移动机器人导航和定位技术

对移动机器人导航和定位技术的历史和现状进行了详细的分析、论述。阐述了机器人导航和定位技术的发展趋势。     

自主移动机器人定位技术研究综述

定位技术是自主移动机器人最基本也是最重要的技术之一。本文介绍了几种自主移动机器人的定位技术,着重分析了基于路标定位和概率定位的技术,及其各自的优点和局限性,并提出了今后研究的方向。     

卡尔曼滤波器在过程估计中的应用

提出了一种卡尔曼滤波算法,建立离散状态模型,运用MATLAB对直流电机进行分析,对过程进行估计.以一个平方信号作为过程输入,分别计算了无噪声过程响应和有噪声过程响应来加以比较.根据控制信号和测量输出估计过程输出和状态,卡尔曼滤波器的估计输出接近于无噪声过程的输出,状态估计也令人满意;估计输出信号的误差方差较小,效果良好.     

卡尔曼滤波器在液压系统辨识中的应用

一、概述众所周知,在对液压系统或元件进行控制和研究时,首要的任务就是用恰当的数学模型来描述被控对象的动态特性,只有掌握了数学模型才能对系统进行深入的研究和精确的控制。由于液压系统包含一些理论上难以精确确定的参数和非线性因素,以及系统参数随实际     

面向移动机器人自定位的无线网络构造算法及实现

针对移动机器人的自定位问题,研制一种无线定位网络结点,该结点由超声模块和无线射频模块组成,根据超声与无线射频信号的到达时间差计算机器人与网络结点的相对位置关系,借助扩展的卡尔曼滤波器实现机器人的自定位和对网络结点的同步定位.然后,提出一种无线定位网络的自主构建算法,通过机器人动态分配网络结点,实现对环境的完备最小覆盖.仿真与实验表明该网络构造算法及定位技术能够满足较大规模环境下移动机器人的自定位要求.     

一种带遗忘因子的自适应卡尔曼滤波器及其在移动机器人中的应用

在移动机器人姿态估计过程中,由于难以建立准确的系统模型,导致参数量测不准确。采用一种自适应卡尔曼滤波器,通过加入遗忘因子的方式改变滤波器对状态估计的信任程度,改善了系统中噪声统计模型不准确对测量结果的影响。仿真结果表明,当经验知识不足导致建立姿态测量模型不准确时,自适应卡尔曼滤波器的滤波效果优于传统卡尔曼滤波器,提高了姿态信号的估计精度。     

卡尔曼滤波器在角位移检测系统的应用

0 引 言 在对某单位的装备进行改造的过程中,需采用整角机进行角位移检测,为此,我们采用了如图1的检测方案。其中θ′和θ分别表示粗、精两个被测量,由变换器输出的sinθ,cosθ,     

多传感器融合在移动机器人运动控制中的应用

本文提出一种基于T-S模型的变结构模糊神经网络直接逆模型控制器，并将其应用于移动机器人的运动控制中。利用光电编码器进行自定位。同时，用扩展卡尔曼滤波器融合多个超声波传感器的测量值，并采用回塑算法，将融合值用于复位光电编码器，不仅消除了光电编码器累积误差的影响，并能满足实时控制的要求。仿真实验说明了该方法的有效性。     

基于卡尔曼滤波器的轮式机器人定位方法

以自主研发的两轮差动驱动轮式机器人为试验平台,以码盘、陀螺仪和数字罗盘作为机器人的定位系统,建立了两轮差动机器人的运动学方程,采用卡尔曼滤波器对3种传感器的数据进行融合,获得机器人的位置和姿态信息。     

卡尔曼滤波器在高频信号注入法中的应用

高频信号注入法估计永磁同步电机转子位置的精度,依赖于高频电流信号的提取.卡尔曼滤波器是对付白噪声的有力工具,本文针对高频注入信号的特点,设计了卡尔曼滤波器,并进行了仿真和实验研究.结果表明,经过卡尔曼滤波器的处理,电流信号信噪比大大提高.     

自适应卡尔曼滤波器在火箭弹落点估计中的应用

利用雷达对火箭弹一段飞行过程中的参数进行量测,对火箭弹落点进行了准确估计,实现了火箭弹的轨迹修正。采用具有自适应调节滤波增益矩阵的卡尔曼滤波器,结合质点弹道模型,建立了自适应卡尔曼滤波弹道模型,完成了对三坐标雷达探测的一段火箭弹飞行参数的野值处理与滤波,并对火箭弹落点进行外推。数值仿真结果表明,经自适应调节的卡尔曼滤波器滤波后,弹道量测信号中的野值与噪声被有效去除,且滤波方差可以在短时间内收敛。根据滤波时间与落点估计误差的关系,采用滤波时间为8-10 s 方案,可得到最佳的落点估计。     

遗传算法在自主移动机器人局部路径规划中的应用

针对自主移动机器人的导航,为便于路径的规划,使用了遗传算法的轨迹规划策略实现实时动态避障,移动机器人和障碍物的位置和方向可由视觉系统检测。着重于应用的编码技术和选择适应度函数来加速遗传算法的执行以便用于实时控制,所提出的算法的效率由实验验证。     

室内自主式移动机器人定位方法研究

定位是确定机器人在其工作环境中所处位置的过程。本文对室内自主式移动机器人的定位技术进行了研究。论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的发展方向。     

室内自主式移动机器人定位方法研究

定位是确定机器人在其工作环境中所处位置的过程.应用各种传感器感知信息实现可靠的定位是自主式移动机器人最基本、也是最重要的一项功能之一.本文对室内自主式移动机器人的定位技术进行了综述,介绍了当前自主式移动机器人定位方法的研究现状.同时,对国内外具有典型性的研究方法进行了较详细的介绍,并重点提出了几种室内自主式移动机器人通用的定位方法,对其中的地图构造、位姿估计方法进行了详细介绍.最后,论述了自主式移动机器人定位系统与地图构造中所面临的主要问题及其解决方法并指出了该领域今后的研究方向.     

移动机器人的蒙特卡罗自主定位算法研究

在分析基于贝叶斯估计的定位过程基础上,针对Markov定位算法需要大量存贮空间和计算量导致无法在较高频率下有效利用传感器信息的问题,利用基于采样的Monte Carlo方法解决移动机器人的自主定位问题。理论分析和仿真试验表明,Monte Carlo自主定位算法很大程度上提高了定位效率,能够更有效的利用传感信息且降低了传感信息不确定性的影响,在“绑架”后以及在中心对称环境中都表现出良好的全局定位性能。     

双目视觉在移动机器人定位中的应用

为采用双目视觉进行室内移动机器人定位,开发了一种室内移动机器人定位系统。介绍了双目视觉在机器人定位中的原理,采用移动机器人和MicronTracker视觉系统构建了定位实验系统,进行了测距实验,并分析了测距精度,最大误差为8.644mm,在此基础上进行了移动机器人双目视觉定位实验。实验结果表明,双目视觉定位最大偏差为3.635cm,定位精度较高而且系统稳定性好,受环境因素影响小,可满足机器人的定位精度要求。     

GPS/SINS组合导航系统中卡尔曼滤波器的应用

在现代生活中,GPS/SINS组合导航系统得到了越来越多的应用.文中介绍了卡尔曼滤波器在处理多个导航系统传来的数据中的应用,并且能够自动校正系统,以达到更高精度的要求.     

基于扩展Kalman滤波器算法的移动机器人同步定位与建图

针对移动机器人的同步定位与建图（SLAM）问题,提出了一种基于改进的扩展Kalman滤波算法的同步定位与建图方法。通过建立基于直线特征提取的机器人观测模型,推导了SLAM建图的预测和更新算式,设计了基于特征点数目的SLAM预测与更新率算子,实现了移动机器人的同步定位与建图。实验结果表明该方法有效、可行。     

基于卡尔曼滤波器的传感器故障诊断

传感器故障诊断是当今研究的热点领域.利用卡尔曼滤波器及多重故障假设检验方法检测发动机控制系统传感器硬、软故障,并实现故障传感器的输出重构.仿真表明,所研究的方法能及时、有效地检测到故障传感器,并对其进行隔离和重构,没有发生误报和漏报现象.