一种自适应残差补偿算法在移动机器人姿态估计中的应用研究.pdf

《一种自适应残差补偿算法在移动机器人姿态估计中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第3期传感技术学报V0I．28No．32015年3月CHINESEJOURNALOFSENSORSANDACTUATORSMar．2015TheMobileRobotAttitudeEstimatedResearchBasedonAdaptiveResidualCompensationAlgorithmsHUJiajia，ZHoUZhaihe，sHENChao，ZHAoQingtao(CollegeofAutomationEngineering，NanjingUniversityofAeronauticsandAstronautics，Nanjing210016，

2、China)Abstract：AimingatthedatafusionfromMEMSIMUofatwo—wheeledmobilerobot，anadaptiveresidualcompensa．tionalgorithmsbasedontheKalmanfilterwasproposed．Itcombinestheinertialsensorerrormodelandmobilero—botposturemodeltobuildtheequationofKalmanfilter．WiththeaccelerationresidualsofKalmanfilterme

3、asure—mentupdate，theimpactofexternalaccelerationtowardstheattitudeestimationisadaptivelycompensated．Experi—mentalresultsshowthatthealgorithmcoalescestheMEMSIMUattitudemeasuringdataeficiently，withthismeth—od．thesensorsrandomdrifterroriSsuppressedandtheexternalaccelerationiSadaptivelycompen

4、sated．Keywords：datafusion；attitudeestimation；residualcompensation；MEMSIMU；mobilerobotEEACC：2575doi：10．3969／j．issn．1004-1699．2015．03．012一种自适应残差补偿算法在移动机器人姿态估计中的应用研究胡佳佳，周翟和，沈超，赵庆涛(南京航空航天大学自动化学院，南京210016)摘要：针对两轮移动机器人MEMSIMU姿态估计的数据融合问题，提出一种以卡尔曼滤波为基础的自适应残差补偿算法。该算法结合惯性传感器误差模型与移动机器人姿态模型构建卡尔曼滤波器，利

5、用卡尔曼滤波量测更新的加速度残差自适应补偿非重力载体位移加速度对姿态估计的影响。实验结果表明，该算法有效的融合了MEMSIMU姿态测量数据，抑制了传感器随机漂移误差，同时白适应补偿了非重力载体位移加速度。关键词：数据融合；姿态估计；残差补偿；MEMSIMU；移动机器人中图分类号：TP212．9文献标识码：A文章编号：1004-1699(2015)03-0363-04当今社会，机器人是一种新型的生产工具，在提力载体位移加速度对姿态估计的影响。针对以上问高企业生产效率、减轻工人劳动强度以及在危险情况题的研究，本文提出一种以卡尔曼滤波为基础的自适下代替人工工作等方面具有强大的优

6、越性。本文所应残差补偿算法，该算法首先利用零输入状态下低成研究的两轮移动机器人是一种两轮共轴、独立驱动，本MEMSIMU的误差漂移特性，建立传感器误差模车身重心倒置于车轮轴上方的移动机器人系统，是机型。然后通过加速度量测残差自适应补偿非重力载器人研究领域的重要分支¨j。该移动机器人通过体位移加速度对姿态估计的影响。将算法应用于本惯性传感器来检测其倾斜角度与角速度，并将检测到文所研究的两轮移动机器人上，并进行平衡控制实验的信号传递给微控制器，由微控制器计算得到控制量验证，实验结果说明该算法是可行的。驱动左右电机，保持机器人前进后退转向等运动方1移动机器人姿态建模式J。考虑到

7、本文研究的两轮移动机器人采用低成本MEMSIMU组成姿态测量系统，因此其姿态融1．1nEMSIMU定姿建模合具有一定的误差。文献[6-7]利用卡尔曼滤波两轮移动机器人平衡控制主要南俯仰轴姿态信进行姿态估计，但是缺少对惯性传感器误差漂移特性息决定，本文利用陀螺仪与加速度计构成一个低成进行总结。文献[8-9]在姿态估计时，缺少考虑非重本的姿态测量系统。陀螺仪能够直接测量两轮移动项目来源：中央高校基本科研业务费专项资金项目(NS2014033)；国家自然科学基金项目(6l174102)收稿日期：2014—10—16修改日期：2014