基于阈值过滤的自适应无迹卡尔曼滤波在农业无人机组合导航中的应用

目的:针对无人机在进行喷药作业过程中系统模型会受到外界扰动引起滤波器噪声和干扰信号效果的问题,提出一种基于阈值过滤的自适应无迹卡尔曼滤波的方法。方法:通过设立阈值判断是否属于离群值,降低异常值的权重,减少因噪声干扰导致的系统模型误差。应用组合的信息融合方式,同时简化噪声估计过程。结果:通过MATLAB仿真实验证明,将UKF、AUKF、简化AUKF以及本算法进行比较,基于阈值过滤的自适应无迹卡尔曼算法在东向和北向速度的预测准确度上分别提高了57.9%和54.1%。结论:该方法在方位精度上有大幅提升,使得系统的鲁棒性更强。

基于改进PRM和APF的移动机器人路径规划

针对移动机器人路径规划人工势场法(artifical potential field,APF)的局部最小值和目标不可达问题,提出了概率路线图法(probabilistic roadmaps method,PRM)与人工势场法相结合的路径规划算法。首先,对全局路径规划PRM进行改进,引入椭圆约束,减少了冗余节点,提高了规划效率。其次,将PRM规划的路径节点作为人工势场法的虚拟目标点,利用改进的APF法进行节点跟踪,解决了APF法局部最小值问题;通过对APF法的引力函数进行分段处理,对斥力函数加入移动机器人与目标点的相对距离因子来解决目标不可达问题。最后,对改进的算法进行仿真,仿真结果表明,该算法不仅能有效解决传统APF法的目标不可达和局部最小值问题,并且较未改进的融合算法时间和节点数量上分别减少了82.7%、50%,路径长度也减少了28.55 m。