摘要
随着社会生产力的发展，自动化码头等工业领域对装卸搬运机器人的智能化水平需求不断提高，其中轮式移动机器人的室外定位导航问题成为关注的热点。目前，机器人室外定位导航主要依靠以全球定位系统（GlobalPositioningSystem,GPS）为主的多传感器信息融合技术，但是导航过程经常受到树木、高楼和路面灰尘、泥沙的影响，存在GPS信号丢失和路面条件多变等问题，严重降低导航的精度和稳定性。针对上述问题研究轮式移动机器人室外定位导航技术，对早日实现无人化物流运输，提升工业领域智能化水平具有重要意义。 本文首先针对轮式移动机器人的室外定位问题，研究多传感器信息融合技术。基于GPS、里程计和惯性测量单元（InertialMeasurementUnit,IMU）等传感器，提出一种基于事件触发机制的卡尔曼滤波算法（Kalmanfiltering,KF），并设计GPS估计器模拟GPS信号，在GPS信号中断时为KF估计器提供连续可用的位置信息，使滤波过程不受影响。在滤波执行中将机器人的状态变化作为滤波的触发事件，当状态偏差超过一定阈值时，KF估计器响应并给出新的状态预测。实验测试结果表明，相比于传统卡尔曼滤波，基于事件的卡尔曼滤波算法不仅能够应对GPS信号中断的情况，保证位姿估计的精度，同时能够降低算法的时间复杂度。 其次本文对轮式移动机器人导航执行环节进行研究，设计基于滑转率控制的自适应轮式移动机器人底层控制系统。提出识别路面附着系数和计算最佳驱动轮滑转率的方法，设计驱动轮电机PID控制器，将驱动轮滑转率作为被控量，通过改变驱动轮电机输出转矩，将其调节至最佳滑转率，为机器人提供最优牵引力。实验测试结果表明，机器人行驶在不同路面时，底层控制系统始终能够稳定的控制驱动轮滑转率，减少驱动轮打滑，提高导航执行的精度和稳定性。 最后将滤波算法和底层控制系统结合进行实物实验，利用Komodo机器人在真实场景内进行点对点导航和室外循迹测试。实验结果表明，本文提出的室外定位导航方案能够针对位姿估计和导航执行环节，大幅度提高机器人的定位导航精度，同时能够解决GPS信号丢失和路面条件多变的问题，增加机器人室外定位导航的稳定性。
NETL