基于粒子群优化的粒子滤波定位方法.pdfVIP

第25 卷第3 期 控制理论与应用 Vol. 25 No. 3 2008 年6 月 Control Theory Applications Jun. 2008 文章编号号: 1000−8152(2008)03−0533−05 基基于于粒子群群优优化的的粒粒子滤波波定定位方法法 1 2 2 方 正 , 伶国峰 , 徐心和 (1. 东北大学教育部暨辽宁省流程工业综合自动化重点实验室, 辽宁沈阳110004; 2. 东北大学人工智能与机器人研究所, 辽宁沈阳110004) 摘要: 为了实现移动机器人精确高效的自定位, 提出了基于粒子群优化的粒子滤波定位方法. 文章分析了常规粒 子滤波定位方法存在的不足之处. 将最新观测值融合到采样过程中, 并利用粒子群优化算法提高了常规粒子滤波 器的预估性能. 接下来, 建立了系统的概率运动模型和感知模型, 并利用粒子群优化粒子滤波方法解决了移动机器 人的自定位问题. 粒子群优化算法的优化结果使得采样集向后验概率密度分布取值较大的区域运动, 从而克服了粒 子贫乏问题并且显著地降低了精确定位所需的粒子数. 仿真实验表明该算法的有效性. 关键词: 移动机器人; 自定位; 粒子滤波; 粒子群优化 中图分类号: TP242.6 文献标识码: A A localization method for particle-filter based on the optimization of particle swarm 1 2 2 FANG Zheng , TONG Guo-feng , XU Xin-he (1. Key Laboratory of Process Industry Automation, Ministry of Education, Northeastern University, Shenyang Liaoning 110004, China; 2. Institute of Artificial Intelligence and Robotics, Northeastern University, Shenyang Liaoning 110004, China) Abstract: To locate a mobile robot efficiently and accurately, we propose a localization algorithm for the particle- filter based on particle swarm optimization. The drawbacks of generic particle- filter are analyzed. By incorporating the newest observations into the sampling process and using particle swarm optimization, the prediction performance of the generic particle-filter is improved. After that, the probabilistic motion-model and observation-model of the mobile robot are established, and the self-localization pro