System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及无人机集群协同导航,特别是涉及一种无人机集群的分布式协同定位方法、装置、设备和存储器。
技术介绍
1、当前,小型无人机集群完成协同任务的方式更灵活,成本更低。传统上,无人机依靠全球卫星定位系统以及惯性导航系统来获取其位置等信息来执行协同编队等任务。然而,卫星导航信号容易受到城市或室内环境中的障碍物的严重衰减,以至于在这些场景中无法使用。协同定位利用无人机间测量的方法,可以改善无人机集群的定位可用性和精度。无人集群的协同定位算法一般分为两类:一种是将所有的机间相对测量数据传输到统一的处理中心进行集中式处理,另一种是每架无人机利用局部收集的测量数据实现位置估计,即分布式估计方法。第一种估计方式虽然可以得到最优的估计精度,但通信量和计算复杂度均较大;而第二种方法为分布式,虽然在通信量和计算复杂度上有明显优势,但往往面临着精度低、可能会出现一致性发散等问题,以及如何同时的利用相对测量和绝对测量(指卫星的测量)的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种无人机集群的分布式协同定位方法、装置、设备和存储器。
2、一种无人机集群的分布式协同定位方法,方法包括:
3、无人机群中每架无人机获取集群内其他无人机的状态,以及每个无人机前一时刻的全局状态量。
4、根据无人机前一时刻的全局状态量和对应的全局状态协方差进行预测,得到当前时刻全局状态预测量以及对应的全局状态协方差预测。
5、采用可观性分析将无人机的全局状态预测量在
6、根据无人机相对测量,采用广播式分布式估计方法对相对可观空间的状态量进行更新。
7、根据外部测量,采用基于一致性卡尔曼滤波的方法对相对不可观空间的状态量和全局状态协方差进行更新。
8、根据得到的相对可观空间和相对不可观测空间的更新结果进行合成,得到无人机的最终全局状态估计值。
9、在其中一个实施例中,采用可观性分析将无人机的全局状态预测量在相对可观空间和相对不可观空间进行投影,得到相对可观空间和相对不可观空间的状态量,包括:
10、根据全局状态预测量,确定不可观空间的基。
11、根据不可观空间的基采用施密特正交化方法,得到相对不可观空间和相对可观空间的标准正交基。
12、根据相对不可观空间和相对可观空间的标准正交基将全局状态预测量投影到可观测空间和不可观测空间,得到相对可观空间和相对不可观空间的状态量。
13、根据相对不可观空间的标准正交基将全局状态协方差投影到相对不可观空间,得到相对不可观空间的协方差。
14、在其中一个实施例中,根据全局状态预测量,确定不可观空间的基为:
15、
16、
17、
18、其中,为t时刻的不可观空间基向量,为整体平移的基向量矩阵,i为单位矩阵,为整体旋转的基向量矩阵,eκ,κ∈{x,y,z}为笛卡尔坐标轴的单位方向向量,×表示向量的叉积,为t时刻无人机m的位置信息,m=1,2,3,...,m,m为无人机集群中无人机的数量。
19、在其中一个实施例中,根据不可观空间的基采用施密特正交化方法,得到相对不可观空间和相对可观空间的标准正交基,包括:
20、增广不可观空间的基至满秩方阵。
21、根据满秩方阵采用标准的施密特正交化方法得到基向量矩阵基向量矩阵的列向量两两正交并且有其中和分别为不可观空间和可观空间的标准正交基。
22、在其中一个实施例中,根据无人机相对测量,采用广播式分布式估计方法对相对可观空间的状态量进行更新,包括:
23、在无人机相对测量过程中,无人机m还向其邻居无人机广播自身存储的状态,并利用邻居无人机广播的状态对自身缓存进行更新,得到更新后的全局状态预测量,
24、根据更新后的全局状态预测量和相对测量的测量方程,确定测量矩阵;相对测量的测量方程为:
25、
26、其中,zm为相对测量值,并且w~n(0,rz)。
27、根据测量矩阵和相对测量的测量方程,采用忽略互相关的本地卡尔曼滤波方法对相对可观空间的全局状态预测量进行更新;忽略互相关的本地卡尔曼滤波方法是指将标准卡尔曼滤波器中的协方差直接设定为单位矩阵i的卡尔曼滤波方法;相对可观空间的全局状态的更新公式为:
28、
29、
30、其中,为相对可观空间的全局状态更新。
31、在其中一个实施例中,相对测量为相对测距;外部测量包括卫星导航信。
32、根据外部测量,采用基于一致性卡尔曼滤波的方法对相对不可观空间的状态量和全局状态协方差进行更新,包括:
33、如果无人机m在更新时刻得到了gps测量信息,则无人机m将得到的gps测量信息zg,j以及对不可观空间状态的估计广播给所有邻居无人机。
34、无人机m根据得到的gps测量信息zg,j和gps信息的测量矩阵hg,j,得到测量数据和信息矩阵聚合结果分别为:
35、
36、其中,ym和sm分别为测量数据和信息矩阵聚合结果,为无人机集群的无人机集合,zg,j和hg,j分别为gps信息的测量值和在测量矩阵;
37、根据测量数据和信息矩阵聚合结果,对相对不可观空间的状态量和全局状态协方差进行更新;更新公式为:
38、
39、
40、其中,为相对不可观空间的状态量的更新值,ym和sm分别为测量数据和信息矩阵聚合结果,为无人机m对不可观空间状态的估计,为无人机j对不可观空间状态的估计,为相对可观空间的状态量,为相对不可观测空间的协方差,为不可观状态协方差更新值。
41、在其中一个实施例中,根据得到的相对可观空间和相对不可观测空间的更新结果进行合成,得到无人机的最终全局状态估计值为:
42、
43、
44、其中,为无人机的最终全局状态估计值,为相对不可观空间的状态量的更新值,为相对可观空间的全局状态更新,为不可观状态协方差更新值,为不可观空间的标准正交基。
45、一种无人机集群的分布式协同定位装置,该装置包括:
46、当前时刻全局状态预测模块,用于无人机群中每架无人机获取集群内其他无人机的状态,以及每个无人机前一时刻的全局状态量;根据无人机前一时刻的全局状态量和对应的全局状态协方差进行预测,得到当前时刻全局状态预测量以及对应的全局状态协方差预测。
47、可观-不可观空间状态量确定模块,用于采用可观性分析将无人机的全局状态预测量在相对可观空间和相对不可观空间进行投影,得到相对可观空间和相对不可观空间的状态量。
48、可观测空间状态更新模块,用于根据无人机相对测量,采用广播式分布式估计方法对相对可观空间的状态量进行更新。
<本文档来自技高网...【技术保护点】
1.一种无人机集群的分布式协同定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,采用可观性分析将无人机的所述全局状态预测量在相对可观空间和相对不可观空间进行投影,得到相对可观空间和相对不可观空间的状态量,包括:
3.根据权利要求2所述的方法,其特征在于,根据所述全局状态预测量,确定不可观空间的基为:
4.根据权利要求2所述的方法,其特征在于,根据所述不可观空间的基采用施密特正交化方法,得到相对不可观空间和相对可观空间的标准正交基,包括:
5.根据权利要求1所述的方法,其特征在于,根据无人机相对测量,采用广播式分布式估计方法对相对可观空间的状态量进行更新,包括:
6.根据权利要求1所述的方法,其特征在于,相对测量为相对测距;外部测量包括卫星导航信;
7.根据权利要求1所述的方法,其特征在于,根据得到的相对可观空间和相对不可观测空间的更新结果进行合成,得到无人机的最终全局状态估计值为:
8.一种无人机集群的分布式协同定位装置,其特征在于,所述装置包括:
9.一
10.一种计算机可读存储器,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种无人机集群的分布式协同定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,采用可观性分析将无人机的所述全局状态预测量在相对可观空间和相对不可观空间进行投影,得到相对可观空间和相对不可观空间的状态量,包括:
3.根据权利要求2所述的方法,其特征在于,根据所述全局状态预测量,确定不可观空间的基为:
4.根据权利要求2所述的方法,其特征在于,根据所述不可观空间的基采用施密特正交化方法,得到相对不可观空间和相对可观空间的标准正交基,包括:
5.根据权利要求1所述的方法,其特征在于,根据无人机相对测量,采用广播式分布式估计方法对相对可观空间的状态量进行更新,包...
【专利技术属性】
技术研发人员:赖俊,相晓嘉,吕云霄,唐邓清,周晗,李超然,鞠志满,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
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。