一种多机器人动态目标跟踪协同控制方法与流程

技术特征：
1.一种多机器人动态目标跟踪协同控制方法，包括动态目标g和观测动态目标g的n个机器人，n为机器人数量且n≥2，其特征在于：还包括以下步骤：步骤1，建立动态目标的目标跟踪系统一般化模型,包括动态目标的运动学模型和目标跟踪系统的观测模型；通过移动机器人携带的传感器判断是否能探测到动态目标，是进入步骤2，否则转入步骤3；步骤2，通过目标跟踪系统的观测模型测量各机器人与动态目标的距离，估计目标当前时刻的状态和误差协方差矩阵,使用加权平均的方法, 将n个机器人对目标的状态估计进行数据融合，作为当前时刻目标状态的最优估计，并对动态目标g进行一步预测；步骤3，基于近似贪婪算法,在满足覆盖质量的情况下，求解最小感知质量；步骤4，根据步骤3求解所得的最小感知质量，规划下一时刻最优的机器人位置，移动机器人使其实现对动态目标g的跟踪。2.根据权利要求1所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤1中动态目标的运动学模型采用的是ct模型，描述为x（k 1）=ax（k） w（k），其中x为状态变量，a为状态转移矩阵，w为系统噪声，k为任意时刻，且k≥0。3.根据权利要求2所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤1中目标跟踪系统的观测模型为：每个机器人均携带超声波传感器，该超声波传感器能够测量该机器人与目标之间距离，描述为：z
i
（k）=h
i
（x(k)) v
i
（k），z
i
为机器人i的测量值，h
i
为动态目标与机器人i的相对距离:, 其中（x
i
,y
i
）为移动机器人i的位置，(x,y)为动态目标g的位置，v
i
为机器人自身的测量噪声，x为状态变量，下标i表示第i个机器人，i=1,2，
…
n。4.根据权利要求3所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤2基于运动学模型通过扩展卡尔曼滤波算法求得状态预测和误差协方差预测，以此更新目标当前时刻的状态和误差协方差矩阵。5.根据权利要求4所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述加权平均的方法为：对所有观测到目标的机器人获取的估计值赋予相同的权重，即对所有机器人的估计值取平均值作为目标状态的估计，将多个机器人对目标的状态估计进行数据融合，作为当前时刻目标状态的最优估计，并对动态目标g进行一步预测。6.根据权利要求1或5所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤3具体为：步骤3.1，定义感知质量j
sense
为融合后的误差协方差矩阵p的行列式j
sense
=det(p)；步骤3.2，定义覆盖质量为，a
cov
为至少被一个机器人覆盖的区域面积，a
foi
为监控范围的总面积；步骤3.3，定义判断机器人i的探测范围的函数i
i
，当机器人i能够观测到时，函数i
i
为1；当机器人i不能够观测到时，函数i
i
为0，通过二重积分求面积的方法进一步求得覆盖质量j
cov
与探测范围函数i
i
之间的表达式，求出覆盖质量；步骤3.4，根据近似贪婪算法，在满足覆盖质量的前提下，求解最小感知质量。7.根据权利要求6所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤
3.4中对覆盖质量j
cov
的要求为j
cov
≥0.7。8.根据权利要求7所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤3.4中近似贪婪算法为在任意时刻逐个规划每个机器人的最优控制策略，通过遍历搜索方法求得最小感知质量。9.根据权利要求8所述的多机器人动态目标跟踪协同控制方法，其特征在于：所述步骤3.4中近似贪婪算法具体为：假设第1个机器人进行移动，固定其余n
‑
1个机器人的位置，求出满足覆盖质量要求下的所有可能感知质量j
sense
，选出最优感知质量所对应的第1个机器人的位置；保持第1个机器人在最优位置不动，假设第2个机器人移动，保持其他n
‑
2个机器人不动，求出所有可能的感知质量j
sense
，选出最优感知质量所对应的第2个机器人的位置；保持第1个机器人和第2个机器人在最优位置上不动，继续遍历剩余的n
‑
2个机器人，当遍历至第n个机器人时，求得该n个机器人组的最小感知质量。

技术总结
本发明公开了一种多机器人动态目标跟踪协同控制方法，包括：步骤1，建立移动目标的目标跟踪系统一般化模型，包括移动目标的运动学模型和目标跟踪系统的观测模型；步骤2，根据移动机器人的测量信息，采用扩展卡尔曼滤波算法估计当前时刻的目标状态信息，使用加权平均的方法，将多个机器人对目标的状态估计进行数据融合，作为当前时刻目标状态的最优估计，并对动态目标进行一步预测；步骤3，基于近似贪婪算法，在满足覆盖质量前提下，求解最小感知质量；步骤4，规划下一时刻多机器人移动路径，实现多机器人协同跟踪。本发明可以实现多机器人对动态目标的实时跟踪，相较于传统算法，大幅度降低计算量的同时保证了跟踪精度。低计算量的同时保证了跟踪精度。低计算量的同时保证了跟踪精度。


技术研发人员：于丹 王谦
受保护的技术使用者：南京航空航天大学
技术研发日：2021.08.25
技术公布日：2021/9/24