未知环境中移动机器人故障诊断技术的研究

《未知环境中移动机器人故障诊断技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要随着移动机器人技术的发展，移动机器人被应用于许多场合，如：未知领域的探索、搜救行动、军事等。在移动机器人的研究过程中，大部分研究都是建立在系统能够以理想状态工作的基础上。但是，经验表明，移动机器人在真实环境中工作时，发生故障的现象还是很普遍的。尤其是在复杂的未知环境中，移动机器人机械部件和控制系统极易出现故障，同时人类也无法对其进行直接干预(或人类干预的代价太高)，如果故障没有检测出来或者没有得到及时的处理，移动机器人将会以一种不可预测和危险的方式工作。这不仅会缩短移动机器人的使用寿命，严重时会使移动机器人不能进

2、行正常活动，甚至可能会导致灾难性的后果。因此，移动机器人故障诊断技术的研究具有重要的理论意义和实际应用价值。本文针对当前移动机器人的故障诊断技术领域的研究现状，结合相关学科理论取得的新成果，研究了若干未知环境中移动机器人的故障诊断方法。本文的主要工作和取得的研究成果如下：1．概述了国内外故障诊断技术的研究现状。对基于数学模型的故障诊断方法、基于信号处理的故障诊断方法和基于知识的故障诊断方法进行了分析讨论。2．详细讨论了未知环境中移动机器人的故障诊断问题。对移动机器人的系统组成、故障分类、各子系统的故障诊断方法进行了研究。

3、并对移动机器人的运动单元建立了运动学和动力学模型。3．提出了一种基于多模型估计方法的神经网络故障诊断技术。建立了移动机器人运动单元的故障模型。提出的故障诊断方法利用小脑模型关节控制器(CMAC)神经网络的分类逼近能力，建立故障征兆和故障类型之间的精确映射，以实现故障诊断任务。仿真实验证明了该故障诊断技术在移动机器人故障诊断上的有效性和可行性。4．提出了一种基于粒子滤波器的算法，用于解决移动机器人系统(包括离散故障状态和连续状态)故障诊断和预测问题。基于粒子滤波器的故障诊断和预测算法通过一组带权值的粒子来估计系统的状态，以

4、此计算故障状态的分布情况和故障发生的概率，从而判断是否发生故障以及所发生的故障类型。仿真结果表明，所提出的故障诊断和预测方法能有效地诊断和预测移动机器人的故障模式。5．提出了一种处理不同运动状念下移动机器人故障的诊断方法。该故障诊断方法将移动机器人的运动状态进行分类。在不同的运动状态下，考虑不同的故障模式，并用卡尔曼滤波器组处理不同运动状态下不同模式的故障发生的概率，根据故障发生的概率值判断故障模式发生的可能性。与其他故障诊断方法相比，该故障诊断方法有效改善了误诊和漏诊现象。仿真结果表明在移动机器人故障诊浙江人学博l：学

5、位论文断上的有效性和可行性。最后，对本文的研究工作进行了总结，并对移动机器人故障诊断的未来研究方向作了展望。关键词：未知环境，移动机器人，故障诊断，CMAC神经网络，粒子滤波器，多运动状态ⅡAbstractWiththeremarkableapplicationsincludingprogressinrobotics，mobilerobotscanbeusedinmanyexplorationinunknownarea，searchandrescue，reconnaissance，security,military,re

6、habilitation，pickupanddelivery,andcleaning．Mostoftheresearchworkonmobilerobotshasbeendoneinwhichthesysteminideal．Experiencewithphysicalmobilerobotshasshownthatrobotfailureisverycommon．Especiallyincomplexandunknownenvironments，mechanismcomponentsandcontrolsystemso

7、frobotsarepossibilitytobecomefaulty,wherehumaninterventionisexpensive，slow,unreliable，orimpossible．Ifthefaultscan’tbeaddressed，orprocessedintime，mobilerobotswilloperateinanunpredictableanddangerousway．Faultswilldecreasetheperformanceoftherobots，andmaketherobotsCa

8、n’toperateinnormalmanner,evenwillresultincatastrophicfailures．ItisthereforeimportantforrobotstomonitortheirstateSOthatanomaloussituationsmaybedetectedinatimely