学位论文 > 优秀研究生学位论文题录展示

基于多传感器分布式信息融合的AGV定位方法研究

作　者: 王振
导　师: 史恩秀
学　校: 西安理工大学
专　业: 车辆工程
关键词: AGV 导航定位系统多传感器分布式信息融合Kalman滤波器
分类号: TP242
类　型: 硕士论文
年　份: 2009年
下　载: 126次
引　用: 0次
阅　读: 论文下载

内容摘要

随着柔性加工系统FMS、柔性装配系统FAS、自动化仓库系统AS／RS等先进生产系统的发展,使得用于完成物料运输任务的AGV(Automated Guided Vehicle)得到了广泛的应用。为此,AGV应具有相当的智能,即在对环境信息的感知或自身运动状态检测的基础上,根据所承担的任务实现路径规划、轨迹跟踪和定位。可见,AGV是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。定位是AGV应具有的最基本的功能。在运动过程中,实时、精确地确定自身位姿是AGV保证准确运输物料的关键。本论文以西安理工大学机械自动化研究所自行研制的差速驱动式XAUT.AGV100为研究对象,为实现实时定位和规划路径跟踪,为其设计了导航定位系统：由上位机PC和车载计算PMAC等组成,车载计算机PMAC完成对AGV的运动控制、车载传感器如编码器、陀螺仪和超声波传感器等测量数据的采集和AGV的位姿估计。PC机用于AGV的状态检测。PC机与PMAC间采用串口方式进行通信。本论文在分析了多传感器分布式信息融合Kalman滤波器原理[45]的基础上,设计了一种滤波器,并将其应用于AGV上,通过车载传感器数据的融合,实现AGV的位姿估计。通过仿真验证了所设计的滤波器的可行性和可靠性,通过实验验证了所设计的滤波器的有效性和实时性。仿真和实验结果表明,所设计的多传感器分布式信息融合Kalman滤波器可实时、精确地实现AGV的位姿估计,定位精度可以满足实际生产中对AGV的使用要求。

全文目录

摘要  3-4
Abstract  4-8
1 绪论  8-16
  1.1 自动导航小车的应用与发展  8-10
  1.2 AGV的关键研究技术  10-11
    1.2.1 感知技术  10
    1.2.2 环境信息建模与理解  10-11
    1.2.3 路径规划  11
    1.2.4 定位技术  11
    1.2.5 运动控制技术  11
  1.3 AGV定位方法  11-13
  1.4 多传感器信息融合  13-14
  1.5 本文内容与结构  14-16
2 XATU.AGV100定位  16-30
  2.1 XATU.AGV100结构  16-17
  2.2 AGV运动状态方程  17-21
    2.2.1 刚体间相对关系描述  17-18
    2.2.2 AGV在工作空间中的位姿表述  18-19
    2.2.3 AGV运动学模型  19-21
  2.3 XAUT.AGV100的导航定位系统  21-23
  2.4 XATU.AGV100的传感器定位原理  23-26
    2.4.1 编码器  24-25
    2.4.2 超声波传感器  25
    2.4.3 压电陀螺仪测角原理  25-26
  2.5 基于多传感器信息融合的AGV导航定位  26-30
3 基于陀螺仪信息的AGV姿态估计  30-42
  3.1 多传感器数据融合方法  30-31
  3.2 Kalman滤波器  31-33
  3.3 AGV姿态角估计的Kalman滤波器设计  33-35
  3.4 AGV姿态角估计的Kalman滤波算法仿真  35-36
  3.5 AGV姿态角估计的Kalman滤波器实时性分析  36-38
  3.6 AGV姿态角融合估计实验  38-40
    3.6.1 实验装置  38-39
    3.6.2 AGV姿态角实时估计实验  39-40
  3.7 本章小结  40-42
4 基于超声波测距的AGV位姿估计  42-56
  4.1 AGV超声波传感器侧向定位原理  42-43
  4.2 多超声波传感器信息的融合方法设计  43-46
    4.2.1 超声波传感器的测距状态方程  43-45
    4.2.2 超声波传感器测距的测量方程  45-46
  4.3 超声波传感器的标定  46
  4.4 超声波传感器动态测距实验  46-50
  4.5 基于超声波测距Kalman滤波器对AGV定位实验  50-54
  4.6 本章小结  54-56
5 基于多传感器分布式信息融合Kalman滤波器的AGV定位  56-66
  5.1 多传感器分布式信息融合Kalman滤波器建模  56-57
  5.2 多传感器信息融合三种加权最优准则  57-61
    5.2.1 按矩阵加权线性最小方差最优融合准则和算法  57-59
    5.2.2 按标量加权线性最小方差最优信息融合准则和算法  59-60
    5.2.3 按对角阵加权线性最小方差最优融合估计准则和算法  60-61
  5.3 基于多传感器分布式信息融合Kalman滤波器的AGV姿态估计  61-65
    5.3.1 多传感器分布式信息融合Kalman滤波器  61-62
    5.3.2 多传感器分布式信息融合Kalman滤波器仿真实验  62-64
    5.3.3 直线轨迹跟踪定位实验  64-65
  5.4 本章小结  65-66
6 总结与展望  66-68
  6.1 研究内容的总结  66
  6.2 研究展望  66-68
致谢  68-70
参考文献  70-72

基于多传感器分布式信息融合的AGV定位方法研究

内容摘要

全文目录

相似论文