[發明專利]一種用于水下無人機器人集群的動態定位信息融合方法

有效

• 申請號: 202110359019.5
• 申請日: 2021-04-01
• 公開（公告）號: CN113048984B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 朱志宇;簡杰;魏海峰
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 杭行

1.一種用于水下無人機器人集群的動態定位信息融合方法，其特征在于，該方法包括以下步驟：

步驟一：搭建多AUV協同定位系統狀態空間模型和基于平均網絡無向圖的通信網絡模型，綜合考慮平臺的動力學特性、確定輸入參變量，加入高斯噪聲，建立運動方程；

步驟二：閾值加權消除局部信息的粗差：局部觀測值的后端加入了閾值加權模塊對特殊的節點信息進行優化；

步驟三：局部信息濾波器：利用無跡變換，對函數的概率密度作近似，求出目標事件的期望和方差，將非線性問題轉變成卡爾曼濾波問題，輸出局部后驗值；

步驟四：加權平均一致性濾波器：加權平均一致性濾波器對所有局部后驗估計進行一致融合，使全局后驗估計結果以信息矩陣對后驗估計均值加權的形式輸出；

步驟五：優化全局后驗結果：在一致性濾波器輸出全局后驗估計值及協方差時，判斷其是否對應最新時刻并對其優化，產生一個穩定的預估值作為局部濾波器的輸入值，以解決濾波異步問題。

2.根據權利要求1所述的一種用于水下無人機器人集群的動態定位信息融合方法，其特征在于，所述步驟一中基于平均網絡無向圖的通信網絡模型對深海稀疏動態無線通信網絡進行描述，通過任意節點之間有效通信連接邊集合來描述稀疏度，任意節點的狀態空間模型如下：

狀態方程：x_k＝f(x_k-1)+Q_k-1

觀測方程：

其中x_k為被測AUV的真實狀態變量，為觀測變量，為被測AUV的真實觀測值，狀態方程和觀測方程均為非線性函數，Q_k-1為預測噪聲，R_k為觀測噪聲，假設二者都為高斯白噪聲，滿足正態分布；

通過監控平均鄰接矩陣和平均拉普拉斯矩陣中相關概率數值的改變來描述稀疏網絡的隨機動態變化，用無向圖G_k＝(V,ε_k)描述任意時刻k的稀疏動態網絡通信拓撲，其中V為傳感器節點集合，其基數為傳感器節點數量N，ε_k為當前時刻節點之間的有效通信連接邊集合，其基數為有效通信連接邊的數量M_k，稀疏動態網絡中M_k，滿足稀疏條件：

綜合前k時刻的鄰接矩陣可以獲得其平均鄰接矩陣，與平均度矩陣作差即可獲得平均拉普拉斯矩陣(L＝D-A)，該矩陣中元素的變化值可以清晰反映出稀疏網絡隨機動態變化情況，而且平均拉普拉斯矩陣是半正定矩陣，其最小特征值大于零是平均網絡無向圖連通的充要條件；

通過均方收斂的角度描述一致性方法的收斂性，在平均網絡無向圖中，通信拓撲以一定概率發生著隨機動態變化，所以更適合從均方收斂的角度考察一致性方法的收斂性，若平均網絡無向圖是連通的，則平均一致性方法能使所有節點狀態均方收斂于平均一致值。

3.根據權利要求1所述的一種用于水下無人機器人集群的動態定位信息融合方法，其特征在于，所述步驟二中局部觀測值的后端加入了閾值加權模塊對特殊的節點信息進行優化，假設待測信號對應時刻k-2，依據k-2時刻被跟蹤節點的位置、速度、艏向角等狀態量和采樣周期以及洋流等環境干擾下的最大誤差計算出k-1時刻跟蹤節點的預估期望值存在范圍，設定閾值計算出當前時刻跟蹤節點的預估期望值存在范圍，根據前一時刻的速度與信號采樣周期設定閾值，依據前后兩時刻下量測目標跟本體的距離l_k-1以及l_k-2，設定權值其中Δl＝|l_k-1-l_k-2|，若觀測信號超過閾值，則產生一個虛擬的位置期望值代替觀測值，參與局部濾波計算，規避遙遠信號過于失真的風險。