張佳琳

?

基于電力設(shè)備坐標(biāo)殘跡的容災(zāi)導(dǎo)航算法

張佳琳

(哈爾濱商業(yè)大學(xué)研究生學(xué)院 哈爾濱 150028)

針對(duì)GPS災(zāi)難中的容災(zāi)導(dǎo)航和自動(dòng)尋路等問題，提出了充分利用電力設(shè)備坐標(biāo)殘跡的容災(zāi)導(dǎo)航算法DTNA；對(duì)該算法的核心思想、算法結(jié)構(gòu)與模塊、殘跡的表述結(jié)構(gòu)以及算法處理流程進(jìn)行了詳述。該算法采用了信息融合方法，通過電力設(shè)備殘跡坐標(biāo)實(shí)現(xiàn)可行道路的自動(dòng)生成；采用了二維疊加空間進(jìn)行“道路信息-尋路需求”匹配。仿真實(shí)驗(yàn)結(jié)果證明該算法的容錯(cuò)時(shí)耗較少，算法的運(yùn)行也無(wú)需占用過多的計(jì)算資源，具有良好的綜合性能；最后闡述了該算法的未來發(fā)展與應(yīng)用前景。

容災(zāi); 電力設(shè)備; 信息技術(shù); 導(dǎo)航 殘跡

全球定位系統(tǒng) (global positioning system, GPS)作為基于導(dǎo)航衛(wèi)星的分布式測(cè)距/距離、全球定位/導(dǎo)航系統(tǒng)，已在電力行業(yè)得到了較為廣泛的應(yīng)用[1]。該系統(tǒng)的組成包括：空間部分(24顆導(dǎo)航衛(wèi)星)、地面控制部分(主控站、地面天線、監(jiān)測(cè)站)和用戶設(shè)備(GPS接收機(jī)、衛(wèi)星天線)三部分構(gòu)成。通常，用戶通過衛(wèi)星天線和GPS接收機(jī)，就能在地球上的任何地點(diǎn)實(shí)施定位與測(cè)時(shí)[2-3]。目前，電力行業(yè)對(duì)GPS應(yīng)用較多，如：故障測(cè)距、系統(tǒng)運(yùn)行實(shí)時(shí)監(jiān)測(cè)、電網(wǎng)調(diào)度自動(dòng)化同步時(shí)間、故障錄波器時(shí)間同步、雷電定位系統(tǒng)、自動(dòng)控制與調(diào)節(jié)的標(biāo)準(zhǔn)時(shí)間等。因而帶有GPS坐標(biāo)的電力設(shè)備分布較廣。從目前的諸多研究成果來看，GPS系統(tǒng)在導(dǎo)航系統(tǒng)中的應(yīng)用還存在較多問題；首先，GPS作為非自主式的、我國(guó)沒有自主知識(shí)產(chǎn)權(quán)的定位導(dǎo)航系統(tǒng)，它的應(yīng)用往往受到國(guó)外政策等非技術(shù)因素的制約[2]；其次，由于電力系統(tǒng)所處環(huán)境錯(cuò)綜復(fù)雜，其中的橋梁、林區(qū)、坑道、密集建筑等地形地貌，都將對(duì)GPS系統(tǒng)的應(yīng)用構(gòu)成影響，特別是復(fù)雜電磁環(huán)境中，GPS系統(tǒng)的通信中斷時(shí)常發(fā)生。因此，結(jié)合GPS系統(tǒng)與電子地圖中的殘存數(shù)據(jù)，實(shí)現(xiàn)容災(zāi)導(dǎo)航，進(jìn)行自動(dòng)尋路，已成為當(dāng)前研究人員鉆研的熱點(diǎn)和難點(diǎn)之一[2]。由于現(xiàn)有的研究成果僅僅依托孤立的電子地圖中殘存的道路和坐標(biāo)信息進(jìn)行容災(zāi)[4-6]，因此少有成功應(yīng)用。目前國(guó)外較為先進(jìn)的解決方案(如GPS-discovery)存在下列問題[3]：首先是用于電力系統(tǒng)維護(hù)的交通工具數(shù)量較多，分布較廣，如果這些導(dǎo)航系統(tǒng)中的坐標(biāo)“殘跡”無(wú)法共享，則會(huì)帶來極大的信息浪費(fèi)[7-9]；其次，盡管大量的電力設(shè)備具有GPS坐標(biāo)，但僅自身的“殘跡”信息和靜態(tài)地圖，在復(fù)雜多變的電網(wǎng)環(huán)境中，進(jìn)行道路選擇等容災(zāi)工作是極為困難的[10-11]。針對(duì)上述問題，利用電力設(shè)施的坐標(biāo)殘跡，本文提出了一種新型容災(zāi)導(dǎo)航算法(disaster-tolerant navigation algorithm, DTNA)。

本文首先分析了當(dāng)前系統(tǒng)存在的問題，給出了詳細(xì)的解決思路；其次對(duì)算法的模型結(jié)構(gòu)和電力設(shè)備GPS坐標(biāo)“殘跡”數(shù)據(jù)結(jié)構(gòu)進(jìn)行了詳述，并給出算法流程；最后對(duì)比了算法的仿真性能，并分析其應(yīng)用前景。

1 算法分析

1.1 問題分解

目前廣泛應(yīng)用的GPS+電子地圖導(dǎo)航模式，在面對(duì)各種災(zāi)難時(shí)存在下列3個(gè)問題：

1) 大量既有的電力設(shè)備坐標(biāo)和資源被忽視和浪費(fèi)。目前已投入應(yīng)用的分布式容災(zāi)導(dǎo)航算法主要采用集中信息處理模式，即：大量的導(dǎo)航節(jié)點(diǎn)通過中心控制站或集中調(diào)度系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)融合與信息交換，而節(jié)點(diǎn)間并不進(jìn)行直接的數(shù)據(jù)交換與共享，諸如系統(tǒng)中已有的道路信息、電力設(shè)備的變更、GPS坐標(biāo)等數(shù)據(jù)均無(wú)法實(shí)現(xiàn)多節(jié)點(diǎn)共享；此種容災(zāi)模式、在實(shí)際應(yīng)用中問題較多，不但在處理性能方面存在中心瓶頸問題，而且當(dāng)中心控制站出現(xiàn)通信故障或宕機(jī)時(shí)，整個(gè)導(dǎo)航系統(tǒng)將無(wú)法引導(dǎo)各節(jié)點(diǎn)[10-12]。與之形成鮮明對(duì)比的是：目前普遍裝備的導(dǎo)航計(jì)算機(jī)系統(tǒng)(節(jié)點(diǎn))往往具有較強(qiáng)的計(jì)算和存儲(chǔ)能力，卻不能物盡其用；較之遠(yuǎn)程通信，當(dāng)節(jié)點(diǎn)相遇或并行時(shí)，存儲(chǔ)在其中的電力設(shè)備殘跡數(shù)據(jù)卻不能共享，整個(gè)系統(tǒng)的容災(zāi)性能很差。

2) 大量已生成的導(dǎo)航信息利用率低下。盡管電子地圖中往往包含有大量電力設(shè)備的GPS坐標(biāo)，并在車輛行進(jìn)過程中生成了較多的道路數(shù)據(jù)，但這些數(shù)據(jù)都屬于“點(diǎn)”類型，數(shù)據(jù)表述的連續(xù)性較差，且具有用后即丟棄的“瞬態(tài)”特性；盡管電子地圖等導(dǎo)航設(shè)備的存儲(chǔ)空間較大，但缺少對(duì)應(yīng)的通路存儲(chǔ)備用機(jī)制，因此當(dāng)出現(xiàn)通信災(zāi)難時(shí)，節(jié)點(diǎn)與GPS系統(tǒng)失聯(lián)，無(wú)法獲取路途中的坐標(biāo)信息，也無(wú)法通過其他節(jié)點(diǎn)進(jìn)行更新，經(jīng)過一段時(shí)間后，既有的導(dǎo)航信息將消耗殆盡[13-15]。

3) 目前的組合導(dǎo)航系統(tǒng)中，由于相對(duì)于電子地圖中的坐標(biāo)，GPS信息是動(dòng)態(tài)的，這主要體現(xiàn)在：相同道路上的不同節(jié)點(diǎn)接收到的可行道路GPS坐標(biāo)，由于時(shí)間和位置不同而不完全相同；所以，一旦出現(xiàn)GPS通信災(zāi)難，電子地圖將不得不根據(jù)節(jié)點(diǎn)自身的運(yùn)行軌跡和殘存坐標(biāo)來代替GPS定位導(dǎo)航，而目前的容災(zāi)系統(tǒng)均缺少可行道路識(shí)別與匹配的相關(guān)算法，因而可行性較差[16-17]。

1.2 解決方案

針對(duì)第一個(gè)問題，本文算法改變了原有的信息集中共享模式，并充分利用了節(jié)點(diǎn)中殘存的電力設(shè)備坐標(biāo)“殘跡”；要求各節(jié)點(diǎn)從臨近的其他節(jié)點(diǎn)中盡可能獲取“殘跡”數(shù)據(jù)，從而保證自身在尋路過程中的數(shù)據(jù)自主性和全面性，但該算法避免節(jié)點(diǎn)間的中繼通信，以降低系統(tǒng)的電力和通信開銷，僅在節(jié)點(diǎn)彼此“相遇”時(shí)進(jìn)行信息交換。

針對(duì)第二個(gè)問題，本文算法在導(dǎo)航系統(tǒng)中構(gòu)建了“殘跡”用于容災(zāi)導(dǎo)航的數(shù)據(jù)結(jié)構(gòu)。但由于電力設(shè)備網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，節(jié)點(diǎn)數(shù)量龐大，而電子地圖和導(dǎo)航系統(tǒng)的存儲(chǔ)容量通常比較有限[18-19]，因此算法嚴(yán)格限制了此類數(shù)據(jù)的種類和容量，并采用了最優(yōu)淘汰機(jī)制進(jìn)行數(shù)據(jù)更新。由于電力施工和維護(hù)過程往往需要車輛進(jìn)入陌生地域，而在GPS出現(xiàn)災(zāi)難的情況下，導(dǎo)航系統(tǒng)中沒有相關(guān)信息，因此不但需要特定的信息共享協(xié)議，實(shí)現(xiàn)電子地圖的信息交換，以便實(shí)現(xiàn)陌生地域的導(dǎo)航與選路；而且需要構(gòu)建與之對(duì)應(yīng)的數(shù)據(jù)結(jié)構(gòu)和處理算法進(jìn)行高效的匹配與選擇操作。

針對(duì)第三個(gè)問題，由于電力設(shè)備網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜，其中的道路可行性又呈現(xiàn)較為明顯的隨機(jī)性。此外，由于電力設(shè)備網(wǎng)絡(luò)中的道路狀態(tài)構(gòu)成的描述空間相當(dāng)復(fù)雜，難以通過普通的數(shù)值計(jì)算方法進(jìn)行匹配和選擇。我國(guó)的科研人員立足現(xiàn)有硬件設(shè)備，廣泛采用了“以軟件算法彌補(bǔ)硬件性能”的做法，并取得了一定的成功[20-22]。本文算法基于前人研究成果采用了FCM聚類算法進(jìn)行道路聚類與匹配，通過實(shí)驗(yàn)發(fā)現(xiàn)效果良好。

1.3 算法模塊與數(shù)據(jù)結(jié)構(gòu)

本文算法的處理單元與基本流程如圖1所示。由于車載電子地圖等系統(tǒng)的處理能力較為有限，因此必須充分利用既有的電力設(shè)備坐標(biāo)殘跡，并采用精簡(jiǎn)算法模型，故而從結(jié)構(gòu)上看，本文算法較為精煉。

首先是殘跡管理單元。該單元主要通過兩種方式進(jìn)行殘跡數(shù)據(jù)收集：1) 災(zāi)難發(fā)生前，根據(jù)本節(jié)點(diǎn)所在位置(如未標(biāo)注的電力設(shè)備或道路關(guān)鍵點(diǎn)等)定時(shí)或定點(diǎn)進(jìn)行殘跡生成；2) 在節(jié)點(diǎn)相遇時(shí)，彼此從對(duì)方的車載電子地圖中共享相關(guān)數(shù)據(jù)。上述數(shù)據(jù)將在預(yù)處理后，保存在電子地圖中的存儲(chǔ)單元里，并可以通過1.5節(jié)中的算法進(jìn)行搜索或匹配。此外，該單元還用于容災(zāi)導(dǎo)航過程中的自我糾偏，如：當(dāng)節(jié)點(diǎn)經(jīng)過若干有GPS坐標(biāo)的電力設(shè)備時(shí)，該單元將電子地圖中自身現(xiàn)存的位置和這些事前驗(yàn)證過的坐標(biāo)進(jìn)行數(shù)據(jù)融合，從而發(fā)現(xiàn)導(dǎo)航偏差，并予以糾正。

圖1 DTNA算法結(jié)構(gòu)域與流程

其次是容災(zāi)導(dǎo)航單元。該單元可以在GPS災(zāi)難時(shí)，通過實(shí)時(shí)跟蹤行車路線(通過節(jié)點(diǎn)的速度和方向等參數(shù)累計(jì)求得)對(duì)節(jié)點(diǎn)的當(dāng)前位置進(jìn)行計(jì)算，并根據(jù)當(dāng)前位置和目的地之間的殘跡自動(dòng)實(shí)現(xiàn)道路選擇。由于導(dǎo)航誤差，同一條道路往往在電子地圖中被標(biāo)注為多條不同的道路。同時(shí)，地圖上的任意兩點(diǎn)之間可能存在多條可通行。為對(duì)上述問題進(jìn)行輔助決策，本單元采用了1.5節(jié)中的處理方法實(shí)施道路的評(píng)估和預(yù)測(cè)(匹配)，從中找出匹配程度最高、最為適宜的道路。

最后是雙向接口單元。第一種接口用于殘跡管理單元與電子地圖的數(shù)據(jù)通信，該接口上傳遞的數(shù)據(jù)主要是“道路關(guān)鍵點(diǎn)/殘跡隊(duì)列”；第二種接口用于殘跡管理單元與容災(zāi)導(dǎo)航單元之間的通信，該單元向上接收用戶提交的導(dǎo)航需求，向下接收整合后的殘跡數(shù)據(jù)，將選路輔助決策信息，通過電子地圖提供給用戶，實(shí)現(xiàn)“道路信息-尋路需求”匹配查找。

本文算法中的外來數(shù)據(jù)與自生成數(shù)據(jù)量較大，為統(tǒng)一進(jìn)行數(shù)據(jù)管理，采用了循環(huán)鏈表結(jié)構(gòu)來保存電力設(shè)備的坐標(biāo)殘跡以及道路的關(guān)鍵點(diǎn)信息，以便在GPS災(zāi)難發(fā)生時(shí)進(jìn)行道路輔助選擇。盡管本文算法以殘跡作為基本的數(shù)據(jù)支撐，但考慮到數(shù)據(jù)結(jié)構(gòu)的包容性，因此選擇了信息量較大的“道路標(biāo)志信息”記錄作為主元素，從而構(gòu)成鏈表。該鏈表以殘跡管理單元的信息生成順序和信息提供節(jié)點(diǎn)的ID為master/slave索引)，與其他簡(jiǎn)單鏈表不同，該鏈表的所有元素均以嵌入方式，鏈接了新鏈表，從而保存和管理該道路上的對(duì)應(yīng)數(shù)據(jù)，主要是道路標(biāo)志信息與殘跡數(shù)據(jù)。這些元素以GPS定位的產(chǎn)生時(shí)間和坐標(biāo)數(shù)據(jù)為master/slave索引。通過采用這種嵌入式鏈表結(jié)構(gòu)，算法能夠從橫向上管理對(duì)每條道路中包含的“殘跡”和關(guān)鍵點(diǎn)。從縱向上能夠以時(shí)間為依據(jù)，以相遇的每輛車的ID作為“道路標(biāo)志信息”的索引，同時(shí)能夠區(qū)分同路的不同節(jié)點(diǎn)生成的“不同道路”，從而為容災(zāi)導(dǎo)航提供了良好的數(shù)據(jù)基礎(chǔ)。算法通過該鏈表，可以實(shí)現(xiàn)道路的檢索和匹配操作，具體實(shí)現(xiàn)參見1.5節(jié)。

1.4 算法流程

本文算法的處理流程主要分為3段，如圖1所示：

1) 各節(jié)點(diǎn)通過兩種方式收集導(dǎo)航坐標(biāo)。一方面在行進(jìn)途中，人工或自動(dòng)記錄和保存各種電力設(shè)備的GPS坐標(biāo)，另一方面對(duì)行駛過的道路進(jìn)行關(guān)鍵點(diǎn)數(shù)據(jù)采集，以便在GPS災(zāi)難發(fā)生時(shí)使用。在此階段，當(dāng)節(jié)點(diǎn)能夠彼此直接通信時(shí)(例如平行或錯(cuò)車時(shí))，算法將通過直接通信方式交換兩類容災(zāi)數(shù)據(jù)：當(dāng)前自身信息(如：根據(jù)多坐標(biāo)測(cè)量算法生成的當(dāng)前所在位置坐標(biāo))，及電子地圖中目前存在的道路“殘跡”數(shù)據(jù)(包括道路上各關(guān)鍵點(diǎn)的坐標(biāo)、路況等數(shù)據(jù))。

2) 自動(dòng)容災(zāi)導(dǎo)航階段。當(dāng)GPS災(zāi)難發(fā)生時(shí)，算法將從嵌入電子地圖的殘跡二維疊加空間中提取數(shù)據(jù)，加載于電子地圖的坐標(biāo)圖層；同時(shí)，算法將道路標(biāo)志信息通過人機(jī)接口模塊，一方面標(biāo)注于坐標(biāo)圖層，另一方面在節(jié)點(diǎn)通過這些坐標(biāo)附近時(shí)，提醒駕駛員進(jìn)行核對(duì)和驗(yàn)證，通過上述操作，算法一方面能對(duì)車輛自身所在位置進(jìn)行糾偏，另一方面為駕駛員進(jìn)行道路選擇提供輔助決策。

3) 人機(jī)交互階段。節(jié)點(diǎn)需要進(jìn)行自動(dòng)容災(zāi)導(dǎo)航時(shí)，電子地圖接收到尋路的任務(wù)信息(如：源點(diǎn)、目標(biāo)點(diǎn)、當(dāng)前方向等)，算法將根據(jù)電子地圖中的殘跡數(shù)據(jù)，提供將任務(wù)信息在二維疊加空間進(jìn)行搜索，選擇其中最優(yōu)的道路殘跡，并通過電子地圖展示給駕駛員，以供選擇參考。

1.5 殘跡數(shù)據(jù)處理算法

針對(duì)上述需求，本文提出了基于信息融合的殘跡數(shù)據(jù)處理方法，可以假設(shè)兩條道路向量分別為和，兩條道路中的關(guān)鍵信息點(diǎn)數(shù)量分別為l和l，其中相近點(diǎn)(分布式導(dǎo)航標(biāo)準(zhǔn)為兩點(diǎn)間距離50米)共有個(gè)，則這兩條道路的相似度(也可用于“道路信息-尋路需求”匹配查找)可描述為：

式中，∈[0,1]，而為道路相近點(diǎn)控制閾值，需根據(jù)具體情況配置?；谏鲜鱿嗨贫缺硎?，本文算法采用FCM算法實(shí)現(xiàn)了基于劃分的道路聚類子算法，該算法的核心思想是同一類道路之間的相似度最高。相對(duì)于其他算法對(duì)于道路相似的劃分而言，F(xiàn)CM算法是柔性的、模糊的劃分，因而適于處理殘跡點(diǎn)數(shù)不同、相近點(diǎn)交錯(cuò)出現(xiàn)的道路數(shù)據(jù)。該算法的主要處理過程可以表述為：在道路選擇或匹配過程中，通過迭代選優(yōu)，刷新各道路的“殘跡”中心，以及相關(guān)的隸屬度矩陣中的數(shù)據(jù)，直到相關(guān)道路數(shù)據(jù)接近準(zhǔn)則函數(shù)的極小值：

式中，={1,2, …,v}，為道路以某一殘跡w為中心的矢量；相關(guān)權(quán)重可表述為：；，為正定矩陣，當(dāng)時(shí)，是歐氏距離。式(2)的相關(guān)約束條件設(shè)定為，此時(shí)，使用拉格朗日乘數(shù)算法進(jìn)行處理，得到下列無(wú)約束準(zhǔn)則：

式(3)達(dá)到極小值的必要條件為：

根據(jù)上述兩個(gè)條件，綜合式(3)則有：

將(6)引入上式(5)可得：

由此可得：

將式(8)引入式(6)，可得：

由式(10)引出：

根據(jù)上述推導(dǎo)，結(jié)合道路匹配和選擇的實(shí)際需求，可以得出本算法中的道路聚類算法步驟。

2 性能實(shí)驗(yàn)與分析

為驗(yàn)證算法的性能，將其與目前常見的GPS- discovery算法進(jìn)行了基于仿真實(shí)驗(yàn)的平行對(duì)比[2]。GPS-discovery算法是一種常見于車載導(dǎo)航系統(tǒng)中的通用容災(zāi)算法，主要應(yīng)用于CAN車載現(xiàn)場(chǎng)總線系統(tǒng)中。由于其性能優(yōu)良，已有多款智能導(dǎo)航系統(tǒng)中嵌入了該算法，實(shí)踐證明該算法具有一定的容災(zāi)能力，但在精度和時(shí)耗上還需要進(jìn)一步提高。仿真實(shí)驗(yàn)中模擬了20個(gè)節(jié)點(diǎn)(電力施工/維護(hù)車輛)在20 km′

20 km(其中帶有GPS坐標(biāo)的電力設(shè)備數(shù)量為100～300個(gè)，設(shè)備間最小間距為100 m)的地幅內(nèi)遭遇GPS通信災(zāi)難的場(chǎng)景，設(shè)定車輛間的數(shù)據(jù)傳輸距離為200 m，節(jié)點(diǎn)間采用全雙向(通訊速率為64 K/s)，車輛的速度設(shè)定為10 km/h～60 km/h隨機(jī)生成。分別通過兩種算法記錄其仿真過程來度量其性能；仿真地圖中共設(shè)置了12條通路，同時(shí)，模擬的車載電子地圖中隨機(jī)預(yù)設(shè)了2～5條已知坐標(biāo)序列的道路，并至少包含一條正在生成的道路殘跡序列。

圖2 兩種容災(zāi)算法的時(shí)耗對(duì)比

從宏觀上看，圖2展示的是兩種算法在仿真實(shí)驗(yàn)中克服GPS災(zāi)難，同效果容災(zāi)(達(dá)到相同的容災(zāi)程度)引導(dǎo)區(qū)域中所有車輛脫困所需的平均時(shí)耗。如圖2所示，采用本算法的分布式導(dǎo)航系統(tǒng)，節(jié)點(diǎn)間能夠充分共享和融合電力設(shè)備的坐標(biāo)殘跡，因而較之目前常用的GPS-Discovery算法能夠更快地引導(dǎo)車輛尋找可行的道路，到達(dá)目的地。

圖3 兩種容災(zāi)算法的計(jì)算資源消耗對(duì)比

圖3展示了在歷次仿真實(shí)驗(yàn)中，虛擬節(jié)點(diǎn)中的兩種算法為完成容災(zāi)各自消耗的系統(tǒng)資源。電子地圖系統(tǒng)中最重要的是計(jì)算資源和存儲(chǔ)資源，盡管本算法數(shù)據(jù)結(jié)構(gòu)較為復(fù)雜，并且存在節(jié)點(diǎn)間“殘跡”共享操作，但該算法所需的存儲(chǔ)資源與GPS-discovery算法相比，并不存在明顯差別，因此未在圖中羅列(運(yùn)行本算法的虛擬節(jié)點(diǎn)平均所需的存儲(chǔ)空間較之運(yùn)行GPS-discovery算法的節(jié)點(diǎn)所需，相差在±4%以內(nèi))。而本算法所需的計(jì)算資源遠(yuǎn)少于GPS-discovery算法所需，因而更加適用于計(jì)算能力有限的電子導(dǎo)航系統(tǒng)。

從微觀上看，DTNA算法也具有較高的導(dǎo)航精度，如圖4所示。從兩次實(shí)驗(yàn)中各隨機(jī)選取了5臺(tái)虛擬車輛作為導(dǎo)航精度的監(jiān)測(cè)記錄對(duì)象，其中DTNA算法為A組，而GPS-Discovery算法為B組。如圖4所示，DTNA的導(dǎo)航精度全面(平均超過25%以上)超過了GPS-Discovery算法，而且在達(dá)到精度峰值之后，精度下降趨勢(shì)也較為平緩，保持了較高的個(gè)體導(dǎo)航精度，體現(xiàn)了算法較好的穩(wěn)定性。

圖4 兩種容災(zāi)算法的個(gè)體導(dǎo)航精度對(duì)比

3 結(jié) 束 語(yǔ)

從仿真實(shí)驗(yàn)結(jié)果來看，DTNA算法的道路選擇和匹配子算法的精度尚可，但對(duì)廣幅地域中海量殘跡數(shù)據(jù)的存儲(chǔ)和處理方法需要進(jìn)一步研究。此外，為充分利用駕駛員的經(jīng)驗(yàn)，還將進(jìn)一步研究容災(zāi)導(dǎo)航算法中的人機(jī)交互信息共享方法與技術(shù)，從而提高算法的適應(yīng)性和可用性。該算法的適用性改造包括以下兩個(gè)方面：首先是算法運(yùn)行環(huán)境的適用性改造，需要因地制宜的根據(jù)不同的運(yùn)行環(huán)境調(diào)整算法，從而發(fā)揮其最大功效，如：當(dāng)前嵌入式系統(tǒng)的存儲(chǔ)器大大增加，該算法可以適當(dāng)以存儲(chǔ)換計(jì)算，擴(kuò)大殘跡的存儲(chǔ)量，從而提高算法的運(yùn)行速度和精度；其次是算法的跨平臺(tái)適應(yīng)性改造，該算法當(dāng)前采用C語(yǔ)言開發(fā)，未來可以考慮采用JAVA改造，從而實(shí)現(xiàn)多平臺(tái)一體化，保證算法的可移植性，使得不同平臺(tái)上的導(dǎo)航系統(tǒng)能在發(fā)生災(zāi)難時(shí)，相互提供容災(zāi)信息。

[1] 劉雯靜, 張童飛, 胡志珍, 等. 基于超聲和無(wú)線組網(wǎng)的超高樹障在線監(jiān)測(cè)裝置[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(10): 98-103.

LIU Wen-jing, ZHANG Tong-Fei, HU Zhi-zhen, et al. A transmission line monitoring device based on ultrasonic and wireless networking technologies[J]. 2013, 37(10): 98-103.

[2] 張佳琳, 趙琳. 基于殘跡融合的高可用分布式導(dǎo)航算法[J]. 四川大學(xué)學(xué)報(bào)(工程科學(xué)版), 2011, 43(3): 118-123.

ZHANG Jia-lin, ZHAO Lin. A high available distributed navigation algorithm based on access vestige fusion[J]. Journal of Sichuan University(Engineering Science Edition), 2011, 43(3): 118-123.

[3] 沈迪, 李建華, 朱瑞. 軍事信息系統(tǒng)容災(zāi)備份策略仿真研究[J]. 計(jì)算機(jī)仿真, 2013, 30(1): 23-27.

SHEN Di, LI Jian-hua, ZHU Rui. Simulation and researching of disaster backup strategy of military information system[J]. Computer Simulation, 2013, 30(1): 23-27.

[4] 李佩娟, 徐曉蘇, 王立輝, 等. 水下無(wú)源組合導(dǎo)航系統(tǒng)智能容錯(cuò)方法設(shè)計(jì)[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2013, 21(2): 221-225.

LI Pei-juan, XU Xiao-su, WANG Li-hui, et al. Design of intelligent fault-tolerant to passive underwater integrated navigation sys-tem[J]. Journal of Chinese Inertial Technology, 2013, 21(2): 221-225.

[5] 曲法義, 王小剛, 崔乃剛, 等. 基于慣導(dǎo)/GPS/視覺的無(wú)人機(jī)容錯(cuò)相對(duì)導(dǎo)航方法[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2013, 21(5): 781-786.

QU Fa-yi, WANG Xiao-gang, CUI Nai-gang, et al. Fault-tolerance relative navigation approach based on SINS/GPS/Vision for UAV[J]. Journal of Chinese Inertial Technology, 2013, 21(5): 781-786.

[6] GURKAN T, BILEL N, GIANPAOLO C. Unmanned aerial vehicle-aided communications system for disaster recovery[J]. Journal of Network and Computer Applications, 2014, 41(1): 27-36.

[7] BRANDON P S. Extreme management in disaster recovery[J]. Procedia Engineering, 2011, 14(3): 84-94.

[8] TUNA G, MUMCU T V, GULEZ K. Unmanned aerial vehicle-aided wireless sensor network deployment system for post-disaster monitoring[C]//The 8th International Conference on Intelligent Computing (ICIC). Huangshan, China: [s.n.], 2012, 304(1): 298-305.

[9] XU T, CHUDLEY J, SUTTON R. A fault tolerant multi-sensor navigation system for an unmanned surface vehicle[J]. Fault Detection, Supervision and Safety of Technical Processes, 2012, 12(3): 1503-1508.

[10] YANG Feng, CHENG Cheng, PAN Quan, et al. Practical integrated navigation fault detection algorithm based on sequential hypothesis testing[J]. Journal of Systems Engineering and Electronics, 2011, 22: 146-149.

[11] LI Xu, ZHANG Wei-gong. An adaptive fault-tolerant multisensor navigation strategy for automated vehicles[J]. IEEE Transactions on Vehicular Technology, 2010, 59(6): 2815-2829.

[12] LI Wen， LI Qing-dong, REN Zhang. On air data assisted INS/GPS fault-tolerant integrated navigation system[C]// The 2014 33rd of Control Conference (CCC). Beijing, China: [s.n.], 2014: 3282-3286.

[13] LIANG Yue-qian, JIA Ying-min, MATSUNO F. A fault-tolerant integrated navigation for UAV systems using time-variant vector distribution coefficients[C]//American Control Conference (ACC). Portland, OR, USA; IEEE, 2014: 678-683.

[14] PORTUGAL D, ROCHA R P. Scalable, fault-tolerant and distributed multi-robot patrol in real world environments [C]//International Conference on Intelligent Robots and Systems (IROS). Tokyo: IEEE, 2013: 4759-4764.

[15] USHAQ M, FANG Jian CHENG. A fault tolerant integrated navigation scheme realized through online tuning of weighting factors for federated kalman filter[J]. Applied Mechanics and Materials, 2014, 446(2): 1078-1085.

[16] LI Dan-yong, SONG Yong-duan, HUANG Dong, et al. Model-independent adaptive fault-tolerant output tracking control of 4WS4WD road vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2013, 14(1): 169-179.

[17] ZHAO Bo, SKJETNE ROGER, BLANKE MOGENS, et al. Particle filter for fault diagnosis and robust navigation of underwater robot[J]. IEEE Transactions on Control Systems Technology, 2014, 32(9): 1372-1381.

[18] USHAQ M, Fang Jian CHENG, ALI J. An adaptive & fault tolerant sins/gps integrated navigation scheme robustified against slowly growing errors in gps updates[J]. Applied Mechanics and Materials, 2013, 390(5): 500-505.

[19] ZENG Jing, GUO Xiao-song, ZHANG Guo-liang. Study on fault-tolerant method of mobile robot integrated navigation[J]. Applied Mechanics and Materials, 2013, 301(1): 468-474.

[20] 吳有龍, 王曉鳴, 曹鵬, 等. 一種改進(jìn)的故障檢測(cè)算法在組合導(dǎo)航中的應(yīng)用[J]. 北京理工大學(xué)學(xué)報(bào), 2015, 35(5): 494-499.

WU You-long, WANG Xiao-ming, CAO Peng, et al. A novel fault detection algorithm for integrated navigation system[J]. Transactions of Beijing Institute of Technology, 2015, 35(5): 494-499.

[21] 柳明. GPS失效下的無(wú)人機(jī)組合導(dǎo)航系統(tǒng)[J]. 濟(jì)南大學(xué)學(xué)報(bào), 2014, 29(2): 129-132.

LIU Ming. UAV integrated navigation system under GPS failure[J]. Journal of University of JiNan, 2014, 29(2): 129-132.

[22] 王融, 劉建業(yè), 熊智, 等. 基于序貫概率映射的組合導(dǎo)航自適應(yīng)容錯(cuò)算法[J]. 控制與決策, 2014, 29(10): 1861- 1865.

WANG Rong, LIU Jian-ye, XIONG Zhi, et al. Adaptive fault-tolerant algorithm based on sequential probability mapping for integrated navigation[J]. Control and Decision, 2014, 29(10): 1861-1865.

編 輯 蔣 曉

Novel Disaster-Tolerant Navigation Algorithm Based Electric Power Equipment Coordinate Vestiges

ZHANG Jia-lin

(Graduate School, Harbin University of Commerce Harbin 150028)

In order to achieve the electronic map disaster recovery and automatic routing, a novel disaster-tolerant navigation algorithm (DTNA) is proposed based on electric power equipment coordinate vestiges. The algorithm core idea, unit structures, vestige data structures and processing flows are given. The information fusion methods and electric power equipment coordinate vestiges are used to generate feasible ways automatically. And the algorithm used bi-dimensional space to match way information and way-finding needs. The simulation results show that DTNA has better time consumption and less computing consumption than the GPS-discovery algorithm.

disaster-tolerant; electric power equipment; information technology; navigation; vestige

TP393

A

10.3969/j.issn.1001-0548.2016.03.020

2014 - 11 - 02；

2015 - 06 - 07