论文部分内容阅读
运动载体的导航精度和可靠性随着现代科学技术的发展要求越来越高,如何获取高精度的导航信息已经成为移动机器人导航研究的热点。本文主要采用组合导航和数据融合技术解决移动机器人在非重力加速度干扰、初始启动、模型异常等状态下导航精度不高与收敛速度慢等问题,并通过MATLAB仿真和物理实验的方式验证相关导航算法的有效性。首先论文详细阐述了本课题研究的背景和意义,并对国内外移动机器人和组合导航技术的发展状况进行了叙述。然后搭建了基于SINS/GPS/OD的多传感器组合导航平台,系统平台包括惯性传感器模块、编码器模块和GPS模块,并对相关模块进行了详细的软硬件设计。其中,硬件主要包括姿态采集电路、磁编码器模块电路及差分电路等,软件主要包括捷联惯导系统的姿态解算、电机转速的采集及机器人的位置解算等,最后阐述了组合导航系统的应用设计方法,并给出了具体的设计方案,为后续的数据采集和实验论证奠定了基础。其次论文对于两轮自平衡移动机器人的姿态解算问题,分别阐述了四元数与互补滤波等算法,并提出了自适应四元数卡尔曼滤波算法与改进的互补滤波算法,前者有效削减了加速度计的非重力加速度干扰,使姿态具有更高的精度,后者能提高机器人在初始运行阶段的姿态收敛速度,并有效保障了机体的稳定性。再次针对系统的非线性特征,论文建立了惯性系统与里程计的误差模型,对基于SINS/OD的卡尔曼滤波组合导航方法与传统的航位推算进行仿真比较,分析了基于SINS/OD的卡尔曼滤波组合导航方法的优越性。论文重点设计了基于SINS/GPS/OD的自适应联邦滤波器,阐述了其对于消除动力学模型误差的作用,进一步提高了机器人在模型误差干扰下的定位精度。最后论文基于搭建的实验平台,对两轮自平衡移动机器人组合导航系统的各功能模块和整体功能进行了测试与实验论证。首先分析了磁编码器对于电机正反转的测试效果,再与惯导模块进行系统联调,并采用松组合方式嵌入GPS模块,检验组合导航系统的性能。最后采集了惯性传感器的输出数据,验证了自适应四元数卡尔曼滤波和改进互补滤波算法的有效性。