首页|面向纺织生产环境的移动机器人定位方法

面向纺织生产环境的移动机器人定位方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
纺织行业的智能化、绿色化是"双碳"战略中必须进行升级的内容,移动机器人的大量应用将是未来趋势,但是各类纺机中的电动机、传动机构等在生产过程中产生的电磁环境不利于机器人定位.为解决上述问题,提出一种多传感器混合滤波方法,通过结合基于自适应蒙特卡洛定位(adaptive Mentcarto localization,AMCL)方法和无迹卡尔曼滤波(unscented Kalman filter,UKF)融合定位来保证定位的精度;将AMCL与轮式里程计、惯性导航、激光里程计结合使用,根据惯性导航数据对各传感器数据进行预处理减少误差的引入;并通过UKF滤波器进行局部姿态估计.最后,基于机器人操作系统(ROS)框架,利用Gazebo仿真软件构建无、有电磁干扰的纺织车间环境进行试验.结果表明:在无电磁干扰的仿真环境中,AMCL-UKF混合滤波算法定位精度相较于扩展卡尔曼(extended Kalman filter,EKF)融合定位算法、UKF融合定位算法,精度分别提升26.9％、26.0％.在有电磁干扰环境中引入误差减小36.7％.提出的定位方法能够有效提高移动机器人室内定位的精度,对于纺织生产电磁环境下具有较好的稳定性.
Mobile robot positioning method in textile production environments

textile automationmobile robotAMCL-UKF hybrid filteringdata fusion positioning

李珣、李哲文、张婷文、景军锋、李鹏飞

展开 >

西安工程大学 电子信息学院,陕西 西安 710048

陕西省人工智能联合实验室西安工程大学分部,陕西 西安 710600

纺织自动化 移动机器人 AMCL-UKF混合滤波 数据融合定位

国家自然科学基金陕西省自然科学基础研究计划

619713392022JM407

2023

10.13475/j.fzxb.20220606701

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2023.44(12)
  • 6