论文部分内容阅读
随着计算机技术、信息技术、通讯技术、微电子技术和机器人技术的飞速发展，针对智能移动机器人技术的研究与应用取得了长足的进步，使其在许多场合被寄予了替代人类自动执行某些日常性与危险性任务的厚望。机器人的导航与定位作为实现机器人智能化和完全自主化的关键技术，逐渐成为目前该领域的研究热点。特别是面向室内环境的移动载体持续高精度组合导航，其市场需求巨大，前景十分广阔。在现有的室内导航策略中，基于无线传感器网络(Wireless Sensor Networks，WSN)的目标跟踪以其低成本、低功耗和低复杂度的特点表现出很大的潜力。但由于室内环境复杂多变，WSN信号十分容易受到干扰并造成失锁，与此同时，WSN采用的通信技术通常为短距离无线通信技术，因此若想完成长距离、大范围的室内目标跟踪和定位，需要大量的网络节点共同完成，这必将引入网络组织结构优化设计、多节点多簇网络协同通信与定位等一系列问题。惯性导航系统(Inertial Navigation System，INS)通过自身携带的加速度计、陀螺仪等传感器测量载体当前时刻的旋转角速度和线加速度，将测得的数据通过积分得到载体的位置、速度和姿态信息，是一种完全自主的导航方式。然而，INS的测量误差随着时间而累积，独自长航时运行会导致导航精度严重下降。为了实现智能移动机器人在室内环境下持久的高精度实时导航，本文以INS/WSN组合导航算法为研究重点，在参考国内外大量无线定位和组合导航文献的基础上，根据本文的研究背景对现有的组合导航模型进行改进，从理论上深入研究了基于WSN的目标跟踪、WSN/DR组合、INS/WSN松组合和紧组合等面向室内移动机器人的导航模型。在导航模型的基础上，对现有的数据融合算法进行改进，设计出适合面向室内环境的智能移动机器人高精度导航的数据融合算法，将基于WSN的目标跟踪与INS有机的结合在一起，弥补WSN、INS在单独应用时存在的缺陷，提高了组合导航的精度和实时性。论文的主要工作与创新点如下: (1)提出了一种面向室内移动机器人的INS/WSN无偏紧组合模型。本文首先对基于WSN的目标跟踪算法和INS导航的原理进行分析，指出了上述两种导航方法的优点和不足。为了克服WSN定位及通信信号容易受到干扰和INS导航信息解算误差随时间累积的缺点，实现室内环境下的持续高精度导航。本文提出了INS/WSN组合导航系统，将WSN与INS有机的结合在一起，弥补各导航技术在实际应用中存在的缺陷，进而提高组合导航的精度。在此基础上，为了使INS/WSN组合导航系统能够获得更高的导航精度，降低组合导航系统对参与组合的单个系统数据的要求，扩大组合导航系统的应用范围，本文对导航模型进行了深入研究。首先将移动载体看作一个整体，提出了WSN/DR组合导航模型。在此基础上，本文进一步提出了INS/WSN松、紧组合导航模型以提高组合导航精度。同时，为了克服紧组合导航模型在计算两种导航技术测量的参考节点与未知节点的距离之差时，由于忽略泰勒展开式中的高阶小量而引入的新误差，本文又进一步提出了无偏紧组合导航模型，并给出了导航模型的构建方法和算法实现。实验数据显示，与松组合导航模型相比，无偏紧组合模型具有更高的导航精度，对数据的适应能力也更强。 (2)提出了一种基于INS/WSN组合导航的在线自适应迭代平滑算法。基于INS/WSN无偏紧组合导航模型，本文对扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)、自适应扩展卡尔曼滤波（Adaptive EKF, AEKF）和迭代扩展卡尔曼滤波（IteratedEKF, IEKF）等非线性融合滤波算法进行了系统的仿真实验，以验证、分析和比较在INS/WSN无偏紧组合模型下的滤波器性能。为了获取更高的数据融合精度，本文在传统IEKF算法基础上加入了观测噪声时变估计器，得到了自适应迭代扩展卡尔曼滤波算法(Adaptive IEKF, AIEKF)。并将AIEKF算法应用到Rauch-Tung-Striebel(R-T-S)平滑算法中，得到了自适应迭代R-T-S平滑算法(Adaptive Iterated Extended R-T-SSmoothing，AIERTSS)。与此同时，为了克服传统平滑算法不能实时进行的缺点，本文还提出一种在线AIERTSS算法，并给出了滤波算法的实现方法。半物理仿真实验表明，在本文所搭建的实验平台下，基于INS/WSN无偏紧模型，与WSN系统自身解算的位置和速度的均方根误差相比，通过使用AIEKF算法，组合导航系统的位置和速度的均方根误差分别下降了60％和40％左右。而AIERTSS算法的提出，更是使误差在AIEKF算法的基础上分别下降了15％和25％左右。与离线平滑滤波算法相比，虽然在线模式提高了AIERTSS算法的实时性，但是其位置和速度的均方根误差与离线模式相比有所提高。 (3)对WSN失锁情况下组合导航系统架构和数据融合方法进行了设计。针对WSN系统数据在室内环境下的存在的失锁问题，本文从替代失锁环境下不能工作的组合导航数据融合滤波器和在失锁环境下维持数据融合滤波器继续工作两个方面对失锁环境下的数据融合算法进行了设计，并给出了算法的实现方法和性能分析。 (4)为了完成对本文所提的组合导航模型和数据融合算法的性能验证，本文搭建了INS/WSN组合导航实验平台，给出了实验平台的系统框架和实现方法。