利用不确定运动模型的基于模型的控制的制作方法

技术特征：
1.一种用于控制系统的设备，包括：存储器，所述存储器被配置为存储粒子滤波器，所述粒子滤波器被配置为基于粒子集合到测量模型的拟合来估计所述粒子的权重，其中粒子包括所述系统的具有不确定性的运动模型以及所述系统的状态，所述运动模型被建模为所述系统的可能的运动模型上的高斯过程，所述系统的状态是在有所述粒子的运动模型的不确定性的情况下确定的，其中一个粒子的运动模型的高斯过程的分布不同于另一粒子的运动模型的高斯过程的分布，其中粒子滤波器的每次执行根据所述系统的控制输入和所述粒子的具有所述不确定性的运动模型来更新所述粒子的状态，并且通过将所述粒子的状态拟合到受测量噪声的条件下的所述测量模型中来确定所述粒子的权重；以及处理器，所述处理器被配置为：执行所述粒子滤波器以生成每个粒子的权重和在有每个粒子的运动模型的不确定性的情况下确定的每个粒子的状态；基于在有粒子的运动模型的不确定性的情况下确定的所述粒子的状态和在没有所述粒子的运动模型的不确定性的情况下确定的所述粒子的状态之间的差异，更新所述粒子的高斯过程的分布；将所述运动模型的当前估计确定为根据所述粒子的权重加权的、所述粒子的运动模型的加权组合；将所述系统的状态的当前估计确定为根据所述粒子的权重加权的、所述粒子的状态的加权组合；以及执行控制器，所述控制器被配置为：基于所述运动模型的当前估计和所述系统的状态的当前估计来产生所述控制输入的值，以及使用所述控制输入的所述值来控制所述系统。2.根据权利要求1所述的设备，其中，每个粒子的高斯过程被参数化为基本函数集合的加权组合，其中，所述高斯过程的分布是具有均值和尺度的学生t分布，所述均值定义所述加权组合的权重，所述尺度定义所述粒子的运动模型的不确定性。3.根据权利要求2所述的设备，其中，所述基本函数的权重被建模为权重矩阵，其中，所述权重矩阵是矩阵正态分布的。4.根据权利要求2所述的设备，其中，所述粒子滤波器的执行从所述学生t分布采样以生成所述系统的具有所述不确定性的运动模型。5.根据权利要求2所述的设备，其中，所述粒子滤波器的执行根据所述学生t分布来产生随机数采样，确定在没有所述粒子的运动模型的不确定性的情况下的所述粒子的状态，并且根据所述随机数来更新在没有所述粒子的运动模型的不确定性的情况下的所述粒子的状态，以生成在有所述粒子的运动模型的不确定性的情况下的所述粒子的状态。6.根据权利要求2所述的设备，其中，在没有所述运动模型的不确定性的情况下的所述粒子的状态是通过利用由所述学生t分布的均值定义的运动模型更新所述状态而确定的。7.根据权利要求1所述的设备，其中，确定所述控制输入的控制器是基于模型的控制器。8.根据权利要求7所述的设备，其中，所述基于模型的控制器根据所述运动模型的不确定性估计和所述状态的不确定性估计来改动其控制输入。9.根据权利要求1所述的设备，其中，所述处理器对于所述运动数据中的每个时间步长
执行所述粒子滤波器，所述粒子滤波器被配置为：确定粒子集合，每个粒子表示利用从被表示为高斯过程的所述运动模型的概率分布取得的所述运动模型的采样确定的所述系统的状态；以及将来自所述粒子集合的每个粒子的状态与根据所述测量模型的所述状态的测量进行比较，以确定每个粒子的权重，所述权重表示所述粒子的状态和所述测量所指示的状态轨迹之间的误差。10.根据权利要求1所述的设备，其中，被控系统是车辆，其中所述控制输入包括指定所述车辆的车轮的转向角度和车轮的旋转速度中的一个或组合的值的命令，并且其中所述测量包括所述车辆的旋转速率和所述车辆的加速度中的一个或组合的值，每个状态包括所述车辆的速度和转首角速度，以使得所述运动模型通过所述车辆在连续的时间步长的动态将所述控制输入的值与所述车辆的状态的第一值关联，并且所述测量模型将所述测量的值与所述车辆的状态在同一时间步长的第二值关联。11.一种用于控制系统的方法，其中，所述方法使用处理器，所述处理器耦合到存储器，所述存储器存储粒子滤波器，所述粒子滤波器被配置为基于粒子集合到测量模型的拟合来估计所述粒子的权重，其中粒子包括所述系统的具有不确定性的运动模型以及所述系统的状态，所述运动模型被建模为所述系统的可能的运动模型上的高斯过程，所述系统的状态是在有所述粒子的运动模型的不确定性的情况下确定的，其中一个粒子的运动模型的高斯过程的分布不同于另一粒子的运动模型的高斯过程的分布，其中所述粒子滤波器的每次执行根据所述系统的控制输入和所述粒子的具有所述不确定性的运动模型来更新所述粒子的状态，并且通过将所述粒子的状态拟合到受测量噪声的条件下的所述测量模型中来确定所述粒子的权重，其中所述处理器与实现所述方法的所存储的指令耦合，其中所述指令在被所述处理器执行时，执行所述方法的步骤，所述步骤包括：执行所述粒子滤波器以生成每个粒子的权重和在有每个粒子的运动模型的不确定性的情况下确定的每个粒子的状态；基于在有粒子的运动模型的不确定性的情况下确定的所述粒子的状态和在没有所述粒子的运动模型的不确定性的情况下确定的所述粒子的状态之间的差异，更新所述粒子的高斯过程的分布；将所述运动模型的当前估计确定为根据所述粒子的权重加权的、所述粒子的运动模型的加权组合；将所述系统的状态的当前估计确定为根据所述粒子的权重加权的、所述粒子的状态的加权组合；以及执行控制器，所述控制器被配置为：基于所述运动模型的当前估计和所述系统的状态的当前估计来产生所述控制输入的值，以及使用所述控制输入的所述值来控制所述系统。12.根据权利要求11所述的方法，其中，每个粒子的高斯过程被参数化为基本函数集合的加权组合，其中，所述高斯过程的分布是具有均值和尺度的学生t分布，所述均值定义所述加权组合的权重，所述尺度定义所述粒子的运动模型的不确定性。13.根据权利要求12所述的方法，其中，所述基本函数的权重被建模为权重矩阵，其中，所述权重矩阵是矩阵正态分布的。14.根据权利要求12述的方法，其中，所述粒子滤波器的执行从所述学生t分布采样以
生成所述系统的具有所述不确定性的运动模型。15.一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质上包含处理器可执行的用于执行方法的程序，所述介质存储粒子滤波器，所述粒子滤波器被配置为基于粒子集合到测量模型的拟合来估计所述粒子的权重，其中粒子包括所述系统的具有不确定性的运动模型以及所述系统的状态，所述运动模型被建模为所述系统的可能的运动模型上的高斯过程，所述系统的状态是在有所述粒子的运动模型的不确定性的情况下确定的，其中一个粒子的运动模型的高斯过程的分布不同于另一粒子的运动模型的高斯过程的分布，其中粒子滤波器的每次执行根据所述系统的控制输入和所述粒子的具有所述不确定性的运动模型来更新所述粒子的状态，并且通过将所述粒子的状态拟合到受测量噪声的条件下的所述测量模型中来确定所述粒子的权重，所述方法包括：执行所述粒子滤波器以生成每个粒子的权重和在有每个粒子的运动模型的不确定性的情况下确定的每个粒子的状态；基于在有粒子的运动模型的不确定性的情况下确定的所述粒子的状态和在没有所述粒子的运动模型的不确定性的情况下确定的所述粒子的状态之间的差异，更新所述粒子的高斯过程的分布；将所述运动模型的当前估计确定为根据所述粒子的权重加权的、所述粒子的运动模型的加权组合；将所述系统的状态的当前估计确定为根据所述粒子的权重加权的、所述粒子的状态的加权组合；以及执行控制器，所述控制器被配置为：基于所述运动模型的当前估计和所述系统的状态的当前估计来产生所述控制输入的值，以及使用所述控制输入的所述值来控制所述系统。

技术总结
使用粒子滤波器来控制系统，所述粒子滤波器被执行以基于粒子集合到测量模型的拟合来估计所述粒子的权重，其中粒子包括所述系统的具有不确定性的运动模型以及所述系统的状态，所述运动模型被建模为所述系统的可能的运动模型上的高斯过程，所述系统的状态是在有所述粒子的运动模型的不确定性的情况下确定的，其中一个粒子的运动模型的高斯过程的分布不同于另一粒子的运动模型的高斯过程的分布。所述粒子滤波器的每次执行根据所述系统的控制输入和所述粒子的具有所述不确定性的运动模型来更新所述粒子的状态，并且通过将所述粒子的状态拟合到受测量噪声的条件下的所述测量模型中来确定粒子权重。型中来确定粒子权重。型中来确定粒子权重。


技术研发人员：K
受保护的技术使用者：三菱电机株式会社
技术研发日：2019.12.11
技术公布日：2021/10/15