[發明專利]一種基于高斯分布預測的多無人機協同搜索方法

有效

• 申請號: 201310455131.4
• 申請日: 2013-09-29
• 公開（公告）號: CN103472850A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 胡笑旋;江繁;羅賀;馬華偉;靳鵬;夏維
• 申請（專利權）人: 合肥工業大學
• 主分類號: G05D1/12
• 分類號: G05D1/12;G05B13/04
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 何梅生

1.一種基于高斯分布預測的多無人機協同搜索多移動目標的方法，其特征在于：

在多無人機協同搜索多移動目標的任務區域R中，假設任務區域R中存在N_v架無人機、N_t個移動目標；所述無人機利用機載傳感器對所述移動目標進行搜索，所述多無人機協同搜索多移動目標的方法是按如下步驟進行：

步驟1：利用搜索概率圖SPM表示多無人機搜索的任務區域R；

將所述任務區域R的外接正方形劃分成N_c個大小相同的正方形網格，用n表示第n個正方形網格，n=1,2,…,N_c，所述第n個正方形網格的中心點坐標為(x_n,y_n)，所述中心點坐標(x_n,y_n)為第n個正方形網格的兩條對角線的交點；用q表示無人機搜索的總時間步長，用k表示第k個時間步長，k=1,2,…,q；t_k表示第k個時間步長所對應的初始時刻，則t_k+1表示第k個時間步長所對應的結束時刻；令一個移動目標只能存在于一個正方形網格中，則表示t_k時刻一個移動目標存在第n個正方形網格中的先驗概率；將所述先驗概率簡化記為記搜索概率圖SPM={P‾1(k),P‾2(k),...,P‾Nc(k)};]]>

步驟2：根據無人機機載傳感器的性能參數P_d和P_f，利用式(1)將所述先驗概率根據貝葉斯規則更新t_k時刻的后驗概率P_n(k)；

式(1)中，P_d為無人機機載傳感器的發現概率，P_f為無人機機載傳感器的虛警概率；

步驟3：運用高斯分布預測t_k+1時刻移動目標的目標位置，并繼續更新搜索概率圖SPM；

將所述任務區域R的外接正方形的一個頂點設為原點O，將所述原點O的兩條鄰邊分別設置為X軸和Y軸，定義t_k時刻目標位置為(x_k,y_k)，則t_k+1時刻目標位置(x_k+1,y_k+1)服從式(2)表示的高斯分布：

H(m,n,tk+1-tk)=12πσ2∫yn-c2yn+c2∫xn-c2xn+c2exp{-12σ2[(xk+1-μx)2+(yk+1-μy)2]}dxk+1dyk+1---(2)]]>

式(2)表示移動目標在t_k時刻到t_k+1時刻從網格m轉移到網格n的概率；

式(2)中，c表示每個網格的寬度；μ_x表示X軸上移動目標所有可能位置的期望值，所述期望值μ_x為：

μx=xk+xk+1-xk(xk+1-xk)2+(yk+1-yk)2v0akΔt---(3)]]>

式(2)中，μ_y表示Y軸上移動目標所有可能位置的期望值，所述期望值μ_y為：

μy=yk+yk+1-yk(xk+1-xk)2+(yk+1-yk)2v0akΔt---(4)]]>

式(3)和式(4)中，v_o表示移動目標的移動速度，Δt表示t_k時刻到t_k+1時刻的單位步長，a_k表示t_k時刻到t_k+1時刻的單位步長總個數；

式(2)中，σ²表示移動目標所有可能位置的方差，所述方差σ²為：

σ2=4ak3-ak12Δt4---(5)]]>

利用式(6)預測t_k+1時刻移動目標在網格n的先驗概率

P‾n(k+1)=Σm=1NcH(m,n,tk+1-tk)Pm(k)---(6)]]>

式(6)中，P_m(k)表示一個移動目標存在于第m個網格中的后驗概率；

步驟4：利用分布式模型預測控制法構建多無人機協同搜索多移動目標的搜索模型；

步驟4.1：利用分布式模型預測控制法中的模型預測要素構建多無人機模型預測序列；所述多無人機模型預測序列為狀態信息預測序列和決策信息輸入序列；

令t_k時刻第i架無人機的狀態信息預測序列X_i(k)為：

X_i(k)={x_i(k+1|k),x_i(k+2|k),…,x_i(k+t|k)}????(7)

所述狀態信息包含第i架無人機在t_k時刻預測第t_k+t時刻的自身位置坐標xp_i(k+t|k)和第i架無人機在t_k時刻預測第t_k+t時刻的自身航向角記為

令t_k時刻第i架無人機的決策信息輸入序列U_i(k)為：

U_i(k)={u_i(k|k),u_i(k+1|k),…,u_i(k+t-1|k)}????(8)

所述決策信息是指無人機的航向偏轉角u_i(k+t|k)，記為

式(7)和式(8)中，t為時間步長的變量，并有：1≤t≤q且t∈Ν^*；

步驟4.2：構建多無人機協同搜索多移動目標的搜索模型的目標函數

令所述搜索模型的目標函數為：

Ui*(k)=maxJi(k)---(9)]]>

式（9）中，J_i(k)表示無人機在所述總時間步長q內航跡覆蓋區域面積內所有網格的先驗概率之和，有：

Ji(k)=Σn∈LikP‾n(k+1)---(10)]]>

式(10)中，表示第i架無人機在總時間步長q內的航跡覆蓋區域面積，并有：

Lik=Σk=1qvw(tk+1-tk)---(11)]]>

式(11)中，v為第i架無人機的飛行速度，w為第i架無人機機載傳感器的探測寬度；

步驟4.3：構建多無人機協同搜索多移動目標的搜索模型的多無人機狀態轉移模型；

令第i架無人機的狀態轉移模型為：

xi(k+t+1|k)=fi(xi(k+t|k),ui(k+t|k)),∀t=0,1,...,q-1;i=1,2,...,Nv---(12)]]>

式(12)中轉移函數表達式f_i為：

式(13)中，為航向偏轉角，t_k+t-t_k+t-1為第i架無人機的決策間隔時間，為關于三角函數關系的函數，令則有：S(*)=[cos(*),sin(*)]^T；

在所述狀態信息預測序列X_i(k)中，令第i架無人機在t_k時刻預測t_k時刻的自身狀態信息為：

x_i(k|k)=x_i(k)???(14)

步驟4.4：構建多無人機協同搜索多移動目標的搜索模型的約束條件為；

約束條件一：

式(15)中，α為無人機的最大偏轉角度；

約束條件二：||xpi(k+t|k)-xpj(k+t|k)||≥L∀i,j:i≠j---(16)]]>

式(16)中，大于等于號左邊的表達式為第i架無人機與第j架無人機的歐式距離，L為第i架無人機與第j架無人機為避免碰撞的最小距離；xp_j(k+t|k)表示第j架無人機在t_k時刻預測第t_k+t時刻的自身位置坐標；

步驟5：求解第i架無人機在t_k時刻預測的總時間步長q內的決策信息輸入序列U_i(k)，選取所述決策信息輸入序列U_i(k)中的第一項

步驟5.1：通過式(17)獲得t_k+t時刻的第i架無人機的航向偏轉角

步驟5.2：判斷所獲得的航向偏轉角是否滿足所述搜索模型的約束條件一；若滿足，則將航向偏轉角代入式(12)和式(13)，預測出t_k+t+1時刻第i架無人機的狀態信息；若不滿足，則將最大偏轉角度α賦值為航向偏轉角后代入式(13)，預測出t_k+t+1時刻第i架無人機的狀態信息；

步驟5.3：當t≤q時，重復步驟5.1至步驟5.2，獲得第i架無人機在t_k時刻預測總時間步長q內的決策信息輸入序列U_i(k)；

步驟5.4：選取所述決策信息輸入序列U_i(k)中的第一項獲得t_k時刻的航向偏轉角

步驟6：其他無人機分別按照步驟5求解自身在t_k時刻預測的總時間步長q內的決策信息輸入序列，獲得各自的航向偏轉角；

步驟7：當獲得各自的航向偏轉角后，判斷第i架無人機的位置坐標xp_i(k+t|k)與第j架無人機位置坐標xp_j(k+t|k)是否滿足所述搜索模型的約束條件二；

若滿足，第i架無人機與第j架無人機分別按照各自的航向偏轉角飛行；若不滿足，則令第i架無人機與第j架無人機的距離為L并繼續飛行；

步驟8：當所述任務區域R中的N_v架無人機都按照各自的航向偏轉角飛行后，將時間步長k遞增為k+1，重復步驟2、步驟3、步驟5與步驟6，直至k>q時，結束多無人機對多移動目標的協同搜索。