论文部分内容阅读
农田环境的复杂性不仅使得单一的导航信息难以满足精度和可靠性要求,而且往往成本很高。为此,以自主研制的轮式农业机器人平台为基础,本文通过GPS误差分析、Kalman滤波和灰色预测等算法,运用多传感器融合方法对轮式农业机器人导航系统进行了研究,主要内容和结论如下:分析了GPS(Trimble Ag132)定位误差及其相关性,运用时间序列分析方法建立了GPS静态和动态定位误差的自回归模型,给出了导航过程中的定位误差处理方法,并在自制的移动平台上进行了实验。结果表明,处理后的GPS定位误差信号的相关性明显下降,接近于白噪声,定位误差均值从0.1951m下降为-0.0022m。利用亚米级GPS、AHRSM2和光电编码器,组建了多传感器的组合导航定位系统,采用Kalman滤波算法对多导航信息进行融合。实验结果表明,设计的Kalman滤波器对原始GPS定位结果具有平滑和稳定作用,可以有效地降低GPS数据波动时对导航系统的影响。滤波处理后,GPS定位精度提高了0.5-1m,横向跟踪稳态误差为±0.15m,航向偏差在±5°。进一步将GPS误差处理算法引入Kalman滤波后,直线路径跟踪时GPS定位精度提高了2-5m,地头转向过程中的曲线跟踪时GPS定位精度提高了3-5m,跟踪误差也从约1.5m降低到0.3m。利用Kalman滤波数据和GPS定位的历史有效数据,采用χ2检测法和灰色预测法相结合的算法,在不增加额外传感器信息条件下,对GPS常见的数据突变故障进行了检测和隔离,仿真实验验证了其有效性。本文方法不仅保证了轮式农业机器人导航系统的精度和可靠性,同时也降低了系统的成本,为实现农业机械自主导航提供了一条可行途径。