面向多无人机协同探测的感知技术研究

发布时间：2020-04-02 07:13

【摘要】：对于多无人机协同探测而言,协同感知能带来更大的探测范围、更高的探测精度以及更好的鲁棒性。同时,也给多传感器的信息融合与管理带来挑战,在无人机这种高速移动的平台上,如何高效地利用多传感器资源,如何快速融合传感器测量数据以获得更准确的状态估计,是实现多无人机协同探测需要解决的重要问题。本文以多无人机协同目标跟踪与目标识别为研究对象,将无人机视作移动的空中传感器载体,并从传感器工作模式的角度出发,开展了面向多无人机协同探测的多传感器信息融合技术和自适应管理技术的研究。针对多无人机协同探测地面机动目标过程中的目标跟踪问题进行了建模分析,提出了一种基于李雅普诺夫(Lyapunov)导航向量场引导的多无人机目标跟踪数据融合方法。该方法采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)和无迹卡尔曼平滑(Unscented Rauch-Tung-Striebel,URTS)两种融合估计算法,通过融合不同位置的无人机所获得的方位信息,估计地面机动目标的当前位置信息,再结合Lyapunov导航向量场引导控制无人机的飞行,并利用相位控制的方法,避免出现无人机因收敛于同一极限环而相撞的情况,从而形成一个动态的数据融合过程,完成多无人机对地面机动目标的自主协同跟踪,部分解决了多无人机对地面移动目标的跟踪不稳定问题。针对多无人机协同探测识别多目标过程中的多传感器资源动态分配问题,开展了多传感器自适应管理技术研究,从传感器工作模式的角度出发,提出了一种多无人机自适应管理方法。该方法对历史探测数据利用贝叶斯网络进行统计分析,采用贝叶斯决策理论构建了目标识别模型,用感知信息熵来衡量对目标类别的不确定性,使用模糊离散化的方式对不同类型的特征数据进行处理,最后基于遗传算法解决多无人机多目标分配问题,从而构建了一个“感知-学习-决策-行动”的多无人机探测闭环,最终实现对传感器资源的优化分配。为了验证所提两种算法的有效性,设计并实现了一个多无人机协同探测仿真系统。该仿真系统实现了目标跟踪和目标识别两种应用场景,并基于此系统对所提两种算法进行了相应的性能分析,验证了所提两种算法的有效性。
【图文】：

无人机,极限环,初始位置

哈尔滨工业大学工程硕士学位论文vxvyvz=v√x2+y2z2+√x2+y2-R2+R2γ2 - √x2+ y2- R x - γRy- √x2+ y2- R y + γRx-z√x2+ y2(2-23)式中，(x, y, z)和(vx, vy, vz)分别表示无人机的三维位置和三维应飞速度，表示无人机速度，一般为恒定的跟踪速度，R为极限环半径，γ绝对值大小表征了吸引项和旋转项对无人机的控制作用的相对强弱，γ符号决定了无人机的绕行方向。当无人机处于极限环上时，吸引项不起作用，旋转项使无人机沿极限环飞行。将无人机的初始位置分别设置在极限环内与极限环外，无人机按李雅普诺夫导航向量场跟踪一个静止的目标，无人机航迹结果如图 2-5 所示，图中箭头表示无人机在该点的速度方向，图 2-5a）和图 2-5b）是在无人机相对极限环的初始位置不同的情况下的无人机轨迹，可以看出无论无人机的初始位置是在极限环内还是在极限环外，只要无人机按导航向量场引导飞行，，就都会收敛到极限环上，并沿极限环飞行。

编辑器,绘图区域,模型选择,子界

图 4-4 GUIDE 的布局编辑器图 4-5 首页界面设计子界面的最终设计效果见下图 4-6 所示，图 4-6 a）是目标跟踪计效果，它主要绘图区域（map_area）、模型选择与参数设置、操
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V279

【相似文献】