一种基于IEKF的轮式移动机器人自定位算法

为使移动机器人在导航时能满足定位要求,提高其定位精度,提出一种将里程计、相机传感器和激光雷达信息进行融合的自定位算法。根据机器人的机械结构和运动方式对其建立运动学模型,由里程计推算出机器人在不同时刻的位置估计;利用相机传感器对环境中的路标特征进行识别并计算出两者之间的距离和夹角;将激光雷达所获得的机器人相对路标特征的距离和角度与相机传感器的信息进行匹配,并利用迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)算法融合里程计信息,最终得到较为精确的机器人的位置估计。仿真试验结果表明,该多传感器融合算法相对传统的定位方法具有更高的定位精度。     

基于主动信标和航位推测法的多机器人位置最优估计

针对一种新的多机器人交替定位方式,研究基于主动信标和航位推测法的多机器人位置估计算法. 指定多机器人中的3个保持静止作为信标机器人(不一定始终是同样3个机器人),其它机器人作为移动机器人. 通过超声波测距得到移动机器人与3个信标机器人的距离,并通过IEKF(iterated EKF)算法将距离信息和移动机器人的航位推测信息相融合,实现移动机器人位置的最佳估计. 轮流交换机器人作为主动信标的角色,即可实现多机器人的位置估计. 实验验证结果表明,移动机器人的位置估计误差在±10 mm之内;该方法有效,且不需要在环境中设置固定信标,可应用于未知环境.     

带等式状态约束的集合卡尔曼滤波算法

对含等式状态约束的非线性系统状态估计问题,本文考虑将集合卡尔曼滤波算法与估计投影方法结合,分别对每个状态粒子和加权平均后的状态估计向量使用估计投影方法,得到两种新的带约束的状态估计算法. 实验表明,与粒子滤波和不带约束的集合卡尔曼滤波相比,新算法的估计精度有所提高     

基于功能原理和模糊控制的路面附着系数估计

为从根本上解决轮胎参数变化影响估计精度的问题,文中不引入轮胎模型,提出了一种基于功能原理和模糊控制的路面附着系数估计算法.首先利用功能原理推算当前车辆状态下的利用附着系数,再通过模糊推理的方法由当前状态下的利用附着系数和滑移率推算当前行驶路面的峰值附着系数,然后利用Matalb软件建立车辆的三自由度模型,对估计算法进行了仿真分析.结果表明,文中算法能有效地估计路面附着系数,具有良好的实时性和准确性.     

基于改进模拟退火算法的工业机器人绝对定位精度提高

工业机器人在抛光大口径光学元件时由于其较低的绝对定位精度,使得加工元件较难达到较高的面形精度．本文提出一种通过考虑测量坐标系与机器人基坐标系之间的转换误差、机器人的运动学误差以及机器人法兰端到工具坐标系的测量误差等多误差源构建工业机器人综合误差模型的校准方法．通过仿真实验与PSO、AFSA、SA算法进行对比,证明改进后的Be-SA算法在辨识误差参数时具有更快的收敛速度和更高的精度．实验结果表明通过Be-SA算法辨识后的KUKAKR120R3900的平均绝对定位误差由2.497 mm降低为0.321 mm,最大绝对定位精度由3.358 mm降低为0.961 mm,构建的综合误差模型在辨识运动学误差参数时具有良好的适用性,改进后的Be-SA算法能有效提高机器人的绝对定位精度,对于磨抛大口径光学元件的性能提升具有重要参考价值．     

基于卡尔曼滤波的车辆状态与路面附着估计

建立了采用Dugoff轮胎模型的三自由度车辆估算模型,设计了基于联邦卡尔曼滤波理论的车辆行驶状态估计算法与基于扩展卡尔曼滤波理论的路面附着系数估计算法,使车辆状态估计与路面附着估计相互联系、闭环反馈、同时进行.选择典型工况,应用Car Sim与Matlab/Simulink联合仿真实验对车辆状态算法和路面附着估计算法进行了验证.结果表明:文中算法能够实现对车辆状态及路面附着系数的准确估计.     

滑动平均模型的极大似然辨识方法

根据极大似然原理,推导了滑动平均模型的极大似然参数估计算法.仿真结果说明:当数据长度较大时,提出的方法给出的参数估计精度高于增广最小二乘算法.     

室内IR-UWB高分辨时延估计改进算法

针对室内定位系统因多径分量的重叠和非视距传播直接影响时延估计精度的特点,采用具有高分辨特性的超宽带技术进行室内定位.而空间谱估计MUSIC算法作为一种高分辨的参数估计算法,经过变形能高精度的估计TOA时延,但仍存在谱峰搜索处理时延大的缺点.于是利用非视距传播的特点,采用MUSIC算法结合基于接收机结构的算法,改进现有的高分辨时延估计算法,仿真实验证明改进的算法可以在保证高精度时延估计的基础上降低算法复杂度.     

同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.     

基于MATLAB的6R机器人逆运动学求解分析

本文通过D-H方法建立6R机器人坐标模型,将机器人末端执行器位姿~0T_h逆解问题转化为末端腕部点位姿~0T_6的逆解问题,排除~0T_h中含常量d_6的多项式,大大简化了求运动学逆解的复杂度。通过反变换法求得6R机器人逆解,提出以"最短行程+关节运动同向"为原则确定机器人最优逆解的方法,可以降低机器人运动能量消耗,同时减少关节运动换向,提高机器人运行稳定性和可靠性。利用MATLAB进行编程,设置6R机器人"关节加权系数"及"关节运动同向加权系数",对上述运动学逆解求解及优化方法进行了验证,说明该分析方法是有效性的。     

巡检机器人全球定位系统/里程计组合定位方法

摘要：针对巡检机器人在校园环境中工作时,GPS信号易受树荫及较高建筑物遮挡而出现定位不准确的问题,提出GPS和ODO组合定位方法。该方法以GPS坐标信息为初始位置,里程计信息为主导航,GPS接收机的脉冲信号作为实时修正数据,利用卡尔曼滤波算法对系统状态进行最优估计,得到较为准确的状态估计值,最后利用状态估计值去修正系统的导航误差。同时在实验平台上进行验证仿真,实验结果表明,机器人以150cm/s的速度行驶80s后其轨迹误差能控制在5cm以内,得出利用多传感器融合技术可以提高机器人的定位精度和可靠性的结论,即通过对GPS和ODO组合定位方法能够有效提高机器人实时定位精度。     

并联机器人位姿误差分析

利用并联机器人的运动学反解模型,通过误差传递矩阵的求解来探讨机器人主要误差源与其位姿误差之间的关系,建立了并联机器人的位姿误差模型、并讨论了并联机器人主要误差源对位姿精度的影响,为实际误差的补偿与控制奠定了理论基础．     

3-TPT三维移动并联机器人机构的精度分析

针对具有相似平台的3-TPT型三维移动并联机器人进行了研究,根据其位置反解方程,采用机器人微分理论,以误差向量的范数表示动平台中心点的误差,建立了该机器人精度分析的数学模型.通过计算机仿真绘出了输出误差的走势图,分析研究了机器人的结构尺寸变化和位姿变化对机器人精度的影响,为该机器人机构的设计、制造及装配提供了指导性依据.     

串联机器人加工系统关节刚度的高精度辨识方法

提出一种串联机器人加工系统关节刚度的高精度辨识方法.首先,基于雅克比矩阵的Frobenius范数,得到串联机器人加工系统的灵巧性,并确定工作空间内可达姿态的灵巧性数值分布情况.然后,分别选取4组不同等级灵巧性的姿态进行关节刚度辨识实验,并计算出相应姿态下的关节刚度.最后,对辨识出的4组关节刚度的末端变形计算值与测量值进行相对误差分析.结果表明:随着灵巧性的增大,机器人关节刚度辨识的准确性越高;相较于灵巧性较小的姿态,灵巧性较大的姿态的末端变形计算值与测量值的相对误差可降低20%~50%.     

交互式地图匹配算法在组合导航中的应用

针对捷联惯性导航系统（SINS）/里程仪组合导航中车辆受初始对准偏差和测量器件自身误差等因素影响的精度随时间和位移增加而降低的问题,设计了交互式电子地图匹配修正新方案.通过车辆姿态角变化选择合适的地图匹配算法,并在转弯处精确反馈修正车辆坐标,同时利用定位误差修正初始对准偏差和里程仪刻度系数误差,降低其对以后导航定位的影响.仿真结果表明,采用交互式电子地图匹配算法,航向失准角偏差可很快收敛至2′左右,里程仪刻度系数偏差也降低至0.08%左右,能够实现系统的需要,跑车实验也证明了此方案的有效性.
     

基于激光跟踪仪的机器人运动学参数标定方法

工业机器人的连杆参数误差是影响其绝对定位精度的最主要因素，为改善机器人的绝对定位精度，借助了高精度且可以实现绝对坐标测量的先进测量仪器——激光跟踪仪，以及功能强大的CAM2 Measure 4．0配套软件，从机器人自身的运动约束出发，构建起实际的D—H模型坐标系，进而对运动学参数进行了修正，获得了关节变量与末端法兰盘中心位置在基坐标系下的准确映射关系．结果表明，标定后的平均误差及均方根误差均改善了40％以上，且该方法易于实现，通用性强，能明显改善精度．     

基于径向基神经网络的Delta机器人位置精度补偿

针对Delta并联机器人末端控制精度问题,提出一种基于RBF的提高Delta并联机构运动学控制精度的方法。首先对Delta并联机器人的运动学逆解进行分析,探讨了影响控制精度的因素和现有提高控制精度方法的局限性。其次,求解Delta并联机器人的工作空间,结合实际工作,通过试验采集训练样本。以末端实际位置为输入样本,末端的期望位置与实际位置之差为输出样本,进行RBF神经网络模型训练,得到末端实际位置与位置偏差之间的非线性映射关系,基于此设计位置补偿策略。最后,在Delta机器人平台上进行实验验证,使用训练好的RBF网络结合运动学逆解,对Delta机器人末端进行轨迹跟踪控制。实验结果表明,末端控制误差由±30mm减小到±5mm,有效的减少了末端位置误差,为Delta机器人精准控制提供了一种简单易行的方法。     

多关节机器人的自学习模糊全局滑模控制

针对模型不确定性多关节机器人的轨迹跟踪控制问题,研究多关节机器人全局滑模控制,为了削弱系统在滑动模态上的抖振,将模糊控制和全局滑模控制相结合,提出一种自学习模糊全局滑模控制方法.该方法利用模糊系统的输出代替全局滑模控制中的非连续开关切换量,并根据滑模变结构原理,设计自学习算法,动态调整模糊隶属函数的参数.通过对2关节机器人的仿真,结果表明在存在模型误差和外部扰动的情况下,该方法既能达到快速跟踪,又能很好地消除控制器的抖振.     

轮腿式机器人多运动模式运动学分析与建模

轮腿式移动机器人具有轮式、履带式和腿式等多种运动模式,对不同运动模式下的运动特性进行了分析,建立了轮式运动模式下的运动学方程,对履带运动模式下的转向运动学进行了运动学建模;通过对机器人在腿式模式的姿态描述,建立其运动学模型。为对轮腿式机器人进行综合运动分析,实现机器人控制提供了理论基础。     

空间机器人的SVM非线性补偿滑模控制研究

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。