基于UKF的两轮自平衡机器人姿态最优估计研究

《基于UKF的两轮自平衡机器人姿态最优估计研究》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、维普资讯http://www.cqvip.com第200268年卷第116月期机器人ROBOTVoIN．28．No．6OV．，2006文章编号：1002-0446(2006)06-0605-05基于UKF的两轮自平衡机器人姿态最优估计研究赵杰，王晓宇，秦勇，蔡鹤皋(哈尔滨工业大学机器人研究所，黑龙江哈尔滨150001)摘要：针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题，提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题，并补偿低成本的惯性传感器陀螺仪和加速度计的误差，从而得到机器人姿态的最优估计

2、．将滤波后的模型应用到两轮自平衡机器人系统，实验结果表明UKF参数设计简单，姿态估计误差小于EKF，方差估计优于EKF，估计精度、计算量基本与EKF相当．因此，UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求．关键词：采样卡尔曼滤波；采样变换；姿态估计；两轮自平衡机器人中图分类号：TP24文献标识码：BUKF-basedOptimalAttitudeEstimationofTwo-wheeledSelf-balancedRobotsZHAOJie，WANGXiao-yu，QINYong，CAIHe-gao

3、(RoboticsInstitute，HarbinInstituteofTechnology，Harbin150001，China)’Abstract：FortheproblemthattheextendedKalmanfilter(EKF)isditficuhtodesignandpronetodiverge，theunscent—edKalmanfilter(UKF)algorithmbasedmethodispresentedtosolvetheproblemsofthefilterdesignandconver

4、gence．The．errorfromthelow—costinertialgyroandaccelerometeriscompensatedtoachieveoptimalattitudeestimation．Thefilteredmodelisappliedtothetwo-wheeledself-balancedrobotsystem．ExperimentalresultsdemonstratethatfortheUKF，thepa—rameterdesigniseasier．theattitudeestimat

5、ionerrorissmaller．thecovarianceestimationisbetterthanthoseoftheEKF，whiletheestimationprecisionandthecomputationalcostsarecomparable．Consequently，theUKFissuitableforthereal—timeattitudeestimationofthetwo—wheeledself-balancedrobotinthefastandmaneuverableprocess．Ke

6、ywords：unscentedKalmanfilter；unscentedtransform；attitudeestimation；two—wheeledself-balancedrobot1引言(Introduction)矩阵，不需要求解Riccatti方程，相对容易实现，能够较好地满足导航实时性的要求J．自从1960年Kalman提出卡尔曼滤波(KF)以来，卡尔曼滤波器广泛地应用于最优线性估计领域，机器人姿态估计属于非线性最优滤波问题，主已经成为标准的设计方法．对于非线性滤波问题，经要应用EKF算法．但EKF设计

7、困难，参数调整需要线性化后由扩展卡尔曼滤波器(EKF)解决．卡尔曼一定技巧，线性化时会产生误差，并且存在发散性问滤波器的原理是将状态转换矩阵和观测矩阵按照泰题．而UKF算法直接利用非线性模型，避免了引入线勒级数进行线性展开，但是线性化可能导致滤波器性化误差，从而提高了滤波精度，并且解决了滤波器的性能变差或者滤波器发散．Julier等人根据卡尔设计及收敛问题．曼滤波的基本原理，从非线性均值和方差传播的角本文应用UKF的设计原理，针对两轮自平衡机度，提出了一种改进的滤波器UKF．UKF采用固定数器人的姿态估计问题，提出了新

8、的姿态最优估计滤目的参数近似非线性函数的概率密度分布，而EKF近似的是非线性函数本身J．与近似非线性函数相波器．对导航用加速度计和陀螺仪的数据进行融合比，近似概率分布相对容易，而且不需要计算雅可比并对其产生的随机漂移误差进行补偿，得到了姿态收稿日期：2005—12—30维普资讯http://www.cqvip.com机器人2006