基于改进天牛搜索的无人机转弯速率和状态估计方法技术

本发明专利技术提出了一种基于改进天牛搜索的无人机转弯速率和状态估计方法，用以解决无人机在固定水平面以未知转弯速率机动运动的状态估计问题。其步骤为：首先，由初始转弯率、状态和协方差，基于Cholesky分解，通过状态容积点计算出下一时刻状态预测值、状态估计误差协方差预测值和测量预测值；其次，基于最小均方根误差原理，建立天牛搜索适应度函数，并基于随机递减惯性权重天牛搜索优化算法，经迭代更新后得到当前时刻转弯速率的最优值；最后，基于得到最优转弯速率来更新状态预测值、状态估计误差协方差预测值和测量预测值，得到状态和估计误差协方差更新值。本发明专利技术通过基于随机递减惯性权重的天牛搜索算法来优化转弯率，具有较好的跟踪效果。好的跟踪效果。好的跟踪效果。

【技术实现步骤摘要】
基于改进天牛搜索的无人机转弯速率和状态估计方法


[0001]本专利技术涉及未知系统模型参数下的状态估计理论
，特别是指一种基于改进天牛搜索的无人机转弯速率和状态估计方法。

技术介绍

[0002]最优状态估计理论在无人机导航及控制中具有重要作用。当无人机在固定水平面执行机动任务时，由于其转弯速率通常是随机未知的，使得未知转弯速率机动运动下无人机状态估计成为无人机姿态跟踪中的热点和难点问题。针对未知转弯速率的无人机状态估计问题，通常假设：(1)将无人机的转弯速率视为常量，即忽略无法测量的转弯率对系统状态估计的影响；(2)将无人机的转弯速率视为噪声干扰，即通过随机噪声干扰来表示转弯速率。上述假设对于具有高机动性或频繁转弯下的无人机状态估计问题，通常会使估计精度下降甚至发散，针对以上问题，据专利技术人所知，还没有有效的解决方案。

技术实现思路

[0003]针对上述
技术介绍
中存在的不足，本专利技术提出了一种基于改进天牛搜索的无人机转弯速率和状态估计方法，解决了高机动性或频繁转弯场景时，无人机在固定水平面以未知转弯率作业时的状态估计问题。
[0004]本专利技术的技术方案是这样实现的：
[0005]一种基于改进天牛搜索的无人机转弯速率和状态估计方法，基于无人机空中交通管制场景，无人机在固定水平面上以未知的转弯速率执行转弯运动，其步骤如下：
[0006]步骤一：利用离散非线性系统方程构建转弯运动系统的数学模型；
[0007]步骤二：定义转弯运动系统的初始状态估计值为x
k|k
，初始估计误差协方差为P
k|k
，初始转弯率Ω
k
＝Ω
k,j＝1
，k时刻的初始转弯速率表示为Ω
k,1
，其中j＝1,2,3,......,J表示天牛寻优次数；
[0008]步骤三：基于步骤二中的初始状态估计值x
k|k
和初始估计误差协方差P
k|k
计算k+1时刻的转弯运动系统的状态预测值、测量预测值及状态预测误差协方差值；
[0009]步骤四：基于随机递减惯性权重天牛须搜索原理，将步骤二中的k时刻的初始转弯速率Ω
k,1
经多次迭代得到k时刻的最优转弯速率Ω
k,J
；
[0010]步骤五：根据步骤四中的k时刻的最优转弯率Ω
k,J
得到优化更新后的k+1时刻的状态预测值x
k+1|k
、测量预测值y
k+1|k
及状态预测误差协方差P
k+1|k
；
[0011]步骤六：基于步骤五中的k+1时刻的状态预测值x
k+1|k
、测量预测值y
k+1|k
及状态预测误差协方差P
k+1|k
计算无人机在k+1时刻的状态估计更新值和状态估计误差协方差更新值；
[0012]步骤七：将步骤六中的无人机在k+1时刻的状态估计更新值和状态估计误差协方差更新值，作为下一时刻的初始条件，返回步骤二继续执行以完成下一时刻转弯速率和状态的估计更新过程。
[0013]所述转弯运动系统的数学模型为：
[0014]x
k+1
＝Ξ
k
x
k
+w
k
ꢀꢀꢀ
(1)；
[0015]y
k
＝h(x
k
)+v
k
ꢀꢀꢀ
(2)；
[0016]其中，x
k+1
表示下一时刻系统状态量，表示当前时刻系统状态量，表示系统状态转移矩阵，w
k
表示均值为0、方差为的高斯白噪声干扰，表示系统测量转移矩阵，k表示采样时刻，Ω
k
为转弯速率，ε
k
无人机北向位置，η
k
表示无人机东向位置，无人机北向速度，表示无人机东向速度，Δt表示采样周期，y
k
＝[r
k
，θ
k
]T
表示系统测量量，r
k
表示无人机距离观测点的距离，θ
k
表示测量的目标角度，v
k
表示均值为0、方差为的高斯白噪声干扰，T表示转置。
[0017]所述k+1时刻的转弯运动系统的状态预测值、测量预测值及状态预测误差协方差值的计算方法为：
[0018]S3.1、基于Cholesky分解，计算初始状态容积点
[0019][0020][0021]其中，P
k|k
表示初始状态估计误差协方差，x
k|k
表示状态估计初始值，S
k|k
表示初始估计误差协方差的平方根因子，ξ
i
表示单位初始容积点，2n表示容积点个数；
[0022]单位初始容积点ξ
i
表示为：
[0023][0024]其中，[1]为单位矢量点；
[0025]S3.2、计算k+1时刻的状态预测值x
k+1|k
、测量预测值y
k+1|k
及状态预测误差协方差P
k+1|k
：
[0026][0027][0028][0029]其中，测量预测容积点表示为：
[0030][0031]其中，表示k+1时刻的状态预测容积点，表示为：
[0032][0033]其中，Ω
k,J
为k时刻的最优转弯速率。
[0034]所述k时刻的最优转弯速率Ω
k,J
的获得方法为：
[0035]S4.1、用k时刻第j次的单位随机向量表示天牛朝向：
[0036][0037]其中，rnd(
·
)表示随机向量，s表示空间维数；
[0038]S4.2、利用S4.1中随机天牛朝向及初始转弯率Ω
k＝1,j＝1
，建立天牛左右须坐标，其中天牛的左须坐标和右须坐标分别为：
[0039][0040][0041]其中，Ω
k,j
为k时刻第j次天牛的质心坐标，d
k,j
为k时刻第j次迭代过程中两须之间的距离；
[0042]两须之间的距离d
k,j
的更新方式为：
[0043]d
k,j+1
＝d
e
d
k,j
+0.01
ꢀꢀꢀ
(14)；
[0044]其中，d
e
为d
k,j
的衰减因子，d
k,j+1
为k时刻第j+1次迭代过程中两须之间的距离；
[0045]S3.3、引入随机递减惯性权重，建立转弯速率更新迭代模型：
[0046][0047]其中，表示右须适应度函数的值，表示左须适应度函数的值，sign(
·
)表示符号函数，δ...

【技术保护点】

【技术特征摘要】
1.一种基于改进天牛搜索的无人机转弯速率和状态估计方法，其特征在于，基于无人机空中交通管制场景，无人机在固定水平面上以未知的转弯速率执行转弯运动，其步骤如下：步骤一：利用离散非线性系统方程构建转弯运动系统的数学模型；步骤二：定义转弯运动系统的初始状态估计值为x
k|k
，初始估计误差协方差为P
k|k
，初始转弯率Ω
k
＝Ω
k,j＝1
，k时刻的初始转弯速率表示为Ω
k,1
，其中j＝1,2,3,......,J表示天牛寻优次数；步骤三：基于步骤二中的初始状态估计值x
k|k
和初始估计误差协方差P
k|k
计算k+1时刻的转弯运动系统的状态预测值、测量预测值及状态预测误差协方差值；步骤四：基于随机递减惯性权重天牛须搜索原理，将步骤二中的k时刻的初始转弯速率Ω
k,1
经多次迭代得到k时刻的最优转弯速率Ω
k,J
；步骤五：根据步骤四中的k时刻的最优转弯率Ω
k,J
得到优化更新后的k+1时刻的状态预测值x
k+1|k
、测量预测值y
k+1|k
及状态预测误差协方差P
k+1|k
；步骤六：基于步骤五中的k+1时刻的状态预测值x
k+1|k
、测量预测值y
k+1|k
及状态预测误差协方差P
k+1|k
计算无人机在k+1时刻的状态估计更新值和状态估计误差协方差更新值；步骤七：将步骤六中的无人机在k+1时刻的状态估计更新值和状态估计误差协方差更新值，作为下一时刻的初始条件，返回步骤二继续执行以完成下一时刻转弯速率和状态的估计更新过程。2.根据权利要求1的基于改进天牛搜索的无人机转弯速率和状态估计方法，其特征在于，所述转弯运动系统的数学模型为：x
k+1
＝Ξ
k
x
k
+w
k
ꢀꢀꢀꢀ
(1)；y
k
＝h(x
k
)+v
k
ꢀꢀꢀꢀ
(2)；其中，x
k+1
表示下一时刻系统状态量，表示当前时刻系统状态量，表示系统状态转移矩阵，w
k
表示均值为0、方差为σ
12
的高斯白噪声干扰，表示系统测量转移矩阵，k表示采样时刻，Ω
k
为转弯速率，ε
k
无人机北向位置，η
k
表示无人机东向位置，无人机北向速度，表示无人机东向速度，Δt表示采样周期，y
k
＝[r
k
，θ
k
]
T
表示系统测量量，r
k
表示无人机距离观测点的距离，θ
k
表示测量的目标角度，v
k
表示均值为0、方差为的高斯白噪声干扰，T表示转置。3.根据权利要求2的基于改进天牛搜索的无人机转弯速率和状态估计方法，其特征在于，所述k+1时刻的转弯运动系统的状态预测值、测量预测值及状态预测误差协方差值的计算方法为：
S3.1、基于Cholesky分解，计算初始状态容积点S3.1、基于Cholesky分解，计算初始状态容积点S3.1、基于Cholesky分解，计算初始状态容积点其中，P
k|k
表示初始状态估计误差协方差，x
k|k
表示状态估计初始值，S
k|k
表示初始估计误差协方差的平方根因子，ξ
i
表示单位初始容积点，2n表示容积点个数；单位初始容积点ξ
i
表示为：其中，[1]为单位矢量点；S3.2、计算k+1时刻的状态预测值x
k+1|k
、测量预测值y
k+1|k
及状态预测误差协方差P
k+1|k
：：：其中，测量预测容积点表示为：其中，表示k+1时刻的状态预测容积点，表示为：其中，Ω
k,J
为k时刻的最优转弯速率。4.根据权利要求3的基于改进天牛搜索的无人机转弯速率和状态估计方法，其特征在于，所述k时刻的最优转弯速率Ω
k,J...

【专利技术属性】
技术研发人员：焦玉召，姚贺明，赵红梅，谢泽会，王延峰，娄泰山，丁国强，王晓雷，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：