基于模糊PID卡尔曼滤波的多传感信息融合移动机器人定位研究.pdfVIP

第 16卷 第4期 重庆科技学院学报 (自然科学版) 2014年8月 基于模糊 PID卡尔曼滤波的 多传感信息融合移动机器人定位研究 徐 爱 亲 (丽水职业技术学院 机电信息分院，浙江 丽水 323000) 摘 要：当工业移动机器人处于复杂工作环境中，其信息序列误差随各量测噪声特性的变化而增大，若使用卡尔曼 滤波器进行多传感信息融合则很难做到实时测量和调整，融合后的误差也随之倍增。为解决此问题，在卡尔曼滤波 融合前引入增量式模糊 自适应PID控制，通过模糊规则设计 ，改善滤波噪声方差 ，对融合信息进行限制，并对限制后 的速度信号和加速度信号进行融合，从而提高控制精度。MATLAB系统仿真显示 ，所设计的控制器对多传感器的信 息融合效果良好。 关键词 ：多传感器；信息融合；模糊PID控制；卡尔曼滤波；移动机器人 中图分类号：TP387 文献标识码：A 文章编号：1673—1980(2014)04—0150—40 曼滤波器得到的信息序列随之增大，不再是 白噪声 0 前言 序列 J。基于此加入模糊控制规则，信息序列作为 自主式地面移动平台AGV作为智能机器人的 判断卡尔曼滤波器工作失常导致系统发散的依据， 典型代表，是电子技术、控制技术、信息技术高度融 设计增量式模糊 自适应 PID控制器，改善滤波噪声 合的产物，尤其在工业控制领域，伴随自动化技术的 方差，对融合信息进行限制，从而提高控制精度。 快速发展，AGV已逐渐应用于 自动化立体仓库和柔 1 卡尔曼滤波器设计 性 自动化生产线中。与传统的工业传送带相 比， AGV具有较好的移动性和柔性，并且施工简单、路 1960年，REKalman发表 了题为 《一种线性滤 径灵活，随着在生产中对 AGV需求的快速增长，其 波的新方法与预测问题》的论文，文中提出了卡尔 控制准确性也面临更高要求。专家和学者对精确定 曼滤波算法，卡尔曼滤波器系统框图如图1所示 。 位问题进行了大量的研究，解决移动机器人定位 问 从含有噪声的测量值 中得到系统状态的一次最优估 题对于提高机器人 自动化水平具有重要的理论意义 计，经卡尔曼滤波器状态更新的信息都由前一次估 和实用价值。 计和新引入的数据计算产生，引入的数据要尽量减 机器人首先需要借助 自身传感器获取周围环境 少噪声影响，这种估计方法在速度和加速度状态的 的信息，然后通过定位算法融合传感器数据 ，得到机 估计中效果明显。 器人的位置信息 ¨J。文献 指出最早的贝叶斯方 法需要知道先验概率 ，只适用于小样本事件。在 贝 叶斯方法的基础上Dempster和 Shafter提出了D—S 证据理论的不确定性推理方法，克服了贝叶斯方法 的缺点，但该方法要求各证据问要相互独立，限制 了 应用范围 j。 图1 系统结构框图 卡尔曼滤波算法则可以消除多传感信息的噪 音，利用迭代推理，适合于存储空间和计算速度受限 1．1 卡尔曼滤波算法 场合 J。但是，当卡尔曼滤波模型不准确时，卡尔 卡尔曼滤波算法利用反馈控制来实现过程估 收稿 日期：2013—12—18 基金项 目：浙江省丽水市公益性技术项 目(2012JYZB46) 作者简介：徐爱亲 (1980一)，女，湖北省通山县人 ，讲师，硕士，研究方向为机电一体化系统控制策略研究。 · 150 · 徐爱亲：基于模糊PID卡尔曼滤波的多传感信息融合移动机器人定位研究 计，先估计出某个时刻的系统状态，然后得到观测值