基于DKCF算法的多机器人协同定位与弹性编队方法

本发明公开了一种基于分布式卡尔曼一致性滤波(DKCF)算法的多机器人协同定位与弹性编队控制方法。针对现有技术中存在的传感器噪声抑制不足及网络攻击下鲁棒性差等问题，本发明构建包含过程噪声的动态模型和测量噪声的传感器模型，提出加权融合观测数据的一致性状态估计方法。通过融合多模态冗余传感器信息，结合改进的DKCF，实现机器人间的协同状态估计，有效提升噪声环境下的定位精度；建立拒绝服务攻击下的弹性定位框架，通过分布式协同位置估计与编队控制器的联合设计，在保证编队精度的同时增强对网络攻击的鲁棒性。本发明在面对拒绝服务的网络攻击时仍能保持较高的定位精度和稳定的编队形态，显著提高了复杂场景下多机器人系统的安全协同性能。