[发明专利]基于移动多智能体编队的协作式控制与目标跟踪方法

摘要

本发明涉及基于移动多智能体编队的协作式控制与目标跟踪方法。目前运用多智能体控制对运动目标进行编队式跟踪的研究还较为缺乏。本发明方法通过运用Kalman算法对目标运动状态进行估计计算，得到一条目标运动的估计轨迹。然后，采用一致性算法，对多智能体系统进行控制使其形成编队。最后，通过传感器控制方法对目标估计轨迹进行跟踪。本发明方法选择高斯噪声环境下Kalman滤波器对目标运动进行估计，并通过一致性理论实验了传感器控制与目标跟踪过程，加深了传统算法中对传感器控制问题及目标跟踪问题的结合，大大提高了跟踪稳定性。

主权项

1.基于移动多智能体编队的协作式控制与目标跟踪方法，其特征在于该方法具体步骤包括：步骤(1).依据观测器返还数据对目标状态进行估计：步骤(1‑1).依次建立目标状态方程、观测方程以及杂波方程：状态方程：x_k＝Ax_k‑1+μ_k；观测方程：z_k＝Hx_k+υ_k(x_k,s_k)；杂波方程：其中，A为状态转移矩阵，z_k为目标状态观测值，为杂波量测，H为状态观测矩阵；μ_k、υ_k为状态噪声和观测噪声，均满足零均值，协方差为Q和R的高斯噪声，即μ_k～N(0,Q_k)，υ_k～N(0,R_k)；观测系统方程和观测噪声受传感器状态s_k的影响，杂波量测满足强度为λ_k，分布为c_k(U)的强度分布函数，其中U为观测区域；步骤(1‑2).描述目标状态估计问题为如下极大后验估计问题：其中，为目标状态估计值，表示概率；采用最近邻算法获取目标量测，即满足如下条件的马氏距离获得目标有效量测：其中，z_k,i表示第i个信号点状态观测值，表示状态观测预测值，表示状态预测值，S_k|k‑1表示传感器状态；考虑到漏检问题的存在，选取最小的马氏距离η_min，即当所有z_k,i∈z_k，时，表示目标漏检，没有量测产生，此时，目标的状态估计采用预测值，即考虑到观测噪声受目标状态和传感器状态共同影响，其强度满足如下的方程：其中，D₀，R₀是给定的正定常数矩阵，I表示单位矩阵；即目标状态和传感器状态之间的距离差值，影响目标观测的噪声方差，满足如下的增益矩阵：步骤(1‑3).采用Kalman递推算法进行状态预测，方法如下：系统状态预测：预测误差协方差：滤波增益矩阵：系统状态更新：误差协方差更新：经过反复的迭代计算，得到每个时刻目标运动状态的估计值，在几何坐标上表示为一条目标运动的估计轨迹；步骤(2).多智能体编队控制：假设多移动智能体方程为：s_k,i＝A_k,is_k,i+B_k,iu_k,i,i＝1,2,3；y_k,i＝Cs_k,i；当i＝1时，对应多智能体系统中的头结点，有：λ为常数，C为输出增益矩阵；当i＝2,3时，对应其它子节点，有：将智能体的位置和速度表示为：其中，s为智能体状态，P_x,k,P_y,k为智能体运动的位置向量，表示智能体运动的速度向量，T表示转置；将智能体运动的二维平面划分为四个象限，并设定一个编队偏差角θ，在每一时刻根据智能体运动速度方向所处的象限，计算与偏差角θ之间的差值，以这个差值的增益值作为子节点运动的控制量，在每一时刻修正子节点运动方向和角度，使子节点在编队运动过程中始终可以和头结点保持固定编队运动；步骤(3).具有移动跟踪的多智能体编队控制：在步骤(1)中得到目标运动状态估计轨迹作为多智能体系统中头结点的跟踪对象；通过步骤(2)的一致性传感器控制方法使多智能形成编队，仅由头结点获取目标状态信息然后跟踪，其它子节点通过一致性原理与头结点保持一定编队运动。