巡檢機器人在未來將運用到工業(yè)和生活的各個領域,機器人運動系統(tǒng)辨識對控制系統(tǒng)特性研究具有重要意義。針對傳統(tǒng)卡爾曼濾波的擬合度和線性化等方面的不足,采用卡爾曼濾波和最小二乘法相結合的系統(tǒng)辨識方案。由最小二乘法得到系統(tǒng)準模型,并轉換為狀態(tài)方程,作為卡爾曼濾波器預測估計器,對機器人運動系統(tǒng)進行辨識。實驗采用巡檢機器人輸出的多組輪速樣本數(shù)據(jù)進行驗證,實驗結果表明,提出的辨識方案與無準模型的卡爾曼濾波系統(tǒng)辨識方案相比,參數(shù)易選取、擬合度好、魯棒性強。 

【文章來源】：電氣傳動. 2020,50(04)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 巡檢機器人運動系統(tǒng)平臺
2 巡檢機器人運動系統(tǒng)模型辨識
    2.1 運動系統(tǒng)準模型辨識
    2.2 融合機器人準模型的Kalman濾波辨識
3 實驗研究
    3.1 融合準模型前后Kalman濾波輪速辨識對比
    3.2 融合準模型的Kalman濾波辨識魯棒性驗證
        3.2.1 Q值選取魯棒性驗證
        3.2.2 不同輪速模型魯棒性驗證
4 結論


【參考文獻】：
期刊論文
[1]一種基于白箱模型的人工神經(jīng)網(wǎng)絡參數(shù)辨識算法[J]. 胡鵬飛,謝誕梅,熊揚恒.  中國電機工程學報. 2016(10)
[2]基于特征模型的PMSM調(diào)速系統(tǒng)離散自適應滑�？刂芠J]. 王志宏,王翔,吳益飛,郭健,陳慶偉.  南京理工大學學報. 2015(06)
[3]柔性結構的多輸入多輸出運動系統(tǒng)辨識方法[J]. 黃濤,楊開明,楊進,朱煜,胡楚雄.  機械工程學報. 2016(11)
[4]基于人體運動意圖卡爾曼預測的外骨骼機器人控制及實驗[J]. 龍億,杜志江,王偉東.  機器人. 2015(03)
[5]基于遞推差分進化算法的空間機器人參數(shù)辨識[J]. 劉正雄,鹿振宇,黃攀峰.  宇航學報. 2014(10)
[6]基于雙ARM Cortex架構的移動機器人控制器設計[J]. 彭剛,袁兵.  華中科技大學學報(自然科學版). 2013(S1)



本文編號：3024556