Fault detection and identification for dead reckoning system of mobile robot based on fuzzy logic particle filter

To deal with fault detection and diagnosis with incomplete model for dead reckoning system of mobile robot, an integrative framework of particle filter detection and fuzzy logic diagnosis was devised. Firstly, an adaptive fault space is designed for recognizing both known faults and unknown faults, in corresponding modes of modeled and model-free. Secondly, the particle filter is utilized to diagnose the modeled faults and detect model-free fault according to the low particle weight and reliability. Especially, the proposed fuzzy logic diagnosis can further analyze model-free modes and identify some soft faults in unknown fault space. The MORCS-1 experimental results show that the fuzzy diagnosis particle filter (FDPF) combinational framework improves fault detection and identification completeness. Specifically speaking, FDPF is feasible to diagnose the modeled faults in known space. Furthermore, the types of model-free soft faults can also be further identified and diagnosed in unknown fault space.     

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明：在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。     

基于模糊聚类的移动机器人并发故障诊断

移动机器人并发故障诊断技术大多将并发的多故障作为多种单故障组合状态处理,这样不仅需要为每种故障设计滤波器,且只能诊断特定的多故障组合.为了克服这些缺点,提出一种移动机器人多故障并发的故障诊断技术.根据移动机器人的运动模型,为每一种单故障状态设计一个对应的卡尔曼滤波器,用这些滤波器对移动机器人并发故障数据进行滤波.利用模糊聚类方法对滤波结果进行分类,根据移动机器人运行数据对不同单故障集合的隶属度诊断任意组合的并发故障.在三轮移动机器人Pioneer3上进行仿真实验,对14种常见的单故障和多故障并发的情况进行诊断,证明了该方法对轮式移动机器人并发故障诊断的有效性.     

变电站故障预警巡检机器人自主运动规划

针对当前变电站巡检无人化的场景需求,结合变电站的内部环境特征、巡检机器人运动学与动力学模型,提出智能巡检机器人自主运动规划方法与故障诊断方法.为克服传统蒙特卡洛算法中机器人绑架和粒子数固定问题,提出自适应蒙特卡洛定位算法,对巡检机器人位置实时定位,并与故障阈值的异常温度检测与报警算法相结合.通过真实场景下的路径规划与多种电力器件温度监测实验,证明了提出的方法能有效规划最优巡检路径与温度巡检任务.     

基于MCMC粒子滤波的机器人定位

针对基于传统粒子滤波的机器人定位方法存在粒子退化的问题，提出了基于马尔科夫蒙特卡罗（MCMC）粒子滤波的机器人定位方法.将传统的粒子滤波算法与典型的 MCMC方法--Metropolis Hastings (MH)抽样算法有机结合，并应用于机器人定位研究中.试验结果表明，MCMC方法可以有效抑制粒子退化问题.与基于传统粒子滤波的机器人定位方法相比，该方法降低了定位误差均值和定位误差最大值，取得了更高的定位精度，有效地解决了机器人定位这一非线性非高斯状态估计问题.     

非寻复域状态-空间滤波

针对实际非平稳海洋声数据存在非寻和非圆特性,在状态-空间模型下,对复信号作增广表示,建立复域状态-空间模型.从观察者的角度,推导了复高斯条件下的最佳瞬变观察者的线性表达式,即复域卡尔曼滤波器.当状态-空间模型为非线性非高斯时,最佳瞬态观察者须通过线性化或数值近似的方法近似得到.给出一种数值近似的方法--复域质点滤波,通过计算机仿真和波导实验证明了在信号非寻的情况下,复域卡尔曼滤波和复域质点滤波比常规的卡尔曼滤波和质点滤波具有更好的估计性能.     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

平面关节型机器人关节力矩的卡尔曼估计

为了解决常用测电流获取机器人关节力矩方法中,各种噪声干扰使所得关节力矩波动较大,影响机器人控制信息可靠性的问题,提出基于机器人动力学模型的卡尔曼滤波方法对关节力矩进行估计.运用牛顿欧拉方法对平面关节型机器人（SCARA）进行动力学建模,获得非线性连续的机器人关节力矩方程.通过多元函数一阶泰勒展开将非线性连续的关节力矩方程转换为关于关节力矩的线性离散状态空间模型.利用卡尔曼滤波方法对关节力矩进行估计.实验结果表明,该关节力矩估计方法对机器人前两轴的关节力矩估计精度较好,与均值滤波方法相比均方根误差分别减少了2.9%和14.7%;且实时性较好,完成一次估计平均需时不超过1 ms.但关节力矩值的估计精度受动力学模型精度的影响.     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建。在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法。在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的。     

基于栅格粒子滤波的人体头肩三维姿态估计

为了实现单目视频中人体头部和肩部位置的自动跟踪,并估算出人体头肩部的三维姿态.提出了一种新的基于头-肩三维模型的栅格粒子滤波方法,使用Chamfer距离进行边缘相似性度量.算法使用一个预先生成的离散化的栅格状态空间,在每一个时间步将该状态空间的一个较小的子空间作为粒子的搜索空间,有效地限制了所用粒子数量,提高了粒子滤波过程的执行效率.由于三维信息的缺失,单目视频中人体三维姿态估计一直是一个难点问题.而实验结果表明,本方法能够有效并准确地估计出人体头肩部的三维姿态,为人体姿态分析和行为理解的研究提供了一个新的基础.     

一种新的未知杂波环境下的PHD滤波器

针对多目标跟踪中概率假设密度(PHD)滤波器在杂波模型与先验知识不匹配情况下滤波性能急剧下降的缺点,将增广状态空间引入PHD滤波器,提出了一种新的未知杂波环境下的PHD滤波器．该滤波器利用增广状态空间区分目标状态空间与杂波状态空间,通过量测对杂波模型进行估计,不需要杂波先验知识,避免了因杂波强度的先验知识选择不当而造成PHD滤波器跟踪性能下降的问题．仿真结果表明,该算法在未知杂波环境下,具有稳定的跟踪效果;在保证实时性的前提下,其跟踪精度与传统PHD滤波器在杂波模型匹配情况下相当．     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建.在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法.在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的.     

多工位工作岛式抛光机器人工作空间分析及布局优化

为了提高水龙头等工件的抛光效率,提高抛光精度及质量,设计了新型多工位工作岛式抛光机器人.为使该机器人结构更加紧凑,在建立抛光机器人运动学和逆运动学方程基础上,分析了该机器人的灵活加工空间,提出采用多目标的粒子群法对抛光机器人的多个布局参数进行优化分析.该方法同时对抛光机器人的2个重要布局参数进行了优化,并应用粒子群法计算该机器人抛光不同大小工件时各自由度的最大关节空间.最后通过分析抛光机器人在不同工作平面上的灵活加工点验证了优化结果的正确性.实验结果表明,优化布局后的机器人完全能满足指定工件的抛光加工需求,并有较大的加工余量,获得了较好的实验抛光效果.     

一种智能空间辅助的家庭服务机器人SLAM方法

在单机器人SLAM过程中,定位误差和建图误差随机器人运动距离增大而增大。为了有效降低SLAM误差,本文提出了一种智能空间辅助的家庭服务机器人SLAM方法。基于Rao-Blackwellized粒子滤波思想,机器人定位和建图问题被分解为两个独立环节,首先,联合机器人控制量和智能空间摄像机网络的观测值估计机器人位姿,给出了位姿粒子的采样提议分布和权值更新公式;然后,机器人利用自身位姿及对目标的观测来构建环境地图。仿真实验表明本方法有效提高了机器人的定位精度,进而得到了更加精确的环境地图。     

可重构机器人构形平面的工作空间研究

采用构形平面匹配的方法进行可重构机器人运动学求解时,构形平面的工作空间求解是一个关键问题.为此,提出了一种基于构形平面的工作空间表示方法.首先建立可重构机器人基本模块的运动学模型,根据基本模块的运动学模型按照构形平面划分规则划分可重构机器人工作构形,然后研究典型构形平面的工作空间,找到快速、相对简洁的工作空间表示方法.最后,通过实例进行验证工作空间表示方法的有效性和可行性.     

基于粒子滤波的跳频信号频率跟踪方法

针对跳频信号的参数估计问题,提出一种基于粒子滤波的跳频信号频率实时跟踪方法.首先建立以跳频瞬时频率为系统状态的状态空间模型,然后通过基本粒子滤波算法序贯重要性重采样（sequential importance resampling,SIR）实现了对跳频信号频率的后验概率密度估计,进而得到频率的实时估计;为进一步提高粒子滤波的跟踪性能,提出一种基于ESPRIT辅助的粒子滤波（auxiliary esprit particle filtering,AESPRIT-PF）算法.仿真实验分析了在不同信噪比和不同粒子数目下算法的跟踪性能,结果表明该算法具有稳健的跳频频率实时跟踪能力,是一种有效的跳频信号参数估计方法.     

可变低温环境锂电池组内部短路故障诊断

针对可变低温环境下锂离子电池组易发生的内部短路故障问题,提出基于模型的电池组参数估计和故障诊断方法. 通过特性实验,建立三元锂电池容量与温度的关系. 根据标准-偏差模型,采用无迹卡尔曼滤波实时估计标准电池状态和参数,结合双卡尔曼滤波得到电池组状态和参数的实时估计结果,根据电池容量衰减定量诊断内部短路故障. 在5~25 °C时变温度下,结合实际工况进行电池组充放电实验,通过并联电阻法模拟内部短路故障,得到电池组状态和内部短路电阻估计值和真实值的对比. 实验结果表明,利用提出的方法能够快速、精确地跟踪电池组状态,准确地诊断电池内部短路故障.     

遗传粒子滤波的GPS接收机自主完好性监测

针对全球定位系统接收机观测噪声分布的特点和基本粒子滤波存在的粒子退化与采样枯竭问题,提出了一种基于遗传算法进行再采样粒子滤波与似然比方法有机结合的全球定位系统接收机自主完好性监测方法.建立了卫星故障检测的检验统计量,通过比较系统各状态累加对数似然比对卫星故障进行检测.将遗传算法中的选择、交叉和变异操作融入到粒子滤波中,提高了粒子滤波的精确性,在实数域内对粒子进行遗传操作,避免了遗传操作的编解码.实验表明,该算法在非高斯测量噪声下成功地检测并隔离故障卫星,提高了故障检测的性能,验证了该算法应用于全球定位系统接收机自主完好性监测的可行性和有效性.     

An improved particle filtering algorithm based on observation inversion optimal sampling

According to the effective sampling of particles and the particles impoverishment caused by re-sampling in particle filter, an improved particle filtering algorithm based on observation inversion optimal sampling was proposed. Firstly, virtual observations were generated from the latest observation, and two sampling strategies were presented. Then, the previous time particles were sampled by utilizing the function inversion relationship between observation and system state. Finally, the current time particles were generated on the basis of the previous time particles and the system one-step state transition model. By the above method, sampling particles can make full use of the latest observation information and the priori modeling information, so that they further approximate the true state. The theoretical analysis and experimental results show that the new algorithm filtering accuracy and real-time outperform obviously the standard particle filter, the extended Kalman particle filter and the unscented particle filter.     

漂浮基空间机器人关节驱动力矩求解的Newton-Euler正交方法

空间微重力环境下,空间机器人安装基座不固定,机械臂与安装基座之间存在运动学和动力学耦合作用．针对地面机器人的关节力矩计算方法不能直接用于空间机器人的研究中．根据空间机器人自由漂浮状态时系统动量守恒的特点,采用Newton-Euler正交方法构建了满足系统动量守恒约束条件的空间机器人运动曲线法空间与切空间基底,并以此基础得到了自由飘浮状态下的空间机器人关节力矩的显式表达式．最后通过空间二连杆机械臂实例给出了其具体的应用．