基于LPMS-B的機器人末端姿態(tài)檢測試驗研究.pdf_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、運動物體的姿態(tài)檢測,常采用的設(shè)備有激光跟蹤儀和姿態(tài)傳感器。激光跟蹤儀能高精度的檢測運動物體的姿態(tài),但是由于其價格昂貴,而無法得到廣泛的應(yīng)用。姿態(tài)傳感器由于價格適中以及其所具備的良好的動態(tài)性能被廣泛運用于運動物體的姿態(tài)檢測,比如無人機導(dǎo)航系統(tǒng)、車輛系統(tǒng)以及機器人控制系統(tǒng)等。因此,基于傳感器的姿態(tài)檢測系統(tǒng)具有巨大的應(yīng)用潛力,是一個值得深入研究的方向。本文就陀螺儀、加速度計和磁強計構(gòu)成的九軸無線姿態(tài)傳感器(LPMS-B)檢測系統(tǒng)的姿態(tài)解算和數(shù)

2、據(jù)融合算法進行研究,并基于OTC機器人平臺進行測試實驗,研究內(nèi)容如下:
  (1)對姿態(tài)檢測的相關(guān)技術(shù)研究現(xiàn)狀進行介紹,包括姿態(tài)傳感器與檢測技術(shù)的發(fā)展現(xiàn)狀、姿態(tài)解算算法和數(shù)據(jù)融合算法的研究成果。
  (2)對提高機器人末端姿態(tài)檢測精度的數(shù)據(jù)融合方法進行研究,闡述了基于四元數(shù)的姿態(tài)更新算法、改進的高斯牛頓算法(IGN),并在此基礎(chǔ)上進行卡爾曼濾波和互補濾波數(shù)據(jù)融合,提出了構(gòu)建基于LPMS-B及相關(guān)數(shù)據(jù)融合算法的檢測方法以實現(xiàn)機

3、器人末端姿態(tài)的精確檢測。為了能夠更好的進行機器人末端姿態(tài)檢測,設(shè)計了基于陀螺儀的機床實驗和基于加速度計的電梯實驗,以此驗證陀螺儀和加速度計采集數(shù)據(jù)的有效性。
  (3)基于OTC機器人平臺進行測試實驗,分別設(shè)計了機器人單軸轉(zhuǎn)動實驗和機器人多軸聯(lián)動實驗,通過改進的高斯牛頓算法、基于改進的四元數(shù)卡爾曼濾波數(shù)據(jù)融合算法和基于改進的四元數(shù)互補濾波數(shù)據(jù)融合算法進行姿態(tài)解算,并對比解算結(jié)果,得出基于改進的四元數(shù)互補濾波數(shù)據(jù)融合算法為最優(yōu)姿態(tài)解

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論