獨輪機器人姿態(tài)檢測信息融合算法的研究.pdf

1、姿態(tài)控制是獨輪機器人平衡行走的關鍵技術，而姿態(tài)檢測對姿態(tài)控制的影響是至關重要的。獨輪機器人經(jīng)常用到陀螺儀、加速度計以及磁力計作為姿態(tài)檢測傳感器，而姿態(tài)檢測傳感器性能的好壞將直接影響獨輪機器人是否能夠實現(xiàn)平衡穩(wěn)定的控制?？紤]到高性能的姿態(tài)檢測傳感器價格昂貴，獨輪機器人采用成本較低的基于MEMS的姿態(tài)傳感器。但由于該種類加速度計容易受到外界非重力加速度的影響且測量結果噪聲比較大，而陀螺儀又存在累積誤差和零點漂移，所以兩類傳感器均不適合單獨長

2、時間的測量姿態(tài)角。
　　本研究搭建了獨輪機器人的姿態(tài)檢測系統(tǒng)，分析了系統(tǒng)中各類傳感器的優(yōu)缺點。為獨輪機器人的姿態(tài)檢測構建了硬件基礎。研究了擴展卡爾曼濾波算法(EKF)和無味卡爾曼濾波算法(UKF)的濾波原理和過程。用歐拉法建立了獨輪機器人姿態(tài)變換的模型，并通過仿真驗證了兩種算法在獨輪機器人姿態(tài)檢測信息融合過程中的效果，從濾波原理和實驗結果上對比了兩種算法的優(yōu)缺點。利用PAN-TILT模塊搭建了二自由度實驗平臺，驗證了獨輪機器人橫滾

3、角和俯仰角的卡爾曼濾波效果?？紤]到加速度計易受外界振動等非重力加速度的影響，通過實驗測量得到不同振動強度對加速度計測量值的影響程度，擬合得到不同振動下加速度計測量值的均方差曲線。如何減少或者濾除振動等非重力加速度對加速度計造成的影響，是本課題研究的重點。通過對卡爾曼濾波算法原理的分析，加上實驗結果的驗證，本文通過對算法的擴展和修改有效的解決了外界干擾對姿態(tài)檢測結果的影響。實驗結果顯示經(jīng)過改進的自適應無味卡爾曼濾波算法(AUKF)很好的解