双轮差速驱动式服务机器人移动机构构型多目标优化设计

移动机构构型对轮式服务机器人的静态稳定性、动态平稳性、驱动力等具有重要影响。以双轮差速驱动的六轮移动底盘为研究对象,分析移动机构构型中车轮布局与移动底盘静态稳定性、动态平稳性、越障驱动力及转弯驱动力的相互关系;在此基础上构建了面向车轮布局的多目标优化模型,利用MATLAB遗传算法优化工具箱进行多目标优化求解;以移动底盘的俯仰角、侧倾角及驱动力矩作为性能评价指标,运用ADAMS虚拟样机技术对优化前、后的移动底盘进行运动仿真。仿真结果表明,优化后的移动底盘的俯仰角与侧倾角分别减少了17.6%和32.2%,驱动力矩平均值与均方根值下降了3.7%和4.3%,从而有效提升了移动底盘的运行平稳性及续航能力,也验证了所建立的多目标优化模型的正确性和有效性。     

一种基于Kalman滤波的双轮机器人姿态控制算法

采用自制的双轮式结构机器人作为试验平台,以ADXL345三轴加速度计和ITG3200三轴陀螺仪微重力MEMS微机械电子技术的传感器作为机器人的角度传感器,通过建立离散卡尔曼滤波器数学模型对两种传感器的数据进行滤波融合,使其得到更稳定更准确更接近真实值的角度值,使用STM32F103VE获取动态的角度信息,通过变参数自整定平衡控制算法的调节使机器人保持平衡,实验结果验证了该方法的可行性,对特殊环境自动无人巡航机器人和载人巡航机器人控制有很大的研究价值。     

基于UKF联合IMM的目标跟踪技术研究

采用不敏卡尔曼滤波（UKF）联合交互多模型方法（IMM）,设计完成了多传感器信息融合算法,并在实验室条件下进行了仿真验证,结果证明,该滤波算法真实可靠,大大提高了融合精度。     

基于改进EKF的室内机器人充电站自主定位方法研究

针对智能机器人自主寻找充电站充电时对充电站位置的定位和自定位问题,采用红外定位模块与里程计定位信息进行数据融合,分析并建立了两轮驱动室内移动机器人的运动模型与观测模型,利用有限差分线性化方法和小循环迭代结构改进了扩展卡尔曼滤波方法,一方面提高了机器人对目标充电站定位和自身定位的精度,同时减小了因增加计算量而造成的时间损失。仿真实验证明,采用改进方法可使机器人的自定位误差均方差减小约20％,对充电站位置定位的误差控制在约4cm。     

双轮驱动足球机器人运动性能的研究

足球机器人的运动性能是评价其动态性能的主要的指标之一,它直接影响机器人比赛技能（抢球、截断、防守等）的发挥。机器人小车的物理结构参数,重心的布置和驱动方式直接影响其运动性能和运动过程的动态性能。     

基于高斯投影的惯导/GPS机器人组合定位研究

针对移动机器人室外环境下的定位问题,提出一种惯导/GPS的组合定位算法。通过高斯-克吕格坐标投影,将机器人的地理位置坐标转换为直角坐标系坐标,利用EKF滤波融合传感器信息进行组合定位,基于STM32开发平台搭建移动机器人硬件平台进行实验,并用MATLAB软件仿真对比,实验和仿真结果表明：该组合定位算法具有较高的定位精度。     

双轮驱动足球机器人加速性能的研究

从双轮驱动足球机器人的驱动方程式出发,对双轮驱动足球机器人的加速性能的影响因素和加速过程进行分析,得出了对足球机器人的设计和比赛具有参考价值的结论。     

基于多基站IMMKF-DOA辅助车辆协同定位算法研究

针对传统卡尔曼滤波算法在进行车辆实时运动过程中难以精准定位问题,提出一种基于运动状态自适应的交互多模型卡尔曼滤波(Interacting multiple model Kalman filter,IMMKF)与多基站到达方向(Direction-of-arrival,DOA)相融合进行车辆位置实时估计算法。基于无偏估计器对测量噪声协方差进行实时更新并将其嵌入标准卡尔曼滤波算法中实现自适应交互多模型卡尔曼滤波。针对车辆不同运动状态及动态行驶环境对车辆定位估计精度的影响,构建自适应交互多模型卡尔曼滤波器与多基站信息融合算法进行车辆位置实时估计,考虑不同车速与不同基站数等行驶工况下车辆定位精度的变化趋势,实现车辆实时位置的准确估计。利用PreScan-Simulink联合仿真平台进行虚拟仿真验证和实车试验验证。结果表明,基于交互多模型卡尔曼滤波与到达方向角的融合算法相对标准的卡尔曼滤波估计精度高,较好地改善了传统单一模型的卡尔曼滤波算法在进行车辆实时运动状态估计过程中精准定位问题,实车试验验证了提出算法对车辆定位精度较传统卡尔曼滤波算法的精度提高了一个数量级,实现了更精确的车辆位置估计。     

基于平方根容积机器人蒙特卡罗定位算法研究

针对移动机器人Monte Carlo定位中粒子滤d波存在的粒子退化和粒子多样性匮乏问题,提出基于平方根容积粒子滤波的移动机器人Monte Carlo定位算法。新算法采用平方根容积卡尔曼滤波精确设计粒子的重要性函数,将当前观测信息融入重要性采样过程,提高对真实状态后验概率的逼近程度;新算法在Monte Carlo定位中直接传播及更新协方差阵的平方根因子,避免协方差阵分解与重构过程,保证协方差阵的对称性及正定性;基于排序的自适应局部重采样仅对部分粒子进行重采样,降低计算代价,增加粒子多样性;进而提高算法估计精度和一致性。实验结果表明:相同粒子条件下,新算法的计算代价比容积Monte Carlo定位算法约减少8%,不同粒子数目约多40%;新算法(10个粒子)的估计精度高于Monte Carlo定位算法(100个粒子),高于容积Monte Carlo定位算法(30个粒子)。     

基于扩展卡尔曼滤波算法的机器人姿态解算研究

针对机器人上的惯性导航系统由于振动干扰存在,导致测量数据中包含有大量噪声问题,进行了测量数据滤波研究。使用扩展卡尔曼滤波(EKF)对传感器测量的数据滤波,并进行姿态解算,通过静态、动态测试完成滤波前后数据对比,实验结果表明扩展卡尔曼滤波(EKF)不仅可以滤除测量数据中的大部分噪声,同时可以提高姿态解算精度。     

基于卡尔曼滤波的轮式移动机器人定位实验研究

介绍了Pioneer3-AT机器人的特点和自身定位方法以及存在的问题,给出了Pioneer3-AT机器人的里程计定位模型．以码盘、陀螺仪作为机器人的定位系统,建立了四轮差动机器人的运动学方程,采用卡尔曼滤波器对2种传感器的数据进行融合,获得机器人的位置和姿态信息。通过定位实验,验证了卡尔曼滤波融合定位的有效性。     

双轮毂驱动电动汽车电子差速控制的研究

针对轮毂电机驱动的电动汽车的转向问题,利用机械差速器的原理,提出了一种"差速不差力"的"自适应"电子差速器。通过对两侧驱动电机电磁转矩的控制,进而达到对驱动电机差速的控制。设计了电子差速的控制过程,并进行了MATLAB仿真,证明了此设计的可行性。     

移动机器人的定位算法

通过对移动机器人在未知环境中的运动分析,结合多传感器信息,提供一种新的移动机器人在未知环境中的定位算法。该算法可根据移动机器人的运动,不断更新其位置状态,并能对下一步位置状态进行预估计,然后根据实测传感器信息对预估值进行修正,获得实际位置状态。     

差速驱动式移动焊接机器人动力学建模

采用牛顿-欧拉法,分析差速驱动式移动焊接机器人系统的左右驱动轮和机器人本体对焊炬点的动力学行为.为了实现机器人本体和滑块的联合控制,进一步研究滑块的动力学行为,建立了移动焊接机器人系统完整的动力学模型.由于模型的复杂性和不确定影响因素,基于动力学模型进行控制器的设计是不切实际的.为便于控制器的设计,最后结合实际应用情况对模型进行合理简化,并转化为状态空间方程.应用Matlab对移动焊接机器人进行动力学仿真建模,模型的建立为差速驱动式移动焊接机器人的机构设计、稳定性分析以及控制器设计提供了理论依据.     

基于萤火虫算法改进移动机器人定位方法研究*

针对传统蒙特卡洛定位中粒子退化以及粒子贫乏造成的移动机器人定位精度下降问题,提出了利用萤火虫算法改进蒙特卡洛定位的方法。利用改进后的萤火虫算法优化粒子的采样过程,使粒子在权值更新前趋向高似然区域,并且改进了重采样策略,新的重采样可以使粒子的多样性更好。将改进后的新算法用于机器人定位实验中,结果表明新算法相比扩展卡尔曼粒子滤波在粒子数分别为10、30、50的情况下性能分别提高了20%、34%、29%,并且使用的时间更少。     

基于免疫算法的差速驱动智能车辆轨迹跟踪研究

将车轮运动看成一种无侧滑、纯滚动运动.简化车辆运动模型为两轮共轴但独立差速驱动.并将基于免疫学原理中的人工免疫算法引入到车辆运动控制中.通过对车辆的轨迹跟踪仿真实验,验证免疫算法在车辆控制过程中的优劣.仿真结果表明,将人工免疫算法引入车辆运动控制中取得了良好的效果,具有良好的控制性能.     

基于PID算法的双轮差动式移动机器人导航研究

在深入研究运动学方程和大量实验的基础上,提出了一种利用电子罗盘和PID算法实时监控并纠正机器人前进方向并最终完成准确导航的方法,为以后解决机器人的定位问题打下了良好基础.实验证明该方法切实可行、控制简单方便.     

四轮驱动全轮差速转向移动焊接机器人运动学分析与仿真

为增加轮式移动焊接机器人稳定性、负载能力和降低控制复杂度,提出了一种四轮驱动全轮差速转向移动焊接机器人机构,介绍了该机构差速转向原理,证明该机构无转向侧滑。采用非完整约束方法建立了其差速转向误差模型,并在该模型基础上对其进行了直线-圆弧-直线轨迹数值仿真,结果为转角误差0.002 137°,转动中心坐标误差小于0.012mm。仿真结果表明该模型满足焊接中的位置精度要求。     

基于惯性导航的管道探测蛇形机器人定位算法

为满足管道探测蛇形机器人地下定位的精度需求,提出了一种基于扩展卡尔曼滤波(EKF)的双惯导(INS)+编码器里程计融合定位算法。系统建立了管道内部蛇形机器人及其运动轨迹的数学模型,以两套惯导的位置信息为状态量,使用绕线盘+旋转编码器代替传统轮式里程计测得机器人在载体坐标系中每个采样时间的距离增量作为状态方程控制量,以惯导之间的距离作为量测量,融合扩展卡尔曼滤波算法建立了管道探测蛇形机器人双惯导定位模型,克服了单惯导定位误差累计的缺点。经实验验证:双惯导+地表编码器里程计融合定位方法能够有效提高蛇形探测机器人在地下管道内部定位的精度,且在不同运行条件下及惯导系统不同安装距离时均有效,具有较高的实用价值。     

基于环境特征跟踪的移动机器人定位

提出了一种基于环境特征跟踪来实现移动机器人定位的方法。对传感器、环境观测和机器人的运动建立了相应的模型，并以扩展卡尔曼滤波技术将多种传感器的信息进行融合，从而最终实现了移动机器人的精确定位。