基于主无人机优选的分层式无人机群EKF协同定位方法及系统

    公开(公告)号:CN117053788A

    公开(公告)日:2023-11-14

    申请号:CN202310794375.9

    申请日:2023-06-30

    Abstract: 本发明基于主无人机优选的分层式无人机群EKF协同定位方法及系统,涉及无人机定位技术领域,为解决现有技术中当主无人机层的主无人机数量过多时,会出现信息冗余,导致定位效率低,影响同步的问题。包括步骤:S1、构建目标从无人机i的运动方程、观测方程以及先验协方差表达式;S2、计算各个主无人机的选择因子,确定优选主无人机;S3、计算从无人机i与优选主无人机j的量测值,计算经一致性处理后的量测值uj和协方差矩阵Uj;S4、计算一致性处理的卡尔曼增益Mi;S5、计算目标从无人机i的量测增益矩阵Kti;S6、对状态估计值和协方差矩阵进行更新。本发明方法可提高无人机群的定位精度,保证无人机系统的稳定性。

    一种多无人船动态任务分配方法及系统

    公开(公告)号:CN116993073A

    公开(公告)日:2023-11-03

    申请号:CN202310791644.6

    申请日:2023-06-30

    Abstract: 本发明提供一种多无人船动态任务分配方法及系统,属于多无人船任务分配领域。为解决传统CBBA算法的代价函数仅包含时间代价的计算,在具有时间窗约束环境下时会得出不满足约束要求的任务分配方案,导致复杂时间窗约束下的动态任务重分配问题时航程长、任务完成度低的问题。通过建立任务初始分配模型,对新增任务进行处理,根据距离奖惩因子进行任务构建,根据时间窗约束对任务序列进行更新,而后进行冲突消解过程,最后判断无人船之间是否达成共识。以传统CBBA算法为基础引入优选任务集群、距离奖惩因子以及考虑时间窗约束的任务包更新过程,在处理多无人船动态任务重分配问题上更具优势,尤其是在较大规模环境下更具优势。

    一种基于改进A-Star算法与DWA算法的动态环境路径规划方法及系统

    公开(公告)号:CN116909266A

    公开(公告)日:2023-10-20

    申请号:CN202310737569.5

    申请日:2023-06-21

    Abstract: 本发明提供一种基于改进A‑Star算法与DWA算法的动态环境路径规划方法及系统,属于动态路径规划领域。为解决A‑Star算法无法躲避动态障碍物,DWA算法容易陷入局部最小值,会出现找不到路的情况,且缺乏二者有效融合的问题。本发明提出对机器人行驶路径长度和速度进行优化,对DWA算法先将路径点与改进A‑Star算法所规划路径的最小距离引入评价函数,再以预测轨迹末端距障碍物的最小距离来对评价函数中速度的系数进行选择,提高机器人在距障碍物较远时的行驶速度;使机器人在远离障碍物时以较快的速度运行,在靠近障碍物时,为保证行驶安全,以较缓慢的速度运行,这样既提高了整体的行驶速度,又保证了机器人的行走安全性。

    一种基于改进Bug2算法的无人船避障方法及系统

    公开(公告)号:CN116795113A

    公开(公告)日:2023-09-22

    申请号:CN202310754868.X

    申请日:2023-06-26

    Abstract: 本发明提供了一种基于改进Bug2算法的无人船避障方法及系统,属于无人船水面航行避障领域。为了解决现有Bug2算法在避障后需与m‑line线再次汇合才能结束避障运动且避障方向固定的问题。本发明使用毫米波雷达和摄像头作为船体探测设备,可准确感知船体周围环境信息,为了实现无人船避障提供了硬件设备支持;使用角度优化策略和绕行运动策略对其进行优化,优化后的Bug2算法既有效解决传统Bug2算法避障方向固定且避障路径冗余度过大的问题,又保留了传统Bug2算法的实时性强的特点,在面对复杂的海域时,本发明提出的避障算法的避障成功率更高且稳定性更强。

    一种基于聚类遗传算法的多无人船任务分配方法及系统

    公开(公告)号:CN116737336A

    公开(公告)日:2023-09-12

    申请号:CN202310660638.7

    申请日:2023-06-02

    Abstract: 一种基于聚类遗传算法的多无人船任务分配方法及系统,属于无人船任务分配领域。本发明为了兼顾任务分配方案求解时的效率、所求解的优良性和稳定性,最终实现无人船系统以最少的资源消耗完成最多的任务。首先利用K‑means算法进行数据处理,编写了改进的遗传算法,以此来确定中等规模无人船集群静态任务分配的最佳或次佳分配方案。为了兼顾任务分配方案求解时的效率和所求解的优良性,本发明在传统遗传算法的基础上,参考自适应算法的理念,首先利用K‑means算法进行数据处理,编写了改进的遗传算法,以此来确定中等规模无人船集群静态任务分配的最佳或次佳分配方案。本发明方法兼顾了任务分配方案求解时的效率、所求解的优良性和稳定性,实现无人船系统以最少的资源消耗完成最多的任务。

    一种增益补偿自适应滤波的SINS/DVL组合定位方法

    公开(公告)号:CN110146075B

    公开(公告)日:2022-06-21

    申请号:CN201910488837.8

    申请日:2019-06-06

    Abstract: 一种增益补偿自适应滤波的SINS/DVL组合定位方法,涉及高精度SINS/DVL组合定位。本发明是为了有效解决由于传统SINS/DVL组合导航的滤波算法灵活性不足的影响,导致定位精度较低的问题。本发明所述的一种增益补偿自适应滤波的SINS/DVL组合定位方法,首先基于捷联惯导系统和多普勒计程仪传感器的信息,获取相应状态初值和观测值;然后建立基于组合导航误差模型对应的系统方程和观测方程,用增益补偿改进自适应滤波算法对误差进行校正,并获取校正后目标的速度和位置误差信息;最后将获得的误差信息和捷联惯导与多普勒计程仪的观测信息进行融合,得出高精度的定位结果。

    一种基于最小误差传播的锚节点优化选择的最小二乘定位方法

    公开(公告)号:CN107404707A

    公开(公告)日:2017-11-28

    申请号:CN201710732823.7

    申请日:2017-08-24

    CPC classification number: H04W64/006 G01S5/0278 H04W4/70

    Abstract: 一种基于最小误差传播的锚节点优化选择的最小二乘定位方法,涉及锚节点优化选择的最小二乘改进定位方法。本发明是为了有效解决通信距离估计误差导致定位精度较低的问题。本发明所述的一种基于最小误差传播的锚节点优化选择的最小二乘定位方法,首先采用双边对等距离估计的方法获得未知节点到各个锚节点间距离估计的多个样本值,并统计分析,得到各个距离估计值的统计均值和统计标准差;然后采用动态滑动窗口和单遍扫描的方法获得距离估计统计均值及统计标准差乘积值最小的几个距离估计结果,并选择对应的锚节点构造最小二乘定位方程组;最后采用最小二乘准则获得高精度的定位结果。

    一种无线定位中锚节点优化选择算法

    公开(公告)号:CN107371237A

    公开(公告)日:2017-11-21

    申请号:CN201710732851.9

    申请日:2017-08-24

    CPC classification number: H04W64/003 H04W64/006 H04W72/1231 H04W76/40

    Abstract: 一种无线定位中锚节点优化选择算法,涉及最小二乘定位计算、最大似然定位计算过程中的锚节点优化选择。本发明是为了有效解决最小二乘、最大似然定位计算过程中锚节点的高效率优化选择问题。本发明所述的一种无线定位中锚节点优化选择算法,首先定义估计质量参数滑动窗口;然后采用估计质量参数滑动窗口在估计质量参数序列中单遍扫描,并不断进行比较和数值调整;最后获得高质量的距离估计值及其对应的锚节点,为后续高精度的最大似然、最小二乘定位计算提供支撑。

Patent Agency Ranking