基于改进雁群pso算法的模糊自适应扩展卡尔曼滤波的-物理学报.pdfVIP

物理学报 Acta Phys. Sin. Vol. 62, No. 17 (2013) 170506 基于改进雁群PSO 算法的模糊自适应扩展卡尔曼 滤波的SLAM 算法* 陈卫东12 刘要龙12 朱奇光12† 陈颖3 1) ( 燕山大学信息科学与工程学院, 秦皇岛 066004 ) 2) ( 河北省特种光纤与光纤传感重点实验室, 秦皇岛 066004 ) 3) ( 燕山大学电气工程学院, 秦皇岛 066004 ) ( 2013 年1 月19 日收到; 2013 年5 月11 日收到修改稿) 针对扩展卡尔曼滤波同时定位与地图创建算法中难以建立准确的先验噪声模型的问题, 提出一种基于改进雁 群粒子群算法的模糊自适应卡尔曼滤波算法. 利用分数阶微积分改进粒子进化速度, 利用混沌来改进粒子的初始化 和发生早熟时的处理. 改进后的雁群粒子群算法在收敛速度与避免早熟方面有了很大改进, 并将改进的雁群粒子群 算法用于模糊自适应扩展卡尔曼滤波同时定位与地图创建算法的训练, 并与用雁群粒子群算法训练的模糊自适应 扩展卡尔曼滤波同时定位与地图创建算法进行对比, 其在定位与构图方面有很大的提高. 关键词: 同时定位与地图创建, 雁群粒子群算法, 分数阶微积分, 混沌 PACS: 05.40.a, 05.45.a, 05.45.Gg DOI: 10.7498/aps.62.170506 器的记忆长度, 但现有计算渐消因子的方法公式表 1 引言 达复杂, 计算繁琐, 不利于实时的应用. 文献[2] 中 采用模糊规则来自适应调整卡尔曼滤波算法, 但模 移动机器人的定位与地图创建是机器人领域 糊规则隶属度函数的设定是根据经验设定的, 应用 的热点研究问题, 并逐渐成为实现机器人自主导 到动态系统中还是有一定偏差. 文献[3] 中提出基 航的关键. 同时定位与地图创建(SLAM) 是指处于 于遗传模糊推理的自适应容错滤波算法, 利用自适 未知环境中的移动机器人从一个不确定的起始位 应遗传算法来对模糊系统的隶属度函数参数进行 置出发, 在行进过程中利用外部传感器来增量式 优化, 利用优化的模糊系统来自适应调制卡尔曼滤 地构建环境地图, 并同时利用地图对自身的定位进 波算法. 但是遗传算法比较复杂, 找出最优后还需 行更新. 要对问题解码, 比较容易陷入早熟. 文献[4] 中采用 目前SLAM 的解决方法有很多, 其中EKF 算 法是最早被用于SLAM 的, 其具有很高的数学严谨 模糊神经网络的方法来调整扩展卡尔曼滤波应用 性和适合SLAM 问题的算法结构而被广泛使用. 然 在机器人的定位上, 即通过自适应神经网络学习的 而EKF 算法必须要获得系统噪声和观测噪声准确 方法获得模糊系统的隶属度函数的参数. 这就需 的先验统计特性, 这在实际中具有很大的难度. 若 要有训练数据, 而实际中扩展卡尔曼的理想训练数 这些先验信息不足或不准确, 则会造成估计精度降 据的获得是很困难的. 文献[5] 中