[发明专利]一种移动机器人故障诊断的混合自适应粒子滤波方法

权利要求书

1.一种移动机器人故障诊断的混合自适应粒子滤波方法，将状态空间自适应和粒子数自适应两种机制有机结合起来；状态空间自适应的核心思想是根据移动机器人故障诊断的领域知识将采样空间约束到“全状态空间”的某一模糊子集，粒子数目则通过同一时刻两个不同粒子数目的粒子集表示的近似分布之间的KL距离来调整，领域知识用于刻画移动机器人在不同运动模式下各种故障发生的概率，由于驱动以及执行机构导致的领域知识不确定性通过模糊集合表示；具体步骤如下：

步骤1：初始化步骤:故障空间S，模式空间M，粒子数目设置为，设置参数c,,初始化粒子集，其中，，；

步骤2：根据领域知识确定模式空间M中每一个模式m的特征函数，每一个模式m的隶属度函数，其中分别表示移动机器人左右轮驱动速度；

步骤3：对于每一时间步t,迭代地进行步骤4至步骤9，

步骤4：根据式（1）计算在移动机器人左右轮驱动速度分别为的条件下故障状态s发生的条件概率

（1）

其中为规格化因子;

步骤5：根据式（2）计算条件转移概率p(s_t|s_t-1,u_L,u_R)

p(s_t|s_t-1,u_L,u_R)= p_a(s_t|u_L,u_R)p_b(s_t|s_t-1) (2)

其中s_t、s_t-1分别表示t时刻和t-1时刻的故障状态,p_b(s_t|s_t-1)表示故障状态转移方程，为规格化常量;

步骤6：计算重要性采样：根据式（2）计算获得的条件转移概率p(s_t| s_t-1,u_L,u_R)抽样生成粒子集，其中,,,；其中分别表示t时刻第i个粒子表示的故障状态、连续状态以及权重，表示t-1时刻的粒子数目，表示t时刻传感器的测量，表示在故障状态下从连续状态转移模型；表示在故障状态下的测量模型；

步骤7：计算最大后验概率估计：

步骤7.1 计算边缘分布；

步骤7.2 状态估计；

其中表示dirac函数

步骤8：粒子数目调整

步骤8.1 从粒子集中抽取个粒子，产生新的粒子集，使得等于的概率为，其中。

步骤8.2 令, 按上述方法产生粒子数为的粒子集，其中；

步骤8.3 上述两个粒子集分别表示了后验概率密度的两种近似，其关于离散状态的边缘分布分别表示为：

分别表示粒子集和确定的关于离散状态的边缘分布；

步骤8.4 计算其KL距离：

步骤8.5 if else

步骤9 ：重采样：从重采样个粒子产生新的粒子集

从粒子集中抽取个粒子，产生新的粒子集，使得等于的概率为，其中

对于每个粒子i,令。