基于UWB和IMU的电力巡检机器人定位方法.docx

导读：为了满足日益增长的电力需求，我国建设了大量发电站和电能转换设施。长时间的负载运行使电力设备运行的不稳定性增加，一般需要通过人工巡检的方式进行检测和维护，但传统的人工巡检方法存在着较大的安全风险，在精度方面满足不了需求，维护效率也比较低。随着人工智能技术的发展，智能巡检机器人的出现给这一问题带来希望，它克服了传统人工巡检方式存在的弊端，但目前的巡检机器人在复杂电力环境中仍存在空间定位不准确等问题。为此，本文提出了一种将超宽带（UWB）和惯性传感器（IMU）以无迹卡尔曼滤波（UKF）进行融合的定位方法，该方法克服了UWB定位方法在有障碍物的非视距情况下定位误差大的问题，改进了复杂电力环境下智能巡检机器人的定位精度。

??1引言??

电能是维持现代社会运转的重要能源，而电力系统是生产和输送电能的主要设备，需随着电力系统规模的扩大持续进行日常维护。但人力巡检电力设施安全性差、效率低、成本高，由此发展出了自动巡检机器人，它可以分为移动式和固定式巡检机器人。相较于固定式机器人，移动式的自动巡检机器人的优点是可以自主定位，灵活地规划巡检路线。

本文研究对比了多种定位算法，创新性地提出了一种融合超宽带（UltraWideBand，UWB）技术和惯性传感器（IMU）数据的定位方法，并且通过残差法对模型中的观测值进行选择，解决复杂电力环境中常见的非视距状态（Non-Line-Of-SightState，NLOS，即固定装置和移动设备之间有障碍物，与之对应的是视距状态Line-Of-SightState，LOS，即固定装置和移动设备之间没有障碍物）时引起的误差，实现了更好的定位精度。

本文研究只用了三个基站的UWB定位系统在长期处于NLOS状态的移动机器人巡检定位问题，创新性地使用了UWB定位系统与IMU方式融合，达到较为理想的定位效果。

??2UWB定位方法理论与技术??

2.1

常用的机器定位方法

当今，越来越多智能化机器走进千家万户，机器在室内的定位问题成为了一个重要研究课题，目前室内定位技术主要有：蓝牙定位技术、Wi-Fi定位技术、ZigBee技术、UWB超宽带技术等。其中，UWB是应用较为广泛的一种。表1是多种定位方法精度的比较。

UWB是指信号的相对带宽大于20%或者信号的绝对带宽大于500MHz的无线信号。相对于其他无线电波信号，UWB信号由于其特殊的信号类型及频谱，在复杂室内环境下不受多路效应影响，并具有极佳的障碍物穿透能力，定位精度可以达到厘米级别。

表1各种定位系统定位范围定位精度对比表

2.2

UWB定位方法

UWB定位是通过移动设备（MS）和固定设备（BS）及上位机位置坐标解算平台协作完成的，需要定位的目标和固定基站通过UWB脉冲通信，也就是测距交互过程，之后固定基站将通信距离上传到解算平台，即可算出移动目标在空间中的位置。

目前有如下几种UWB测量方法：基于接收信号强度测量法、基于信号到达角度测量法、基于信号到达时间差测量法、基于信号到达时间测量法、双向飞行时间测量法。使用这些方法可以使UWB定位在LOS状态时取得较高的精度，但是NLOS时障碍物的反射率、穿透率等都会导致发射的信号在强度、方向等特征上产生改变从而造成定位严重误差，因此在复杂的室内环境NLOS是影响UWB定位精度的重要因素。

??3基于UWB和IMU的巡检定位方法??

虽然UWB在定位精度上具有较好的性能，但是当UWB基站数较少，并且一个或几个基站处在NLOS状态下时，UWB定位方式会有很大的误差。本文应用多传感器融合的方法，利用传感器间的优势互补，采用UWB和IMU设备数据进行融合。在UWB的基站处于NLOS状态时利用IMU设备数据与UWB设备数据结合滤波算法进行最终的位置估计，并采用无迹卡尔曼滤波（UnscentedKalmanFilter，UKF）方式，因为UKF比扩展卡尔曼滤波算法（ExtendedKalmanFilter，EKF）在非线性系统中有更好的性能。

3.1

UKF滤波

当使用UWB定位系统时，至少需要三个定位基站才可以进行定位，但是在复杂的环境中会遇到障碍物，此时处于LOS下的定位基站就小于三个，大大影响定位精度，解决办法有两种，第一种增加基站数量，但是这种方法不能从根本解决问题，依然可能遇到处在LOS状态下的基站数小于三个的情况，而且大量铺设基站会大大增加成本。第二种方法是加入目标跟踪算法得到NLOS下的测距值，本实验选用了UKF，它是通过提前选择与状态变量有关的采样点，对其进行加权来表示状态向量的分布，然后通过非线性变换以及加权得到状态向量的非线性变换。

在非线性问题上UKF因其特殊的滤波效果，相比于EKF可以进行进一步的线性化，UKF的核心是利用UT（UnscentedTransform）