气垫车辆土壤参数估值算法

针对气垫车辆具有附加的垂向力控制自由度的特点,提出了基于g函数和扩展卡尔曼滤波器(EKF)联合算法的土壤参数估值方案.g函数通过解耦土壤参数解决了多解问题,EKF通过减小测量不确定度提高了估值准确性.通过不同噪声水平下算法准确性和大噪声重复实验下算法稳定性的实验表明:g-EKF联合算法在各种噪声水平下具有应用鲁棒性,特别是在大噪声工况下,其估值准确性、精确性和稳定性具有明显优势.

气垫式越野机器人土壤参数识别算法及其采样点选取规则

正确地在线识别土壤参数是软地面越野机器人运行性能优化和控制的基础,其实施需要解决多解问题和准确性问题。利用气垫式机器人的垂向力控制自由度,提出g算法对3个土壤推力参数进行解耦和识别,能够解决多解问题。g算法的实施需要确定3个采样点,需要限制由状态噪声和测量噪声引起的土壤参数估值误差,因此有必要建立合理的采样点选取规则。其方法如下:将估值误差的减小具体表征为3方面,经数学推理分别建立采样点选取规则,再得出折中方案。结合一个工程实例进行了不同状态噪声和测量噪声水平下的估值准确性试验。试验结果表明:①在各种噪声水平下,尽管存在或多或少的误差,g算法均能够识别出3个土壤推力参数;②在各种噪声水平下,根据选取规则得到的理想采样点组合相对于随机组合具有明显优势;③系统的非线性导致状态噪声和测量噪声均对g算法的估值准确性有较大影响。上述结果显示出针对气垫式越野机器人提出g算法及其采样点选取规则的必要性和可行性。