基于ASTUKF的分布式农业车辆路面参数辨识方法

针对分布式驱动农业车辆在路面参数辨识过程中,因路面环境变化出现的状态模型误差和时变噪声,导致辨识结果发散的问题,提出了基于自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking unscented Kalman filter, ASTUKF)的辨识方法。与传统内燃机农业车辆相比,分布式驱动可以直接获取驱动轮的状态信息,结合含有峰值附着系数和极限滑转率的μ-s曲线模型,建立了无迹卡尔曼滤波(Unscented Kalman filter, UKF)辨识算法的状态方程和量测方程。同时,将强跟踪滤波(Strong tracking filter, STF)和自适应滤波(Adaptive filter, AF)引入辨识算法,用以提高对多变环境的识别精度和鲁棒性,并采用奇异值分解(Singular value decomposition, SVD)解决了迭代过程中出现的非正定矩阵的问题。仿真试验结果表明,在突变噪声环境工况下,ASTUKF辨识结果可以快速收敛至目标值附近,且不受突变噪声的影响,各驱动轮峰值附着系数估计结果的平均绝对误差(Mean absolute error...     

基于测距值修正的温室植保机器人定位方法

针对温室植保机器人作业过程中，UWB节点之间频繁出现的非视距通信现象导致UWB系统定位精度低和稳定性差的问题，提出了一种基于UWB测距值修正的融合定位方法。首先，设计了基于测距残差的UWB节点间通信类型识别方法；其次，分析了视距和非视距通信下UWB测距误差产生原因并建立了两种通信条件下的测距值修正模型；最后，基于扩展卡尔曼滤波器设计了UWB测距修正值和IMU数据融合方法，实现了温室机器人作业过程中的可靠定位。在温室环境下的实际验证结果表明：非视距通信条件下，经过UWB测距修正的融合定位方法的定位误差为11.95 cm,相较于未进行UWB测距值修正的融合定位方法，定位误差降低83.11%,可为温室植保机器人提供稳定的高精度定位信息。     

农业机械导航中的GPS定位误差分析

GPS定位已在农业机械装备中得到广泛应用,但定位过程会产生一定的误差.导航中GPS定位误差分析,可采用目前应用比较广泛的差分技术及联合卡尔曼滤波算法;在动态定位数据的处理中,利用基于时间序列的处理方式,能显著的降低定位误差.     

基于区间分析无迹粒子滤波的移动机器人SLAM方法

移动机器人同时定位与地图创建算法SLAM中,非线性系统线性化处理和雅可比矩阵计算导致运算量大、系统状态估计精度较低.为此提出了一种基于区间分析的无迹粒子滤波同时定位与地图创建的方法.利用基于区间分析的区间粒子滤波进行位姿估计,降低了定位需要的粒子数;并采用无迹卡尔曼滤波更新地图中的特征,提高了地图创建的精度.在同等粒子数的情况下,改进了SLAM的精度,减少了运算时间,实验结果验证了方法的有效性.     

基于无迹卡尔曼滤波的车辆状态与参数估计

准确获取车辆运动过程中的状态变量和时变模型参数可以提高动力学控制的鲁棒性.引入了车辆模型时变参数的概念,建立了车辆动力学状态空间模型,应用无迹卡尔曼滤波(UKF)算法对车辆状态变量和参数进行了估计.与车辆动力学软件CarMaker建立的参考模型对比表明,该估计方法具有可行性和准确性.在估计系统中,提出含自适应参数的简化...     

基于自适应系数卡尔曼滤波的农业移动机器人组合定位

基于全球导航卫星系统（Global navigation satellite system,GNSS）的定位导航技术在半结构化、半开放式农业应用场景的部分区域,可能由于存在作物遮挡而导致GNSS接收信号出现短暂丢失的情况,进而影响机器人定位导航精度,甚至对作物和工作人员造成伤害。针对这一问题,本文开展了农业遮挡环境下的GNSS与惯性导航系统(Inertial navigation system,INS)的组合定位方法研究。搭建了用于多传感器定位导航实验的农业机器人系统,该系统由履带式移动平台、GNSS、INS等硬件和ROS(Robot operation system)操作系统、远程操控界面等软件构成。提出了引入自适应系数的GNSS/INS组合定位卡尔曼滤波算法,当GNSS无法进行差分定位或定位数据产生跃变时,通过自适应卡尔曼滤波能够切换到INS定位,从而实现机器人自身位置、姿态的最优估计。在典型农业遮挡场景（果园）进行了实地组合定位实验,并通过GNSS单通道定位、INS单通道定位、常规卡尔曼滤波融合定位、引入自适应系数的卡尔曼滤波定位等4种定位方法的对比,验证了本文提出算法的有效性。现场实验表明：定位过程中,当100m×20m的实验区域内出现30m×6m的高遮挡区域时,与GNSS定位信息测量方法、INS航迹推算定位方法以及常规卡尔曼滤波组合定位方法相比,自适应系数卡尔曼滤波组合定位方法定位精度分别提升62.1%、48.5%、47.7%。     

基于ISRCDKF的移动机器人同时定位与建图研究

为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root central difference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求。该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的。仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3%、32.7%和25.0%;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1%和10.8%。将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性。     

农机车载GPS和DR组合导航系统定位方法

为提高农机车载GPS和DR组合导航系统定位的精度,将模糊逻辑和卡尔曼滤波相结合,研究了模糊自适应卡尔曼滤波算法,在线修正系统量测噪声协方差阵.该算法在改装的农机车上进行了试验.试验表明,模糊自适应卡尔曼滤波能抑制异常值对系统定位精度的影响,定位精度较单个GPS高.系统使用模糊自适应卡尔曼滤波后,x方向和y方向平均误差分别为0.13m和0.20m,定位曲线得到了平滑.     

基于改进的自适应渐消UKF机床主轴热平衡试验

数控机床的主轴热平衡试验是进行热误差建模和补偿的必要手段,是准确获得数控机床主轴的热敏感点、温度场和热位移以及热平衡时间等热态特性的方法。本文提出一种基于改进的自适应渐消无迹卡尔曼滤波(Adaptive fading unscented Kalman filter,AFUKF)的快速辨识机床主轴选点温升的方法。首先,在标准UKF中引入渐消因子,使用残差归一化自动更新渐消因子,并将其引入增益矩阵,增强测量值在计算中的权重;其次,通过使用自适应规则,动态调整过程噪声和测量噪声协方差阵,减少外部扰动对温升预测的影响,以获得更好的滤波性能。仿真结果表明,提出的机床主轴温升快速辨识方法可以在很短的时间内预测选点的温升,且预测结果与热平衡试验结果吻合,验证了本文方法的可行性和有效性。     

四旋翼无人机移动平台跟随降落系统设计

【目的】四旋翼无人机以自主悬停、垂直起降、控制简易的特性被广泛应用于市场,但无人机续航能力以及控制精度要求影响着各项工作的开展。【方法】本研究设计了一种跟随降落系统,将四旋翼、无人车、UWB、视觉降落系统分阶段融合构成一个对移动平台的跟随降落系统,详细分析了四旋翼无人机跟随移动平台的总体设计、UWB定位系统设计、机器视觉处理及数据融合处理等系统设计,并将无人机分成三轴方向对飞行数据进行了卡尔曼滤波处理实验。【结果与结论】该系统与传统定位系统GPS相比,增加了UWB定位与OpenMV导航降落,卡尔曼滤波后的飞行轨迹与小车轨迹更接近,实现了无人机跟随移动平台,提高了跟随移动平台飞行的精确度,减少了无人机在飞行过程中因误差与自然因素导致飞行出现偏移的状况,为后续无人机降落于无人车上提供了更高的精准度与安全性,使户外无人机搜救工作的续航有了更大的保障。     

基于UWB在丘陵山地定位的可行性试验研究

针对目前UWB定位技术应用于丘陵山地农业机械自动化会受到树林环境下多重因素干扰的现象,项目组采用UWB定位技术在山地丘陵地区的应用进行了模拟试验以及实地验证试验,分析了树干、叶簇等对UWB测距精度的影响,对于有遮挡物和无遮挡物的定位数据进行了误差对比分析。分析结果表明,木板模拟试验中,在有遮挡物的情况下,UWB测距误差在10 cm范围内波动;在树林实地实验中,误差保持在36 cm范围以内波动,能够满足山地丘陵地区农业机械的定位需求。     

基于多传感器融合的跟随AGV复合导引技术

在"主从式"AGV协同作业中,跟随AGV的定位和导引,除了获取环境信息,还需要观测领航AGV的位姿进行路径跟随,对精度和稳定性有更高的要求。为了提高跟随AGV的导航精度,提出一种惯性导航与多目视觉结合的组合导航方法。针对多传感器的数据融合问题,提出一种基于自适应无迹卡尔曼滤波的跟随AGV最优位姿估计方法。惯导传感器输出信号用于跟随AGV的状态预测;路径跟踪导航与RGB-D视觉导航组成多目视觉导航,作为系统观测修正惯导的累积误差。实验表明,本文提出的复合导引方案具有更快的偏差收敛速度、更稳定的路径跟踪状态和队形保持,提高了双车协同搬运系统的实时性和鲁棒性。     

无迹加权集合卡尔曼滤波及其在土壤湿度同化中的应用

在土壤湿度模拟研究领域,现有的数据同化方法均存在一定缺陷,为此,基于集合卡尔曼滤波(EnKF)方法和无迹变换,提出了无迹加权集合卡尔曼滤波(UWEnKF),增加了对结果影响较大的集合成员的权重,且集合成员关于均值对称。结合一维Richards方程在梅林流域开展了同化表层土壤湿度的实时同化实验,验证了其有效性。结果表明:①一维Richards方程可以较好地模拟出土壤湿度的动态变化过程;②在土壤湿度模拟过程中引入数据同化方法,可以提高土壤湿度的模拟精度,但同化效果与模拟精度有关;③UWEnKF同化方法能够显著改善土壤湿度的模拟结果,比EnKF同化方法效果更佳。总之,UWEnKF是一种有效的、切实可行的数据同化方法,是提高土壤湿度模拟精度的有效手段。     

基于UWB定位的智能温室三维温湿度检测系统研究

为解决现有无线检测系统无法精准有效反映温室内立体空间的环境变化情况，以及传感器节点定位误差大、硬件成本高等问题，设计了一种基于UWB(Ultra wide band)定位的智能温室三维温湿度检测系统。系统通过一款自主设计的集成UWB定位模块的STM32F系统板对各传感器节点进行定位，并搭载AHT25型高精度传感器对环境数据进行采集。UWB主基站使用4G网络通信模块将各传感器数据及位置信息发送到上位机，并在Web端根据HTML5技术实现温室三维温湿度场可视化，完成温室三维温湿度远程检测。系统定位测试试验证明，各传感器节点精度主要集中在10～30 cm范围内，部分节点测量位置误差大于50 cm,各节点最大丢包率为2.5%,平均丢包率为1.9%,满足温室测量基本需求，对检测温室热工缺陷区域以及研究植物生长适宜环境有重要意义。     

基于UWB的自动驾驶编队车辆相对位姿计算

随着自动驾驶车辆编队技术与超宽带技术(UWB)的快速发展,基于UWB的位姿估计技术也得到了迅速发展。针对自动驾驶物流车直行编队行驶过程中需要获取牵引车与跟随车之间的距离、姿态角与方位角,提出了将UWB技术应用于直行编队驾驶中。提出一种获取距离、姿态角与方位角的计算方法,最后使用卡尔曼滤波对含有噪声的数据进行平滑操作,将距离的平均误差从16.3%降到5.2%,方位角的平均误差从19.7%降为9.4%,姿态角的平均误差从17.4%降为8.9%。     

基于IPSO-UKF的水草清理作业船组合导航定位方法

在河蟹养殖水草清理过程中,为降低养殖户劳动强度和提高导航定位精度,研究结合DGPS和视觉导航的优点,设计一种用免疫粒子群算法(IPSO)来优化无迹卡尔曼滤波(UKF)的组合导航定位方法,并应用于水草清理作业船。首先通过建立组合导航模型,得到系统的状态方程和量测方程;为解决UKF对导航模型滤波存在的发散问题,再通过粒子群算法(PSO)优化UKF,并引入免疫算法避免PSO的早熟现象;最后得到滤波后新的位置坐标。为获取视觉信息,对采集的图像采用相应的图像处理技术确定导航路径。导航实验结果表明,所提方法相比DGPS导航和组合导航,纬度误差分别下降22.69%、9.14%,工作时间分别减少4.77%、4.32%,进一步提高了作业船工作效率。     

基于EKF的多传感器融合定位算法研究

针对室外移动机器人定位系统精度依靠传感器融合存在累计误差的问题,提出一种基于扩展卡尔曼滤波（EKF）的多传感器融合的室外移动机器人定位方法。通过实时差分定位（Real-Time Kinematic,RTK）和里程计信息、IMU信息对室外移动机器人进行扩展卡尔曼滤波融合定位,在真实室外环境中进行实验。实验结果表明：该算法能消除累计误差,提高机器人的定位精度,动态定位精度可达2.5 cm以内,相较于里程计-IMU融合定位,误差减少了92.4%左右,相较于传统的RTK算法,定位精度提高了55.4%。多次实验表明,该算法具有较好的鲁棒性。     

基于时间序列分析的卡尔曼滤波组合导航算法

GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。     

基于核自适应滤波的无线传感网络定位算法研究

针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least mean square,QKLMS)算法及固定预算(Fixed-budget,FB)核递推最小二乘(Kernel recursive least-squares,KRLS)算法。QKLMS算法基于一种简单在线矢量量化方法替代稀疏化,抑制核自适应滤波中径向基函数结构的增长。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"滑窗"技术不同,每次时间更新时并不"修剪"最旧的数据,而是旨在"修剪"最无用的数据,从而抑制核矩阵的不断增长。通过构建RSS指纹信息与物理位置之间的非线性映射关系,核自适应滤波算法实现WSN的室内定位,将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与其他核学习算法、极限学习机(Extreme learning machine,ELM)等定位算法进行比较。仿真实验中2种算法在3种情形下的平均定位误差分别为0.746、0.443 m,物理实验中2种算法在2种情形下的平均定位误差分别为0.547、0.282 m。实验结果表明,所提出的核自适应滤波算法均能提高定位精度,其在线学习能力使得所提出的定位算法能自适应环境动态的变化。     

基于UWB超宽带技术的无人驾驶农机导航定位技术研究

以UWB超宽带技术为基础展开无人驾驶农机自动导航定位控制技术研究,将在室内定位领域应用广泛且性能良好的UWB超宽带定位技术进行算法和硬件上的优化,使其适用于室外环境,设计相应的控制算法进行测距,结合基站确立定位参考系,设计算法矫正因设备或外在因素造成的定位误差,最后模拟田地狭小的丘陵地区果园环境展开实验研究,以Robo...