论文部分内容阅读
随着当今社会的迅速发展,信息融合技术已经在许多领域得到了广泛应用。并且已经应用在移动机器人上,为机器人智能化水平的进一步提高提供了理论支撑。定位和避障是自动导引小车(AGV)完成各项任务的重要保障,将多传感器信息融合技术运用于AGV(Automated Guided Vehicle)定位和避障系统,可以为AGV在各种复杂、动态、不确定或未知的环境中工作提供一种有效的技术解决途径。所以本文是以信息融合技术为研究重点,对AGV定位方式及避障进行研究。 在AGV的定位方面,因为卡尔曼滤波只能解决线性系统模型,不适合非线性系统模型。但是在现实情况下,AGV是一个非线性系统,因此采用卡尔曼滤波解决AGV的定位问题存在缺陷,所以本文采用扩展卡尔曼滤波定位算法。首先设计了AGV的运动模型以及传感器的观测模型,然后将里程计和超声波传感器采集的信息进行融合。通过控制模型估计AGV的初步位姿,通过超声波传感器检测周围环境可以及时修正估计误差,提高定位精度。最后通过仿真证明结合里程计和超声波传感器进行信息融合可以有效消除AGV运动过程中里程计的积累误差,提高了AGV的定位精度。 在AGV的避障方面,由于单传感器提供的信息不足以使AGV快速准确的避障,所以本文利用多个超声波传感器和红外传感器来获取AGV运行中的障碍物信息,利用电子罗盘实时获取AGV的位置和目标方位角信息。利用信息融合技术可以使系统得到的信息更为准确全面。本文分别对模糊控制算法与模糊神经网络算法进行验证,经过对比发现模糊神经网络算法更具优越性,能更好的实现AGV在未知环境中的自主避障。所以针对AGV所处的环境,设计了输入和输出变量,隶属度函数以及模糊控制规则库,并进行Matlab仿真。仿真结果证明了模糊神经网络避障算法能够高精度逼近非线性系统,避障精度高,响应速度快,模糊神经网络算法优于模糊控制算法。 本论文采用信息融合方法实现了AGV的定位以及避障,从而能够保证AGV在较为复杂未知的环境下安全准确的运行。