基于IMU的机器人姿态自适应EKF测量算法研究
为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法.然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪信号随时间发生漂移等影响测量精度的问题.针对这些问题,设计了一种自适应拓展卡尔曼滤波(EKF)姿态测量改进算法.基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage-Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差.实验结果表明,相比Sage-Husa自适应滤波算法,该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36.43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14.28%和19.44%,能有效提高姿态测量精度.
机器人、惯性测量单元、姿态测量、数据融合、指数渐消记忆、拓展卡尔曼滤波
41
TP212;TP301;TH712(自动化技术及设备)
国家重点研发计划2018YFF0212702
2020-09-04(万方平台首次上网日期,不代表论文的发表时间)
共7页
33-39