资源描述：
《一种基于卡尔曼滤波的drlms组合导航定位算法》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、一种基于卡尔曼滤波的DR/LMS组合导航定位算法变电站/机器人/卡尔曼滤波1引言 随着国家十二五规划纲要关于建设智能坚强电网要求的提出,智能电网信息化、数字化、网络化已经成为当前电网智能化发展的一个热点研究领域。目前,承载着电网输变电环节的变电站,多采用人工巡检方式监控变电设备的运行状态,这一传统巡检方式费事费力。因此,基于智能机器人的无人值班变电站巡检技术已然成为智能化变电站发展的一个创新性热点话题,而机器人实现自主巡检任务的关键及难点在于如何构建机器人自主导航定位系统。 目前,常用的导航系统多种多样,导航原理、
2、定位精度及成本造价也存在较大差别。常用的导航定位系统包括黑白线识别导航、磁导航、GPS/惯性组合导航、视觉图像导航、激光雷达/惯性组合导航等。而较为成熟的机器人黑白线识别导航技术,通过激光对地面黑白线进行反射接收识别,保证机器人始终沿预设白线行走,该方法简单易行,但施工较大,且易受大雪天气影响;磁导航技术则利用磁传感与测量技术,通过在地面铺设磁条,保证机器人始终沿预设磁航道行走,该方法虽然解决了大雪天气遮挡黑白线的问题,但其成本较大,且变电站长期强磁干扰容易导致磁条失磁,降低其灵敏度,最终可能导致导航失效。DGPS/惯性导航系统[1]定位
3、精度可以到达亚米级,定位灵活方便,但GPS受天气、变电站强电磁干扰等外界环境因素影响较大,考虑系统的容错性,需要增加额外独立的导航子系统配合使用,而该系统成本造价高、经济性较差。视觉图像导航定位系统借鉴人体视觉导航原理,利用图像识别及神经网络技术,通过机器人预先对巡检环境自主学习,建立基于当前环境模型下的知识库与规则库,即利用已有学习经验来实现自主巡检任务,但该方法技术难度较大,有待进一步深化研究。 本文提出的惯性/激光雷达组合导航定位技术,利用高精度激光雷达测距技术,在预设全局路径[2]的前提下,通过多点全向扫描测距、信息融
4、合与滤波处理技术,对机器人当前运行环境进行视觉建模,同时利用多点测距技术实现实时定位,该方法成本低廉,定位精度高,但对现场环境的依赖性相对较大,易受外界随机干扰,需要优化程序算法,减小外界的随机干扰误差等。 文献[3]基于激光雷达测距信息进行机器人周边环境建模,提出了一种时变势场算法,并通过对比实验引入了一种改进型算法—多分辨率势场法,该算法可以有效地实现机器人导航与避障,实时性非常好。文献[4]讨论了基于激光雷达的机器人实时位姿估计方法,通过基于Hough变换的切线角度直方图算法和迭代切线加权最近点算法,解决了传统方法中未能
5、解决的局部最小值、类孔径及大计算量问题,该方法精度高,实时性好,并且对随机噪声、遮挡和类孔径问题具有高鲁棒性特点,适用性广。上述算法对本文中激光雷达的数据程序处理方法有一定的借鉴作用。 本文基于DR/LMS的组合导航定位技术,特别地,提出了一种基于卡尔曼滤波算法的定位精度优化估计方法,通过DR子系统与LMS子系统的相互补充与修正,对原有系统定位及导航精度(定位精度可以达到cm级)加以改进与优化,进一步提高了导航定位的稳定性与精确性。文献[5]通过对外界随机干扰噪声的统计与建模,对Kalman滤波理论做了详细的推导与误差分析,
6、同时提出了改进型的非线性卡尔曼滤波模型与算法,并给出了实例分析与验证。2DR导航定位系统原理 我们这里提出的DR(Dead-Reckoning)航位推算是一种基于机器人车体运动模型的、自主式导航定位系统,可以实现二维平面内的航位推算。本系统采用里程计与激光雷达的组合式传感器定位系统。里程计主要用于采样机器人左右轮的行走路程,而机器人航位角的采样计算则是高精度激光雷达的应用之一(激光雷达测距系统同时实现外部测距定位与航向角的采样计算)。基于激光雷达的机器人偏转航向角测量系统的优点是有效解决了强电磁干扰条件下电子罗盘失效以及光纤陀
7、螺累积误差带来的定位精度大幅降低等一系列难题,但不足的是其需要依赖于外部参考测距对象,独立性较差。2.1DR导航定位系统原理图简介 DR导航定位系统航位推算原理如图1所示。已知初始点A的定位坐标、导航测量角及光电位移传感器测量里程可以计算出系统下一时刻在B点的坐标估计值。 其中,,为车轮旋转一周的传动里程,k为旋转光电位移传感器的采样脉冲计数(车轮每旋转一周进行一次脉冲采样),则为程序采样周期内,机器人的行驶距离。表示机器人与道路方向(Y轴方向)的夹角大小,其值由激光测距系统采样间接计算得到。因此,在已知机器人初始
8、位置的前提下,由式(1)可以求解得到机器人在X、Y轴方向的行驶位移。 (1)图1DR系统导航定位原理图 通过上式,可以实时推算机器人当前所在坐标。但鉴于机器人车体本身存在机械不对
