基于超声波传感器与红外传感器的移动机器人感测系统研制

文章利用超声波传感器与红外传感器各自的优点,设计了基于超声波传感器和红外传感器的移动机器人感测系统,该系统采用红外传感器补偿了超声波传感器的检测盲区,使移动机器人具有更大的感测范围,文章完成了感测系统软硬件设计,并进行了详细的理论和实验研究,实验结果表明本文设计的感测系统结构简单、精度高、重复性好、成本低,具有普遍的应用意义和广泛的应用价值。     

基于粒子滤波的移动机器人SLAM算法

针对FastSLAM算法对传感器精度要求较高,不适用于方向性差的超声传感器问题,提出了一种基于超声概率栅格地图环境特征点提取匹配的移动机器人粒子滤波同时定位与地图创建(SLAM)算法.该算法可分解为机器人位姿估计和环境路标估计2个部分.基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计;在建立全局超声概率栅格地图的基础上,利用概率栅格地图环境特征提取算法对环境路标坐标进行估计.实验证明,该算法较好地解决了超声测距传感器由于散射角大带来的特征点估计不准的问题,对环境路标和机器人轨迹的估计都比较准确.并对移动机器人累计误差进行了有效的补偿,减少了由于累积误差造成的移动机器人轨迹扭曲失真.     

一种高精度多传感器融合测距系统

通过测距系统计算机器人运动路径是机器人壁障、路径规划以及协作编队关键技术之一。根据移动机器人工作环境地形复杂、光线差等特点,采用高精度激光传感器和超声波传感器协同测距,以ARM9为核心设计了软硬件,在此基础上,研究了自适应加权平均数据融合算法,并分析了各传感器的误差和方差。经实验统计,多传感器融合比单一传感器测量精度平均提高了47%,测量误差减小到0.5 cm以内,表明本系统提高了测量精度和可靠性。     

机器人多传感器测距系统的数据融合

针对机器人工作环境的特点,提出了采用超声波与红外线传感器共同测距的方法,弥补了单一使用超声波传感器带来的缺陷.应用自适应加权数据融合技术,实现两种传感器在功能上的互补.实验结果表明,系统提高了整体测距精度,得到了被测距离更加准确的估计.     

基于一致性处理和模糊理论的数据融合算法研究

本文针对异类多传感器对同一物理量进行高精度测量,各测量数据的可靠度估计困难和如何对测量数据进行融合的问题,提出了对多传感器数据进行一致性处理的一种新方法,并基于模糊理论,用模糊贴近度的方法获得多传感器测量数据的融合结果。该方法计算简单,能够客观地反映各传感器测量数据的一致性和可靠程度。既无需知道数据的先验信息,也无需人为设定判别值。实例验证表明,该算法运算过程简洁、快速、有效,获取的结果具有更高的稳定性与精度,适合工程实际应用。     

CAN总线在移动机器人中的应用

移动机器人多路超声波传感器分别与中央处理器连接存在着数据线过多、中央处理器负担过重的问题．因此提出了基于CAN（Controller Area Network）总线的测距系统,设计了机器人的超声波测距系统的CAN总线硬件节点和软件结构,包括SJA1000CAN控制器及其初始化,CAN控制器数据接收程序和CAN控制器数据发送程序,并且讨论了数据发送过程。     

基于传感器数学模型的数据融合方法及避障研究

文章介绍了超声波传感器测距中存在的问题,提出了基于传感器数学模型的数据融合方法,在此基础上建立基于信息融合的移动机器人导航系统;结合模糊逻辑控制的方法,设计了符合人类驾驶经验的模糊控制器,以实现移动机器人在障碍物环境下的自主导航;最后用MATLAB模糊工具箱对该模糊控制器进行了仿真,结果表明,机器人能够自主避开障碍物,到达目的地。     

神经网络信息融合创建机器人栅格地图研究

该文主要研究未知环境下移动机器人栅格地图的创建方法。针对声纳传感器感知数据的不确定性,首先根据模糊逻辑和概率理论解释多个声纳的测距信息,然后使用模糊隶属度及概率表示栅格占用状态。通过神经网络在特征级的信息融合来减弱声纳传感器测量数据的测量误差,得到一个对环境的整体表示。仿真结果表明,这种方法通过多个不同传感器的测量值对同一栅格的解释,可以有效增加数据可靠性、提高数据精度、减小噪声干扰。总之,这个方法有着很好的健壮性以及准确性。     

基于EMA_UKF的移动机器人传感器故障诊断

针对移动机器人多传感器单个或组合故障的情况,提出一种基于EMA_UKF(expected mode augmentation-unscented Kalman filter)方法,用于解决传统固定结构交互多模型算法(FSMM)因模型数量多而造成实时性较差,以及扩展卡尔曼滤波(EKF)计算复杂且精度不高的问题。EMA_UKF方法将期望模型扩张算法(EMA)与无味卡尔曼滤波方法(UKF)相结合,首先利用模型集合自适应来确定期望模型;然后用期望模型扩张初始模型集,通过UKF滤波得到接近真实模型状态的估计结果,判断传感器故障类型。最后,通过与传统的FSMM方法的实验对比,表明该方法能够有效地判断出移动机器人单个或组合传感器故障类型,并且明显地提高了诊断精度。     

基于信任度的多传感器数据融合及其应用

针对多传感器信息采集系统中的数据不确定性问题,提出了一种基于信任度的多传感器数据融合方法.该方法首先定义一个模糊型指数信任度函数,对两传感器测得数据间的信任程度进行量化处理,并通过信任度矩阵度量各传感器测得数据的综合信任程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.分析土壤含水率的数据融合结果可知,应用所提出方法使融合结果的标准差降低至0.0084,随机干扰下变化幅度仅为0.0027%,不仅达到了比传统方法更高的融合精度,而且具有良好的抗干扰性.     

触觉传感阵列信号的信息融合处理

在智能机器人服装中,压力传感器阵列输出性能易受环境温度、电压扰动等非目标参量因素的影响,其间存在的交叉干扰常导致测量精度显著降低。针对上述问题,提出了一种新的用于测量分布压力的压电传感阵列及其信号处理的方法。设计了传感信号的处理流程;析取并有效地处理了置信距离矩阵和关系矩阵融合中的有用数据;提出了用概率最大值法和极大似然法对多传感器信息作有效融合处理的方法。实验结果表明,该方法可消除温度对压力传感器的影响,减小了单个传感器不确定性的误差影响,提高了压力分布测量数据的稳定性和测量精度,可显著改进压力图像重构精度。     

煤矿救援蛇形机器人环境建模方法研究

煤矿救援机器人的研究对煤矿救灾工作的顺利开展有着重要的现实意义,简要分析了煤矿救援机器人在环境建模方面的研究现状,针对煤矿事故发生后,救援蛇形机器人如何在恶劣的井下进行环境识别和建模,提出了一种变结构模糊神经网络的多传感器数据融合算法。重点讨论了该算法的原理,结合煤矿井下的特殊环境和蛇形机器人自身结构特点,采用超声波传感器、红外测距传感器、激光雷达传感器组来获得障碍物的距离、位置信息及环境类型信息,然后,利用模糊神经网络对这些信息进行融合,采用改进的BP算法对网络进行学习,通过对结论网络权值的调整,择优选取模糊规则,从而自动的调节模糊神经网络的结构。以机器人在靠近障碍物时的八类典型环境标志为依据,通过模糊神经网络识别出障碍物的形状,完成环境的建模。利用实验获得的一组数据进行了仿真,结果表明该算法实现了在不同环境中模糊隶属函数的自动生成和模糊规则的择优提取,适用于复杂的非线性系统,对于煤矿救援蛇形机器人的环境识别和建模是一种行之有效的方法。     

基于人工神经网络的卫星姿态信号处理

地球遥感卫星的技术难点之一是保持有足够的姿态控制精度．通常卫星的姿态由单一传感器获得,为得到高的姿态精度,需要对多个传感器信息进行综合处理．针对由惯性基准、红外地平仪和太阳敏感器组成的卫星姿态测量系统,提出并设计了带反馈的ＢＰ人工神经网络进行信号处理．研究表明,该方法可以抑制红外地平仪轨道周期误差和卫星进入阴影区时对测量系统的影响,从而使系统的测量精度得以很大提高．     

基于多传感信息的挖掘机器人导航及避障技术

为实现挖掘机器人在挖掘作业前,无碰撞安全行走到作业场所,采用视觉、红外及超声波传感器,采集挖掘机器人外界环境信息,通过红外及超声波传感器实现墙壁跟踪导航;依靠视觉传感器,实现巡线、道路识别、导引车辆跟踪导航;依靠光流法提取障碍物特征信息,实现路面障碍物的识别、避障。研究结果表明:综合使用多传感器信息,可以实现挖掘机器人的导航及避障目标。     

一种高精度超声波测距仪的设计与实现

在传统超声波测距基础上,结合硬件和软件两方面的控制,提出一种高精度超声波测距系统。在超声波发射部分创新性的使用MAX232芯片,缩小盲区;在信号放大部分添加时间增益补偿(TGC)电路,有效地解决远距离回波信号过于微弱而导致系统测量量程减小的难题;在接收部分采用双电压比较器整形电路并结合软件设计纠正回波前沿的方法来提高测量精度。同时在硬件上增加温湿度传感器SHT11,采取声速预置和媒质温度测量相结合的办法对声速进行修正,实现实时声速测量的功能,以降低声速变化对测量的影响。实验表明,该测距仪的设计能够实现减小盲区,增大量程（2cm-4m）,量程范围内误差控制在6mm以内的高精度测距要求。     

基于LPC2106的自主式移动机器人设计

以PHILPS公司的ARM单片机LPC2106为控制核心,提出了一种自主式移动机器人的设计方案,应用98C1051构成多超声传感器子系统控制电路,由此子系统实现对障碍物的测距及机器人的自主避障行走控制;通过光敏传感器实现机器人对光源的感知和寻找.通过无线通信芯片PTR2000实现移动机器人与计算机之间的无线通信.     

基于信息熵的城轨车辆应变传感器优化布置

针对传统的传感器优化方法在配置数量较多的情况下存在测点聚集的现象，基于信息熵理论分析了优化结果和预测误差间的关系，并提出了一种考虑预测误差的改进优化方法，将归一化模态应变能之和的倒数作为预测误差协方差矩阵的主对角元，非对角元由结合了测点距离和响应水平的指数相关方程表示，以最大化Fisher信息阵行列式值为目标，采用逐步累积法得到最优测点位置.城轨车辆构架有限元计算结果表明，改进的优化方法在三种评价准则的表现上均优于经典方法，并且显著降低了测点聚集效应，证实了改进方法用于转向架构架应变传感器配置的有效性.