论文部分内容阅读
无线传感器网络(WSN)是一种全新的监测物理世界的工具,其“无处不在”的特点可使人们获得被测环境中任意位置的所有信息。尽管如此,WSN仍是一个被动的测量系统,而机器人则具有和环境主动交互的功能,将两者结合可以组建一个对环境智能响应的双向测控系统。本课题受黑龙江省自然基金资助,旨在研究工作在未知环境下基于传感器网络的机器人自主导航算法。目前,很多学者开始研究基于WSN的移动机器人自主导航技术,但大都首先通过网络或其它设备获得移动机器人的空间坐标,然后利用传统导航方法对机器人实现自主导航,在导航定位精度和使用便捷性方面都存在诸多问题。本文采用RSSI势场量化的坐标空间描述机器人状态和导航空间,有效避免将RSSI值转换为几何距离时引入的模型误差,将导航计算分散到多个信标节点中并行实施,减小了机器人节点的计算负担,简化了机器人自身硬件设计的复杂度,充分发挥了WSN的群体计算能力。论文主要完成的研究工作如下:(1)建立了机器人相对于WSN信标节点的导航空间模型,采用RSSI势场量化的坐标空间描述机器人状态和导航目标,直接将RSSI值作为导航系统的被控量,在很大程度上减少了信道传输模型误差对导航定位精度的影响;(2)在WSN信标节点大规模部署的情况下,设计了一种基于匹配系数的最优链路束搜索算法,利用减法聚类算法获得分段导航目标节点,将机器人的导航目标分为若干个局部目标节点区域,使机器人在宽约束条件下快速到达目的地。(3)设计了一种高效的硬件分组粒子滤波算法对节点间RSSI信号进行滤波处理,将粒子迭代更新计算分配到各个信标节点中并行执行,省去了重采样的步骤,减少了中间计算结果对节点存储空间的占用,提高了算法的实时性,使RSSI值和节点间距离呈单调函数关系,从而便于单信标节点导航决策,仿真和实验均优于卡尔曼滤波。(4)采用多元回归分析多节点间的相关信息得出了统计意义下的RSSI信号单步预测结果,同时结合信道传输模型和机器人运动规律,建立了机器人在RSSI量化坐标空间中的导航运动模型。(5)设计了一种基于多目标群体决策协调技术的导航控制量融合方法,将每个信标节点作为独立的导航决策单元,给定其独立的导航期望RSSI值,融合每个节点的决策信息,根据多目标最优化理论寻求最大程度满足决策节点控制诉求的全局次优导航策略,实验表明系统可以到达1m以内的导航精度。