启发式算法在MEMS陀螺仪数据处理中的应用

随机漂移是影响微机电系统(MEMS)陀螺仪精度的主要因素.为了实时估计并补偿随机漂移,对启发式漂移消减算法(HDR)进行改进,提出自适应漂移消减算法.利用Allan方差分析方法确定陀螺仪的零偏稳定时间,通过检测陀螺仪数据的平稳性来区分随机漂移和真实角速率.以Pioneer3-AT机器人为平台进行试验,与基本HDR算法相比,新算法可以弥补载体有恒定角速率时基本HDR算法不可用的缺点,与普通算法相比,新算法可以提高航向精度2倍以上.     

MC-ROV导航系统研究

针对研制的新型模态切换水下机器人(Mode-Converted ROV, MC-ROV),设计了一套以MEMS器件为主的微惯性组合导航系统,包括陀螺仪、加速度计、磁力计、深度传感器及微处理器等。系统采用互补滤波方法抑制陀螺漂移,设计卡尔曼滤波器计算姿态角。本文采用了改进的自适用卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度。水池实验表明结合互补滤波、自适应卡尔曼滤波能够获得比较精确、稳定的水下机器人导航信息。同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果。     

MEMS陀螺仪零位误差分析与处理

研究微机械陀螺仪的零位误差对提高惯性导航精度具有重要意义。采用Allan方差分析法对MEMS陀螺仪的零位误差做了综合评定,提出了一种动态的零值偏移误差补偿算法来滤除陀螺仪的零值偏移误差,还对启发式漂移消减法HDR(Heuristic Drift Reduction)做了改进,有效地提高了原算法的补偿精度。最后,再次采用Allan方差分析法对补偿后的零位误差进行评定,并以Voyager-IIA机器人为平台进行试验,结果证明了改进后的算法能显著的提高陀螺仪的输出精度。     

基于FPGA的MEMS陀螺仪SAR150实时数据采集系统设计

针对传统MEMS陀螺仪输出信息为模拟量且易受干扰、噪声较大的问题,结合SAR150陀螺仪可以直接输出数字信号的特点,提出了一种新型的数字陀螺仪实时数据采集系统;该系统以FPGA为主控制器,通过SPI接口完成对MEMS陀螺仪SAR150的控制与数据的传输,实现了对陀螺仪输出信号的采集、实时传输及存储;通过将所研制的数据采集系统应用于SAR150陀螺仪测量角速率实验,并对测得数据进行误差分析,实验结果表明:数据采集系统采集输出的角速率值与理论值的绝对误差标准差均小于0.2°/s;且该系统的可靠性高、实时性好,为后续的陀螺仪测试及标定奠定了基础,有一定的工程应用价值。     

ATmega16与PC机的移动机器人定位系统研究

为提高移动机器人定位系统的可靠性,设计了组合使用光纤陀螺仪、光电码盘和超声波传感器的定位系统,系统采用CAN总线的数据传输方式。ATmega16采集各传感器数据,再以CAN总线方式传输给PC机;PC机平台综合处理光纤陀螺、光电码盘与超声波返回的数据,实现移动机器人定位。定位算法以航迹推算为主,超声波传感器起辅助定位作用。实验表明定位系统可靠有效。     

基于多传感器融合的全地形机器人系统设计

针对因强降雨、堤防溃决、暴雨增水等因素导致的水位突然上升而泛滥和山洪暴发,形成复杂多变灾后的地形环境。设计了以FPGA为控制器的多传感器融合机器人,提高灾后救援效率。该机器人通过GPS为机器人作业划定区域,生命特征仪、力矩仪和空气质量仪等传感器采集环境数据,搭建非线性全地形机器人动态模型,利用六轴陀螺仪和霍尔传感器获取机器人状态,数据经过扩展卡尔曼滤波算法融合以及航迹算法推算后,获得机器人在灾后环境中的实际信息,使得机器人能够按要求进行搜救作业。实验结果表面,多传感器融合的机器人系统,能够在灾后环境完成信息采集与传输,具有较高的稳定性及准确性。     

微传感器测量运动状态下的人体躯干倾角

精确地测量与控制躯干部的姿态对于人体和仿人机器人的运动学研究具有重要意义。先前的研究大多基于泛用算法,实验条件单一。基于陀螺仪和磁力计的数据融合,提出了一种用于估算运动状态下人体躯干倾角的算法。实验结果表明：在不同运动状态下,算法的均方根误差为1.81°±0.77°。该算法可以应用在有关人体和机器人运动平衡性的研究中。     

模态切换水下机器人微惯性导航分析

针对某模态切换远程遥控水下机器人(Model-Converted Remotely Operated Vehicle,MC-ROV),基于微机电系统(Micro-Electro-Mechanical Systems,MEMS)器件设计微惯性组合导航系统.该系统包括陀螺仪、加速度计、磁罗盘、深度传感器和微处理器等.采用互补滤波方法抑制陀螺漂移,基于四元数算法对陀螺仪积分,并以四元数为估计对象设计无损卡尔曼滤波算法,从而提高导航精度.分析梯度下降法原理,并研究其在四元数更新中的补偿作用.水池试验表明:互补滤波与无损卡尔曼滤波相结合的方法能够获得比较精确、稳定的MC-ROV导航信息.基于实测数据的算法仿真表明梯度下降法可以在一定程度上改善导航效果.     

多传感器数据融合在轮式机器人朝向角控制中的应用

针对轮式全向移动机器人运动时容易产生朝向角偏差这一问题,分析了轮式全向移动机器人的运动模型,对当前普遍采用的仅依靠编码器反馈的朝向角控制方法进行改进,将MEMS陀螺仪和数字罗盘应用到机器人系统中,提出了基于多传感器数据融合的朝向角控制方法,提高了朝向角的控制精度.通过实验数据和在机器人足球比赛中的实际表现,证明了该方法...     

基于改进支持向量回归算法的移动机器人定位

为了提高移动机器人定位精度,提出了一种基于正交编码器和陀螺仪的轮式移动机器人定位系统,建立机器人的定位模型和运动学模型。研究了支持向量回归（SVR）算法,为获得更好的鲁棒性,对目标函数误差平方进行加权,分析不同参数优化算法对支持向量机回归准确率的影响。以自制的移动机器人为实验平台,将改进的算法与最小二乘支持向量回归（LSSVR）算法、加权最小二乘支持向量回归（WLSSVR）算法进行比较,对比了用改进算法时机器人在木地板场地与瓷砖场地的定位误差情况,并对正交编码器+陀螺仪定位系统与双码盘定位系统、单码盘+陀螺仪定位系统进行比较。实验结果表明,改进的算法使机器人的定位精度明显高于对比算法,并且所提出的定位系统定位效果较好。     

基于随机行走的群机器人二维地图构建

机器人在未知环境自主探索时,需要快速准确地获取环境地图信息。针对高效探索和未知环境的地图构建问题,将随机行走算法应用于群机器人的探索中,机器人模拟布朗运动,对搜索区域建图。然后,改进了布朗运动算法,通过设置机器人随机行走时的最大旋转角度,来避免机器人重复性地搜索一个区域,使机器人在相同时间内探索更多的区域,提高机器人的搜索效率。最后,通过搭载激光雷达的多个移动机器人进行了仿真实验,实验分析了最大转角增量、机器人数量以及机器人运动步数对搜索区域的影响。     

关节型机器人运动学仿真及控制系统设计

关节型机器人各运动关节动态特性和控制系统的稳定性直接影响机器人以及轨迹规划的可达性。以IRB140关节型机器人为研究对象,依据标准D-H参数法和空间位姿变换理论推导出机器人正向运动学数学模型,并采用机器人逆运动学和改进后的五次多项式插值算法实现了机器人在关节空间下进行轨迹规划时各运动关节速度和加速度过渡平滑的目的。最后,搭建机器人控制系统实验平台,实验结果表明,所设计的关节型机器人控制系统能够准确、稳定的控制各关节运动,精准地完成不同运动路径下的夹取搬运任务,满足实际生产工作要求。     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

基于机器人运动模型的EKF-SLAM算法改进

针对两轮驱动机器人运动模型定向误差的累积问题,提出改进的三轮驱动机器人运动模型,对EKF-SLAM算法的一致性进行改进;该模型通过对机器人车轮线速度的解耦运算,将机器人运动过程中的旋转角速度提取出来并作为系统的控制输入之一,从而可以直接得到各个控制时间间隔内的机器人姿态角变化,很好地避免了机器人定向误差的累积;最后,基于归一化估计方差的检验标准进行实验,验证了三轮驱动机器人运动模型有效提高了EKF-SLAM算法的一致性。     

量子粒子群优化下的RBPF-SLAM算法研究

为了解决传统Rao-Blackwellized粒子滤波（RBPF）存在提议分布精度不高以及重采样过程出现的粒子退化和多样性丢失问题,提出一种量子粒子群（QPSO）优化下的Rao-Blackwellized粒子滤波同时定位与地图构建（RBPF-SLAM）算法。将机器人运动模型和观测模型融合作为混合提议分布,提高提议分布的精度;在重采样过程中引入量子粒子群优化算法更新粒子位姿,根据权值划分粒子种类,引入自适应交叉变异操作,对所得粒子集进行优化、调整,有效地防止粒子退化以及保持粒子的多样性。利用本文算法不仅用MATLAB进行仿真实验,而且结合了旅行家2号移动机器人在机器人操作系统（ROS）上进行实际验证。结果表明,本文算法能以较少粒子数精确估计出机器人的位姿和高精度的地图,误差和运行时间也大大降低了。     

带滚动约束轮移式机器人动态规划的研究

根据轮移式机器人的运动学模型,研究受到滚动约束轮移式机器人在动态环境中的运动规划问题.将快速随机搜索树算法与优化方法相结合,实现了一种新的算法,规划出既可避障又可满足机器人滚动约束的运动.将该算法运用到动态环境下机器人的运动规划中,并通过仿真表明该算法能较好地引导机器人在动态环境中实现满足滚动约束的避障路径.     

仿人机器人的头眼协调运动控制研究

针对机器人注视静态目标的任务,提出一种头眼协调运动的控制策略.通过使双目聚焦在同一个注视点,得到注视点的空间坐标和头眼的期望运动转角;研究了机器人头部转动时双目的补偿运动模型及相应的控制算法.实验表明,该控制策略能实现精确的3D头眼协调运动控制.     

改进PSO在欠驱动机器人运动规划中的应用研究

研究欠驱动六足仿生机器人简化模型（Rock & Roll Robot-RRRobot）运动规划问题。根据RRRobot动力学模型,以能量损耗最小为目标,提出一种基于遗传算子的改进粒子群算法,对RRRobot运动规划进行优化。仿真实验结果表明,所提出的算法对解决运动规划的优化问题是有效的,与基本粒子群算法相比,改进的粒子群算法对RRRobot模型终端位形的误差有明显的改善作用。     

安全平滑的改进时间弹性带轨迹规划算法

传统TEB(time elastic band)算法在杂乱场景下规划易出现倒退、大转向等异常行为,造成加速度跳变,控制指令不平滑,机器人受到大冲击,不利于移动机器人轨迹跟踪.鉴于此,提出一种改进TEB算法,通过增加危险惩罚因子约束规划更安全的运动轨迹,增加加速度跳变以抑制约束减小运动中的最大冲击,增加末端平滑约束以减小末端冲击,实现目标点平滑、准确到达.构建图优化问题,以机器人的位姿和时间间隔为节点、目标函数和约束函数为边,利用问题的稀疏性快速获得相应时刻点的控制量.最后,通过基于机器人操作系统的大量对比仿真测试以及真实差速机器人上的物理实验对提出的改进TEB算法进行性能验证.结果表明,改进TEB算法在复杂环境中能够规划出更安全、平滑的轨迹,减小机器人所受冲击,实现移动机器人更合理地运动.     

基于改进MSCKF算法的室内机器人定位方法

针对传统多状态约束卡尔曼滤波算法(MSCKF)在实现机器人室内定位时,速度和位置状态方程需要对IMU中加速度计的测量数据进行积分,存在漂移和累计误差,且加速度计受重力干扰问题,本文提出改进MSCKF算法.改进MSCKF算法避免使用加速度计传感器,利用轮式里程计传感器对平移测量较为精确的优点,将IMU中陀螺仪和轮式里程计的数据进行融合,改进MSCKF算法的扩展卡尔曼(EKF)状态方程.首先利用陀螺仪传感器的角速度数据得到改进EKF姿态方程,然后利用轮式里程计传感器的平移数据,结合姿态方程中的旋转信息得到改进EKF速度和位置方程.最后在机器人操作系统(ROS)上实现MSCKF及其改进算法,并结合Turtlebot2机器人在室内进行实验验证.实验结果表明,改进MSCKF算法的运动轨迹更接近于真实轨迹,定位精度较改进前所有提高,改进前平均闭环误差是0.429 m,改进后平均闭环误差是0.348 m.