基于准模型校准卡尔曼滤波的巡检机器人运动系统辨识研究

发布时间：2021-02-08 21:27

　　巡检机器人在未来将运用到工业和生活的各个领域,机器人运动系统辨识对控制系统特性研究具有重要意义。针对传统卡尔曼滤波的拟合度和线性化等方面的不足,采用卡尔曼滤波和最小二乘法相结合的系统辨识方案。由最小二乘法得到系统准模型,并转换为状态方程,作为卡尔曼滤波器预测估计器,对机器人运动系统进行辨识。实验采用巡检机器人输出的多组轮速样本数据进行验证,实验结果表明,提出的辨识方案与无准模型的卡尔曼滤波系统辨识方案相比,参数易选取、拟合度好、鲁棒性强。 

【文章来源】：电气传动. 2020,50(04)北大核心

【文章页数】：7 页

【文章目录】：
1 巡检机器人运动系统平台
2 巡检机器人运动系统模型辨识
    2.1 运动系统准模型辨识
    2.2 融合机器人准模型的Kalman滤波辨识
3 实验研究
    3.1 融合准模型前后Kalman滤波轮速辨识对比
    3.2 融合准模型的Kalman滤波辨识鲁棒性验证
        3.2.1 Q值选取鲁棒性验证
        3.2.2 不同轮速模型鲁棒性验证
4 结论


【参考文献】：
期刊论文
[1]一种基于白箱模型的人工神经网络参数辨识算法[J]. 胡鹏飞,谢诞梅,熊扬恒.  中国电机工程学报. 2016(10)
[2]基于特征模型的PMSM调速系统离散自适应滑模控制[J]. 王志宏,王翔,吴益飞,郭健,陈庆伟.  南京理工大学学报. 2015(06)
[3]柔性结构的多输入多输出运动系统辨识方法[J]. 黄涛,杨开明,杨进,朱煜,胡楚雄.  机械工程学报. 2016(11)
[4]基于人体运动意图卡尔曼预测的外骨骼机器人控制及实验[J]. 龙亿,杜志江,王伟东.  机器人. 2015(03)
[5]基于递推差分进化算法的空间机器人参数辨识[J]. 刘正雄,鹿振宇,黄攀峰.  宇航学报. 2014(10)
[6]基于双ARM Cortex架构的移动机器人控制器设计[J]. 彭刚,袁兵.  华中科技大学学报(自然科学版). 2013(S1)



本文编号：3024556