基于信息融合的移動機器人定位導航及其深海采礦應用研究.pdf

1、移動機器人定位導航的多傳感器信息融合方法一直是機器人研究領域極具挑戰(zhàn)性的問題之一，特別是對于未知復雜環(huán)境下作業(yè)的機器人，如深海底采礦集礦機。它是一臺工作在海底的爬行式機器人ROV(Remotely Operated Vehicle)，按一定的路線在海底自行移動采集賦存于海底的多金屬結(jié)核，并通過揚礦系統(tǒng)輸送到采礦母船上。
　　 當前國內(nèi)外已作的主要研究普遍集中在通用的移動機器人技術方面，由于涉及技術保密、國際競爭等原因，對于深海底

2、環(huán)境下的機器人定位導航等的研究僅僅停留在表面階段，尚未形成統(tǒng)一和完善的知識體系結(jié)構(gòu)。本研究旨在從前瞻性基礎研究入手，基于多傳感器信息融合的信息處理方法，針對大洋資源開采與環(huán)境勘察的實際要求，開展數(shù)據(jù)信息處理技術及前瞻信息技術的研發(fā)，為移動機器人在海底或水下的應用提供理論基礎和設計方法。創(chuàng)新性的研究工作主要有：
　　 首先，針對各種類型傳感器的性能及誤差分析，以移動機器人MKⅡ為實驗平臺，對定位用內(nèi)部與外部傳感器，如里程儀、紅外/

3、激光測距儀、GPS等傳感器誤差產(chǎn)生原因進行了分析，采用自適應加權融合估計，在總均方誤差最小這一最優(yōu)條件下，根據(jù)各傳感器所測得的值以自適應的方式尋找個傳感器所對應的最優(yōu)加權系數(shù)，使融合后的估計值達到最優(yōu)。利用該融合算法，實現(xiàn)了GPS與測距法融合的準確導航定位以及紅外/激光定位導向的機器人與對接站的精確對接；針對采用長基線系統(tǒng)的水下機器人定位，提出了聲速修正的數(shù)值迭代模型，并通過仿真分析驗證了模型的正確性。
　　 其次，以海洋采礦集

4、礦機為研究平臺，對集礦機在海底不確定環(huán)境下的環(huán)境感知、避障及定位導航進行了研究?？紤]到深海底環(huán)境下的實驗較難實現(xiàn)，首先利用移動機器人MKⅡ?qū)嶒炂脚_，對機器人的狀態(tài)空間模型、觀測模型、融合地圖構(gòu)建、避障策略等問題進行了深入研究，進行了仿真分析與實驗驗證，并將研究結(jié)果應用于深海采礦集礦機的避障、自定位及軌跡跟蹤。針對避障問題，由于避障聲納信號很弱，采用SOG(Sum of Gaussians)方法進行傳感器的信息融合，再提取特征，使傳感器信

5、息的不確定性大大減小。在人工勢場法的基礎上進行了避障算法的改進，使機器人能夠跳出局部極小點，順利到達目標。對于集礦機的定位導航問題，類比于移動機器人的航程推算法直線模型，建立了履帶式集礦機的狀態(tài)空間模型，根據(jù)長基線定位系統(tǒng)的延時建立了系統(tǒng)的測量方程。為了抑制濾波器發(fā)散，提高系統(tǒng)魯棒性，采用基于模糊邏輯控制的自適應卡爾曼濾波(FAKF)的方法及相應的模糊控制規(guī)律；由于海底集礦機為履帶式結(jié)構(gòu)，其運動模型具有較強的非線性特征的問題，提出了一種

6、改進的SUKF方法以適應系統(tǒng)的非線性。從而實現(xiàn)了基于長基線系統(tǒng)定位的海底集礦機位置估計及軌跡跟蹤。
　　 最后，進行了未知環(huán)境下機器人即時定位與地圖構(gòu)建(SLAM問題)的研究。應用動態(tài)閾值的概念，并把動態(tài)閾值用于數(shù)據(jù)相關信息的預處理，即先篩選出符合一定條件的候選觀測值集合，以減小后續(xù)數(shù)據(jù)相關操作的計算復雜度，滿足SLAM對數(shù)據(jù)相關實時性要求。在匹配過程中采取基于動態(tài)閾值的最近鄰數(shù)據(jù)相關算法，通過分析最近鄰數(shù)據(jù)相關算法在不同置信度

7、下，機器人定位誤差的變化情況，以適應不確定性動態(tài)變化的實際情況，為提高機器人定位與構(gòu)圖的實時性和準確性提供了保障。在此基礎上，針對EKFSLAM算法存在的問題以及機器人運動模型具有較強的非線性，采取基于FastSLAM算法上的Unscented KF方法的措施以改進系統(tǒng)的非線性，實現(xiàn)了移動機器人的位姿估計與環(huán)境特征的同時評估。對粒子濾波(PF)基于系列重要性采樣算法進行了改進，即基于有效樣本大小ESS的重要性權重計算及采樣策略。通過在機