基于多傳感器數(shù)據(jù)融合技術(shù)的機(jī)器人運(yùn)動(dòng)姿態(tài)檢測(cè)應(yīng)用研究

崔瑞超 盧亞娟

摘 要：本設(shè)計(jì)利用多傳感器信息融合技術(shù)把采集到的數(shù)據(jù)進(jìn)行融合，并把信息反饋給控制器，為實(shí)現(xiàn)實(shí)時(shí)控制和智能控制提供保障。最后，通過該算法在機(jī)器人運(yùn)動(dòng)姿態(tài)檢測(cè)中的應(yīng)用驗(yàn)證該算法的正確性。結(jié)果表明：此種方法無須傳感器的任何先驗(yàn)知識(shí)，能客觀顯示各傳感器的可靠程度，比其他方法具有更高的融合精度。

關(guān)鍵詞：多傳感器;信息融合;機(jī)器人運(yùn)動(dòng)姿態(tài)檢測(cè)

中圖分類號(hào)：TP391.41;TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2020）16-0019-03

Abstract： In this design， multi-sensor information fusion technology was used to fuse the collected data and feed back the information to the controller， providing guarantee for the realization of real-time control and intelligent control. Finally， the correctness of the algorithm was verified by the application of the algorithm in the robot motion attitude detection. The results show that this method does not need any prior knowledge of sensors， can objectively show the reliability of each sensor， and has higher fusion accuracy than other methods.

Keywords： multi-sensor;information fusion;robot motion attitude detection

1 多傳感器數(shù)據(jù)融合的定義和原理

多傳感器數(shù)據(jù)融合是將多個(gè)同類型或者不同類型的傳感器的信息進(jìn)行綜合處理的過程，以更高的精度、概率得到人們需要的目標(biāo)狀態(tài)估計(jì)，為上層提供有用的決策信息。多傳感器融合可以充分利用采集到的信息，了解被檢測(cè)目標(biāo)的位置，提高測(cè)量精度[1-2]。

多傳感器融合的原理就像人的大腦一樣，可以處理多重復(fù)雜信息，把多個(gè)傳感器信息資源使用某種規(guī)則進(jìn)行組合，綜合處理復(fù)雜問題。

1.1 數(shù)據(jù)融合分析

為了測(cè)量機(jī)器人在運(yùn)行過程中的偏移比例和偏航角度，在車體上安裝傳感器。傳感器包括測(cè)距傳感器和測(cè)角度傳感器。角度傳感器測(cè)到的角度數(shù)值經(jīng)過融合后獲得機(jī)器人的位置方向，可通過對(duì)機(jī)器的姿態(tài)調(diào)整，使得機(jī)器人更好地工作[3-4]。

傳感器把采集到的數(shù)據(jù)信息進(jìn)行預(yù)處理后，經(jīng)過特征提取和融合計(jì)算后，把融合后誤差小的數(shù)據(jù)輸出，具體如圖1所示。

1.2 數(shù)據(jù)的一致性檢驗(yàn)

使用多傳感器測(cè)量時(shí)，在進(jìn)行數(shù)據(jù)融合前要對(duì)測(cè)量的數(shù)據(jù)進(jìn)行檢驗(yàn);若不檢驗(yàn)，當(dāng)傳感器出現(xiàn)故障或干擾因素時(shí)，會(huì)造成測(cè)量數(shù)據(jù)不準(zhǔn)確，使融合精度變低。采用[m]個(gè)傳感器進(jìn)行測(cè)量，先要對(duì)測(cè)量值[Xi（i=1，2，…，m）]進(jìn)行檢驗(yàn)，規(guī)則是相鄰兩個(gè)測(cè)量值之差小于等于給定的閾值[ε]，即滿足式（1）。

2 多傳感器自適應(yīng)加權(quán)融合算法

2.1 自適應(yīng)融合模型

融合估計(jì)模型就是對(duì)傳感器采集的數(shù)據(jù)進(jìn)行融合，如圖2所示。不同的傳感器，其加權(quán)因子也不一樣，把傳感器測(cè)到的數(shù)據(jù)經(jīng)過自適應(yīng)的方法計(jì)算出各自的最優(yōu)加權(quán)因子，經(jīng)過融合計(jì)算輸出最優(yōu)的結(jié)果[X∧]。

2.2 自適應(yīng)加權(quán)融合算法

3 算法在運(yùn)動(dòng)姿態(tài)檢測(cè)的應(yīng)用

在履帶式機(jī)器人車體上安裝有傳感器，車體兩側(cè)各裝有2個(gè)測(cè)距傳感器，在車體中心線上裝有2個(gè)用于測(cè)量姿態(tài)的角度傳感器。為驗(yàn)證算法的正確性，對(duì)角度傳感器采集到的數(shù)據(jù)進(jìn)行融合，讓機(jī)器人偏航10°、20°、30°、40°、50°、60°、70°、80°、90°。表1為部分測(cè)量數(shù)據(jù)和融合結(jié)果。

其中：k表示測(cè)量序號(hào);[X1k]、[X2k]為角度傳感器的測(cè)量數(shù)據(jù);[W1k]、[W2k]為對(duì)應(yīng)的權(quán)值;[X∧]為自適應(yīng)加權(quán)融合結(jié)果。由表中數(shù)據(jù)得出，傳感器的檢測(cè)精度越高，對(duì)應(yīng)的加權(quán)因子也較高。對(duì)表中數(shù)據(jù)進(jìn)行繪圖，結(jié)果如圖3、圖4所示。

圖3中，[X1k]、[X2k]表示車體每次偏航10°傳感器的測(cè)量數(shù)據(jù)。

圖4中是把2個(gè)傳感器測(cè)量值融合后得到的[X∧]的數(shù)據(jù)曲線圖。從圖中可知，經(jīng)融合算法后得到的數(shù)據(jù)很接近真值，誤差較小。實(shí)驗(yàn)結(jié)果表明，該算法提高了檢測(cè)的精度，得到了比較精確的數(shù)據(jù)。

4 結(jié)語

本設(shè)計(jì)以履帶式變形機(jī)器人為平臺(tái)，利用多傳感器信息融合算法技術(shù)，對(duì)傳感器融合模型進(jìn)行分析。最后，通過仿真實(shí)驗(yàn)，驗(yàn)證了該算法的正確性。

參考文獻(xiàn)：

[1]彭多亮.多傳感器多源信息融合理論及應(yīng)用[M].北京：科學(xué)出版社，2010.

[2]楊丹，劉小平，胡凌燕.基于多傳感器信息融合的機(jī)器人姿態(tài)測(cè)量系統(tǒng)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2016（6）：1681-1686.

[3]康健.基于多傳感器信息融合關(guān)鍵技術(shù)的研究[D].哈爾濱：哈爾濱工程大學(xué)，2013.

[4]羅彬.基于多傳感器信息融合的移動(dòng)機(jī)器人控制[D].上海：東華大學(xué)，2016.