[发明专利]基于准模型校准卡尔曼滤波的机器人运动系统辨识方法

说明书

本发明涉及一种基于准模型校准卡尔曼滤波的机器人运动系统辨识方法，包括以下步骤：S1、通过最小二乘法辨识得到以机器人轮速采集数据为输入、以轮速设置值为输出的系统传递函数准模型；S2、将系统传递函数准模型转换为系统状态方程；S3、根据步骤S2的系统状态方程，得到包括系统离散化的卡尔曼滤波状态方程和量测方程的辨识模型。与现有技术相比，本发明较无准模型的卡尔曼滤波系统辨识方法，具有参数易选取、拟合度好、鲁棒性强等优点。

技术领域

本发明涉及智能巡检机器人系统模型辨识领域，尤其是涉及一种基于准模型校准卡尔曼滤波的机器人运动系统辨识方法。

背景技术

从行业发展趋势可以看出，巡检机器人将在未来的各个领域占有较大的市场，其中在变电站、校园、工厂、军工、船舶等场所的应用尤为广泛。针对在研发过程中轮速控制调试不便相关问题提出的解决方案，首先对巡检机器人采用复合软硬件滤波和增量式PID初步调试，再采用系统辨识的方案对机器人输出的轮速数据进行实验建模，把此模型作为后续进一步深入研究的运动系统模型。

建立机器人运动模型的方法有理论分析法、实验分析法，或者将两者结合的方法。考虑到机器人运动系统的复杂性和不同路面环境下摩擦系数相差较大等因素，采用理论分析法进行机器人运动系统建模难度较大。实验法避免了考虑机器人电机内部工作机理，而只需要根据机器人控制器给定的轮速输入和输出的轮速数据来拟合模型，具有简单、可靠、实用等优点，故采用实验方法对机器人运动系统进行建模较为方便。

传统的模型辨识方法较多，常见的电机模型辨识方法有最小二乘法、卡尔曼(Kalman)滤波算法、极大似然法、模型参考自适应法和人工神经网络法等，但传统卡尔曼滤波具有拟合度和线性化等方面的不足。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种。

本发明的目的可以通过以下技术方案来实现：

一种基于准模型校准卡尔曼滤波的机器人运动系统辨识方法，包括以下步骤：

S1、通过最小二乘法辨识得到以机器人轮速采集数据为输入、以轮速设置值为输出的系统传递函数准模型；

S2、将系统传递函数准模型转换为系统状态方程；

S3、根据步骤S2的系统状态方程，得到包括系统离散化的卡尔曼滤波状态方程和量测方程的辨识模型。

优选的，所述步骤S1中的系统传递函数准模型具体为：

其中，G(s)表示系统传递函数，a、b分别表示准模型分母和分子的待辨识参数，i、j分别表示传递函数分母和分子的阶次，m、n分别表示传递函数分子和分母多项式的最高阶次。

优选的，所述步骤S2中的系统状态方程包括一阶微分方程和输出方程，具体为：

其中，h表示系统状态变量，表示系统状态变量的一次导数，u表示系统输入变量，z表示系统输出变量，A表示一阶微分方程中h的系数矩阵，B表示一阶微分方程中u的系数矩阵，C表示输出方程中h的系数矩阵。

优选的，所述步骤S3中系统离散化的卡尔曼滤波状态方程和量测方程分别为：

f_k＝D_kr_k+V_k