基于自适应卡尔曼滤波的侧滑移动机器人运动模型估计

精确实时在线的运动模型对于侧滑移动机器人的运动控制和轨迹规划至关重要,相比于离线模型估计,该文在基于速度瞬心(ICRs)的侧滑移动机器人运动学模型基础上,采用扩展卡尔曼滤波(EKF),在同一特定地形下在线准确得到ICRs的参数值;并针对不同的地形情况,采用k-近邻法对地形进行分类,实时判别机器人当前运行的路面,采用自适应的卡尔曼滤波器(AKF)调整滤波器参数。仿真和实验对比表明,该方法在同一地形和变化地形下均能快速估计出侧滑移动机器人的运动学模型,收敛时间均为3 s以内,可以满足实际使用的需要。

基于扩展H_∞滤波农业机器人滑移运动模型估计

针对履带式农业自动化机器人侧滑运动控制问题,提出了一种基于扩展H_∞滤波的滑移运动模型估计方法。首先,给出了机器人侧滑转向的速度瞬心(ICRs)运动模型,并针对不同的运行路况进行双模态并行估计实现。接着,针对不同路况进行了实现分析。固定路况下,采用扩展H_∞滤波(EHF)在线实时估计ICRs参数值;时变路况下,首先采用k均值聚类对运行路况进行类别划分,然后针对划分的类型进行EHF估计。仿真和实验结果表明,该估计方法在固定路况和时变路况下均能快速估计侧滑机器人的运动学模型,保持了较高的拟合精度。