首页 / 专利库 / 专利权 / 专利合作条约 / 第I章 / 国际申请 / 请求书 / 保护类型 / 专利 / 一种水下机器人多传感器融合与运动轨迹预测方法

一种机器人传感器融合与运动轨迹预测方法

阅读:140发布:2021-06-13

专利汇可以提供一种机器人传感器融合与运动轨迹预测方法专利检索,专利查询,专利分析的服务。并且本 发明 是一种 水 下 机器人 多 传感器 融合与运动轨迹预测方法,包括以下步骤:首先,对多个声呐观测数据进行融合;其次,建立 预测模型 ;最后,根据目标水下机器人过去和现在的运行轨迹,进行运行轨迹预测。该方法通过多 传感器数据 融合,采用多传感器信息融合获取水下环境信息的方式,充分利用数据冗余性和互补性,保证水下环境 感知 的准确性、快速性、 稳定性 ,本 专利 根据声呐观测到的水下机器人的数据利用关联 算法 进行航迹识别,对于不同声呐观测到水下机器人的航迹进行相似性判别,数据融合,最后进行轨迹预测。,下面是一种机器人传感器融合与运动轨迹预测方法专利的具体信息内容。

1.一种机器人传感器融合与运动轨迹预测方法,其特征是:监控测量船上安装有多个探测声呐,水下机器人上安装有响应信标,所述的水下机器人上安装有水深传感器,所述的监控测量船上安装有方向传感器和GPS模,所述的探测声呐用于按照周期向周围发射探测脉冲信号,所述的响应信标用于接收探测脉冲信号,并进行响应,探测声呐测出响应信标相对于探测声呐的距离和方向度,所述的水深传感器可以用来测量水下机器人所处的位置深度,所述的方向传感器和GPS模块用于将探测声呐测量到的水下机器人的距离和方向角度转化为大地坐标下的位置信息;具体检测方法如下:
步骤1,对多个传感器的观测数据进行融合;
步骤2,建立观测模型;
步骤3,根据目标过去和现在的位置轨迹,对后续的短时刻内的运行轨迹进行预测。
2.根据权利要求1所述的一种水下机器人多传感器融合与运动轨迹预测方法,其特征在于:所述的步骤1的具体计算过程如下:
设随机向量x∈Rn,基于L个探测声呐传感器观测,已知L个无偏估计为 即
设已知估计误差 的方差阵 和互协方差 阵。寻求x的
按矩阵加权无偏估计,融合估计,按矩阵加权线性最小方差最优融合公式如下:
其中Ai为加权矩阵,最优加权阵[A1,…AL]=(eTP-1e)-1eTP-1,最优融合估计误差方差阵为P0=(eTP-1e)-1。
3.根据权利要求2所述的一种水下机器人多传感器融合与运动轨迹预测方法,其特征在于:所述的步骤2中观测模型的建立方法具体为:
采样周期T0,首先考虑一维坐标与时间的观测模型:
y(t)=x(t)+δ(t)
其中y(t)表示tT0处声呐定位的观测值,x(t)表示被测目标在采样时刻tT0处真实位置,δ(t)表示声呐定位观测,可以假设零均值、方差为 的白噪声;方差 的估值可通过大量声呐观测数据用统计方法获得。
4.根据权利要求3所述的一种水下机器人多传感器融合与运动轨迹预测方法,其特征在于:所述的步骤3中运行轨迹的预测方法具体为:
设采样周期为T0,假设地面为平面,以地面为基准面,由于被测目标的深度是渐变的,若不考虑深度的变化预测为一个估计包含二维位置坐标(x,y)与时间t信息的三维空间轨迹;
若不考虑深度变化,被测目标的运动可以分解为向东运动和向北运动,被测目标向东运动状态变量xe(t)、 分别表示为在时刻tT0向东位置、速度、加速度;同理,设被测目标向北运动的状态向量xn(t), 被测目标在时刻tT0处与坐标原点的距
离ρ(t)和速度v(t)分别为:
由匀加速运动规律得被测目标向东运动方程:
向北运动方程为:
yxn(t)=xn(t)+δxn(t)
其中,ue(t)为向东加速度,un(t)为向北加速度,we(t)、wn(t)、δxe(t)、δve(t)、δxn(t)、δvn(t)为两两相互独立的白噪声;水下环境复杂,会出现不同程度的干扰,因此会产生一些误差,we(t)是向东方向的加速度误差,wn(t)向北方向的加速度误差,δxe(t)向东方向运动的位移误差,δve(t)向东方向运动的速度误差,δxn(t)向北方向运动位移误差,δvn(t)向北运动的速度误差;
向东和向北状态空间模型为:
Xe(t+1)=Φxe(t)+Bue(t)+Γwn(t)
Ye(t)=HXe(t)+ve(t)

Xn(t+1)=Φxn(t)+Bun(t)+Γwn(t)
Yn(t)=HXn(t)+vn(t)
5.根据权利要求4所述的一种水下机器人多传感器融合与运动轨迹预测方法,其特征在于:当向东和向北两个方向的噪声不相关时,由于向东和向北具有相同的状态空间模型,可对向东和向北两个方向上的运动进行单独处理,并对向东和向北两个方向的运动进行分别预测。
6.根据权利要求5所述的一种水下机器人多传感器融合与运动轨迹预测方法,其特征在于:所述的向东和向北两个方向上状态空间模型结合深度变化规律,对水下机器人的运动轨迹进行完整预测。

说明书全文

一种机器人传感器融合与运动轨迹预测方法

技术领域

[0001] 本发明属于机器人控制技术领域,具体的说是一种水下机器人多传感器融合与运动轨迹预测方法。

背景技术

[0002] 随着陆地资源日益枯竭,人们对海洋的探索越来越强烈。海洋资源开发潜巨大,但是,海洋开发需要借助各种设备及工具。人们希望借助这些工具,突破人类探索的局限,深入海底,探测海底资源、环境。首先开发水下机器人水下探测逐渐走向成熟,人们开始尝试进行不断技术革新,传统意义上水下机器人根据任务要求搭载不同的传感器进行水下环境的感知,完成相应的任务,这些只保证水下机器人作为个体完成任务要求,未进行全局监控,数据处理,将采集信息进行有效处理,使得过多获取信息,导致大量数据冗余,信息获取与处理未达到匹配,也无法根据当前监测到水下机器人数据,对水下机器人运动轨迹相对预测。

发明内容

[0003] 本发明要解决的技术问题是提供一种水下机器人多传感器融合与运动轨迹预测方法,该方法通过对多个声呐探测器采集到数据进行有效处理,根据采样数据的变化,进行运动轨迹、位置、方向的预估,从而对水下机器人进行有效控制。
[0004] 为解决上述技术问题,本发明采用的技术方案为:
[0005] 一种水下机器人多传感器融合与运动轨迹预测方法,其特征是:监控测量船上安装有多个探测声呐,水下机器人上安装有响应信标,所述的水下机器人上安装有水深传感器,所述的监控测量船上安装有方向传感器和GPS模,所述的探测声呐用于按照周期向周围发射探测脉冲信号,所述的响应信标用于接收探测脉冲信号,并进行响应,探测声呐测出响应信标相对于探测声呐的距离和方向度,所述的水深传感器可以用来测量水下机器人所处的位置深度,所述的方向传感器和GPS模块用于将探测声呐测量到的水下机器人的距离和方向角度转化为大地坐标下的位置信息;具体检测方法如下:
[0006] 步骤1,对多个传感器的观测数据进行融合;
[0007] 步骤2,建立观测模型;
[0008] 步骤3,根据目标过去和现在的位置轨迹,对后续的短时刻内的运行轨迹进行预测。
[0009] 所述的步骤1的具体计算过程如下:
[0010] 设随机向量x∈Rn,基于L个探测声呐传感器,已知L个无偏估计为即
[0011]
[0012] 设已知估计误差 的方差阵 和互协方差 阵。寻求x的按矩阵加权无偏估计,融合估计,按矩阵加权线性最小方差最优融合公式如下:
[0013]
[0014] 其中Ai为加权矩阵,最优加权阵[A1,…AL]=(eTP-1e)-1eTP-1,最优融合估计误差方差阵为P0=(eTP-1e)-1。
[0015] 所述的步骤2中观测模型的建立方法具体为:
[0016] 设采样周期T0,首先考虑一维坐标与时间的观测模型:
[0017] y(t)=x(t)+δ(t)
[0018] 其中y(t)表示tT0处声呐定位的观测值,x(t)表示被测目标在采样时刻tT0处真实位置,δ(t)表示声呐定位观测,可以假设零均值、方差为 的白噪声;方差 的估值可通过大量声呐观测数据用统计方法获得。
[0019] 所述的步骤3中运行轨迹的预测方法具体为:
[0020] 设采样周期为T0,假设地面为平面,以地面为基准面,由于被测目标的深度是渐变的,若不考虑深度的变化预测为一个估计包含二维位置坐标(x,y)与时间t信息的三维空间轨迹;
[0021] 若不考虑深度变化,被测目标的运动可以分解为向东运动和向北运动,被测目标向东运动状态变量xe(t)、 分别表示为在时刻tT0向东位置、速度、加速度;同理,设被测目标向北运动的状态向量xn(t), 被测目标在时刻tT0处与坐标原点的距离ρ(t)和速度v(t)分别为:
[0022]
[0023]
[0024] 由匀加速运动规律得被测目标向东运动方程:
[0025]
[0026]
[0027]
[0028]
[0029]
[0030] 向北运动方程为:
[0031]
[0032]
[0033]
[0034] yxn(t)=xn(t)+δxn(t)
[0035]
[0036] 其中,ue(t)为向东加速度,un(t)为向北加速度,we(t)、wn(t)、δxe(t)、δve(t)、δxn(t)、δvn(t)为两两相互独立的白噪声;水下环境复杂,会出现不同程度的干扰,因此会产生一些误差,we(t)是向东方向的加速度误差,wn(t)向北方向的加速度误差,δxe(t)向东方向运动的位移误差,δve(t)向东方向运动的速度误差,δxn(t)向北方向运动位移误差,δvn(t)向北运动的速度误差;
[0037]
[0038]
[0039]
[0040] 向东和向北状态空间模型为:
[0041] Xe(t+1)=Φxe(t)+Bue(t)+Γwn(t)
[0042] Ye(t)=HXe(t)+ve(t)
[0043] 和
[0044] Xn(t+1)=Φxn(t)+Bun(t)+Γwn(t)
[0045] Yn(t)=HXn(t)+vn(t)
[0046] 当向东和向北两个方向的噪声不相关时,由于向东和向北具有相同的状态空间模型,可对向东和向北两个方向上的运动进行单独处理,并对向东和向北两个方向的运动进行分别预测。
[0047] 所述的向东和向北两个方向上状态空间模型结合深度变化规律,对水下机器人的运动轨迹进行完整预测。
[0048] 该种水下机器人多传感器融合与运动轨迹预测方法能够产生的有益效果为:本专利是通过多传感器数据融合,采用多传感器信息融合获取水下环境信息的方式,充分利用数据冗余性和互补性,保证水下环境感知的准确性、快速性、稳定性。该方法根据声呐观测到的水下机器人的数据利用关联算法进行航迹识别,对于不同声呐观测到水下机器人的航迹进行相似性判别,数据融合,最后进行轨迹预测。附图说明
[0049] 图1为本发明一种水下机器人多传感器融合与运动轨迹预测方法中水下机器人航迹测量原理图。
[0050] 图2为本发明一种水下机器人多传感器融合与运动轨迹预测方法中多个观测数据融合逻辑框图
[0051] 图3为本发明一种水下机器人多传感器融合与运动轨迹预测方法的融合后的经度时间历程图。
[0052] 图4为本发明一种水下机器人多传感器融合与运动轨迹预测方法的融合后的经度、纬度时间历程图。

具体实施方式

[0053] 以下结合说明书附图和具体优选的实施例对本发明作进一步描述。
[0054] 如图1所示,一种水下机器人多传感器融合与运动轨迹预测系统,包括在监控测量船上安装有多个探测声呐,水下机器人上安装有响应信标,所述的水下机器人上安装有水深传感器,所述的监控测量船上安装有方向传感器和GPS模块,所述的探测声呐用于按照周期向周围发射探测脉冲信号,所述的响应信标用于接收探测脉冲信号,并进行响应,探测声呐测出响应信标相对于探测声呐的距离和方向角度,所述的水深传感器可以用来测量水下机器人所处的位置深度,所述的方向传感器和GPS模块用于将探测声呐测量到的水下机器人的距离和方向角度转化为大地坐标下的位置信息。
[0055] 一种水下机器人多传感器融合与运动轨迹预测方法如下:
[0056] 步骤1,对多个传感器的观测数据进行融合;设随机向量x∈Rn,基于L个探测声呐传感器,已知L个无偏估计为 即
[0057]
[0058] 设已知估计误差 的方差阵 和互协方差 阵。寻求x的按矩阵加权无偏估计,融合估计,按矩阵加权线性最小方差最优融合公式如下:
[0059]
[0060] 其中Ai为加权矩阵,最优加权阵[A1,…AL]=(eTP-1e)-1eTP-1,最优融合估计误差方差阵为P0=(eTP-1e)-1。
[0061] 步骤2,建立观测模型;设采样周期T0,首先考虑一维坐标与时间的观测模型:
[0062] y(t)=x(t)+δ(t)
[0063] 其中y(t)表示tT0处声呐定位的观测值,x(t)表示被测目标在采样时刻tT0处真实位置,δ(t)表示声呐定位观测,可以假设零均值、方差为 的白噪声;方差 的估值可通过大量声呐观测数据用统计方法获得。
[0064] 步骤3,根据目标过去和现在的位置轨迹,对后续的短时刻内的运行轨迹进行预测,设采样周期为T0,假设地面为平面,以地面为基准面,由于被测目标的深度是渐变的,若不考虑深度的变化预测为一个估计包含二维位置坐标(x,y)与时间t信息的三维空间轨迹;
[0065] 若不考虑深度变化,被测目标的运动可以分解为向东运动和向北运动,被测目标向东运动状态变量xe(t)、 分别表示为在时刻tT0向东位置、速度、加速度;同理,设被测目标向北运动的状态向量xn(t), 被测目标在时刻tT0处与坐标原点的距离ρ(t)和速度v(t)分别为:
[0066]
[0067]
[0068] 由匀加速运动规律得被测目标向东运动方程:
[0069]
[0070]
[0071]
[0072]
[0073]
[0074] 向北运动方程为:
[0075]
[0076]
[0077]
[0078] yxn(t)=xn(t)+δxn(t)
[0079]
[0080] 其中,ue(t)为向东加速度,un(t)为向北加速度,we(t)、wn(t)、δxe(t)、δve(t)、δxn(t)、δvn(t)为两两相互独立的白噪声;水下环境复杂,会出现不同程度的干扰,因此会产生一些误差,we(t)是向东方向的加速度误差,wn(t)向北方向的加速度误差,δxe(t)向东方向运动的位移误差,δve(t)向东方向运动的速度误差,δxn(t)向北方向运动位移误差,δvn(t)向北运动的速度误差。
[0081]
[0082]
[0083]
[0084] 向东和向北状态空间模型为:
[0085] Xe(t+1)=Φxe(t)+Bue(t)+Γwn(t)
[0086] Ye(t)=HXe(t)+ve(t)
[0087] 和
[0088] Xn(t+1)=Φxn(t)+Bun(t)+Γwn(t)
[0089] Yn(t)=HXn(t)+vn(t)
[0090] 进一步的,当向东和向北两个方向的噪声不相关时,由于向东和向北具有相同的状态空间模型,可对向东和向北两个方向上的运动进行单独处理,并对向东和向北两个方向的运动进行分别预测。
[0091] 进一步的,所述的向东和向北两个方向上状态空间模型结合深度变化规律,对水下机器人的运动轨迹进行完整预测。
[0092] 该种多传感器下的水下机器认航行轨迹的融合与预测是最优状态估计问题,根据不同声呐对于同一目标的观测状态,融合出各个声呐信息的最优状态,这样可以消除产生的随机误差,通过融合后的最优状态,进一步对水下机器人的航行轨迹进行预测。
[0093] 以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
相关专利内容
标题 发布/更新时间 阅读量
查全专利检索系统 2020-05-13 464
专利交易系统 2020-05-11 607
一种专利文献下载系统 2020-05-13 299
专利数据统计分析方法 2020-05-13 383
专利检索系统 2020-05-11 631
专利检索系统 2020-05-11 158
专利价值的评估方法 2020-05-11 508
专利数据分析系统 2020-05-12 276
一种专利指标分析系统 2020-05-12 747
专利信息自动采集方法 2020-05-12 495
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈