[发明专利]一种多移动智能体群的多个丢失位置智能体递推位置找寻方法

说明书

本发明提供一种多移动智能体群的多个丢失位置智能体递推位置找寻方法，多移动智能体群是指多移动智能体群是指多个移动智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，由于天气或地理原因造成多个移动智能体丢失位置，对于某个丢失位置移动智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量上的算法，实现对该丢失位置智能体位置找寻，采用扩展卡尔曼滤波算法和埃特金加速收敛方法递推实现全部丢失位置的移动智能体位置找寻。

技术领域

本发明涉及工业、国防、航空、救援等多移动智能体群应用功能研究，多移动智能体群是指多个移动 智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，组成移动体群的每个 个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等， 由于天气或地理原因造成多个移动智能体丢失位置，对于某个丢失位置移动智能体采用邻近检测、接收信 息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的 三边定位算法和三角角度测量上的算法，实现对该丢失位置智能体位置找寻，采用扩展卡尔曼滤波算法和 埃特金加速收敛方法递推实现全部丢失位置的移动智能体位置找寻。

背景技术

多移动智能体群是由不同个体相互协作、互相适应形成的连贯紧密的有机整体。自然界中的集群是 一个完全依靠简单规则管理的实体。如图1所示，自然界中生物群集活动现象，其中最主要的特点是群集 活动中的个体生物可以依据相邻个体状态自主规划自身状态。对移动智能体群的研究进入“网络化系统与 图论描述”阶段，如图2所示，群体系统是由许多个体通过某种特定的相互作用所形成的一类网络化系统。 个体之间的相互作用关系在数学上可以利用图论方法进行描述和研究。在此阶段，学者们在对自然生物群 落建模仿真的基础上，从对表象模拟推演层面跨越到从理论角度探寻个体与系统整体之间的关系层面。最 近，针对多智能体系统理论的研究进入实际应用阶段。大量的工作侧重于实际问题，尤其是工业、战争应 用中出现的问题。

多移动智能体群通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、 功能及行为特性。移动智能体通过传感器技术获得自己的位置信息，从而保证移动智能个体与个体之间关 系对群组整体行为表现，如图3所示，影响具体表现在如下三个方面：(1)聚集：使整个组群中的智能体 紧密相邻；(2)距离保持：相邻智能体保持安全距离；(3)运动匹配：相邻智能体运动状态相同。在陆地、 陆空等复杂测环境、气候多样、背景复杂等移动智能体通过传感器会无法获得位置信息，以及恶劣天气背 景混杂情况下，智能体通过传感器易受雨雪、雾霾、夜间等天气影响会无法获得位置信息，丢失位置信息的移动智能体会对临近的其它个体造成碰撞损坏，这样多移动智能体群无法保持整体行为表现。

发明内容

本发明的目的在于一种多移动智能体群的多个丢失位置智能体递推位置找寻方法，利用多智能体群 具有“个体智能+通信网络＝整体运动行为”特点，组成移动体群的每个个体都具有一定的自主能力，包括 一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，由于天气或地理原因造成多个移 动智能体丢失位置，对于某个丢失位置移动智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间 (TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量 上的算法，实现对该丢失位置智能体位置找寻。对于多个移动智能体丢失位置找寻采用信号与噪声的状态 空间模型，利用其它移动智能体的估计值和现时刻的观测值来更新对状态变量的估计，求丢失位置移动智 能体的的估计值。采用埃特金加速式的多步估计算法和预报校正式估计算法，提高迭代法收敛速度的有效 途径，采用扩展卡尔曼滤波算法和埃特金加速收敛方法递推实现全部丢失位置的移动智能体位置找寻。