碰撞距离：其中：表示t时刻i1、i2两个节点的位置，i1≠i2，s
min
为节点最小防碰撞距离；(1.2)获取路程距离：其中：v
t,m
为t时刻标号为m节点的移动速度，M为节点总数，O为循迹规划终点位置，X
t,m
为t时刻m节点的位置，t1为节点运动的起始时间，t2为节点运动的终止时间，其中i为标号；(1.3)设定最大通信距离：其中：为主节点A
i
在t时刻的位置，为从节点B
i
在t时刻的位置，s
max
为节点最大通信距离；(1.4)获取安全代价：获取t时刻第i个节点到第r个雷达的距离：(x
t,i
,y
t,i
,z
t,i
)为第i个节点在t时刻的位置；为各节点上共R个雷达中第r个雷达探测区域的中心位置坐标；获取t时刻第r个雷达对第i个节点的单位时间威胁代价：
s
rmax
为第r部雷达的最远探测半径；s
rmin
为第r部雷达的预警区域半径；获得外部节点威胁代价：获取t时刻第i个节点到第w个禁行区域的距离：获取t时刻第i个节点到第w个禁行区域的距离：为W个禁行区域中第w个禁行区域的中心位置；获取t时刻第w个禁行区域对第i个节点的单位时间威胁代价：s
wmin
为禁行区域的最小威胁半径，s
wmax
为禁行区域的最大威胁半径；获得禁行区域威胁代价：获得节点运动的安全代价：s
th
＝s
an
+s
pr
(1.5)获得节点的姿态参数：其中：v
max
为节点的最大速度、为节点的最大俯仰角、θ
max
为节点的最大方位角、v
t,i
为t时刻i节点的速度、为t时刻i节点的俯仰角、θ
t,i
为t时刻i节点的方位角。3.根据权利要求1所述的一种基于大数据的组队循迹规划导航方法，其特征在于，步骤(3)包括：(3)包括：其中：k为当前迭代次数，c1和c2为学习因子，rand()为随机函数，pbest
k
为t时刻第i个
节点的历史最好位置，gbest
k
为所有节点经历的最好位置，α为惯性系数。4.根据权利要求1所述的一种基于大数据的组队循迹规划导航方法，其特征在于，步骤(4)包括：(4.1)在t时刻，节点运动的状态向量为：ξ
i
(t)＝[q
i
(t),v
i
(t)]
T
式中，q
i
(t)＝[q
x,i
(t),q
y,i
(t),q
z,i
(t)]
T
表示节点位置信息，q
x,i
(t)、q
y,i
(t)和q
z,i
(t)分别代表笛卡尔坐标系下，第i个节点t时刻在三维空间中x、y和z三个方向的位置坐标点，v
i
(t)＝[v
x,i
(t),v
y,i
(t),v
z,i
(t)]
T
表示第i个节点t时刻的速度信息，v
x,i
(t)、v
y,i
(t)和v
z,i
(t)分别代表笛卡尔坐标系下，第i个节点t时刻在三维空间中x、y和z三个方向的速度分量；(4.2)根据t
‑
1时刻节点的运动状态ξ
i
(t
‑
1|t)，完成t时刻的状态预测：式中，为任意Ω个采样间隔内节点的机动模型，为节点在实际环境中运动的随机扰动或白噪声；(4.3)计算t时刻的量测预测：β
i
(t|t
‑
1)＝H
i
(t)δ
i
(t|t
‑
1)线性测量矩阵为：|| ||表示求模运算；(4.4)节点传感器获得有效量测数据m
i
(t...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：