关 键 词：

基于 PLC 机器人 本体 设计 论文 DWG 图纸 外文 翻译 文献 综述 开题 报告

资源描述：

基于PLC的机器人本体设计(论文+DWG图纸+外文翻译+文献综述+开题报告),基于,PLC,机器人,本体,设计,论文,DWG,图纸,外文,翻译,文献,综述,开题,报告

内容简介：

第 3 9卷第 3期 2 0 0 5年 3月 浙 江 大 学 学 报 ( 工学版) J o u r n a l o f Z h e j i a n g Un i v e r s i t y ( E n g i n e e r i n g S c i e n c e ) V o I 3 9 N O 3 M a r 2 0 0 5 移动机器人 Ma r k o v定位算法的研究 方向传感器建模新方法 刘 瑜 ， 朱世强 ， 金 波 ( 浙江大学 流体传动及控制国家重点实验室 ，浙江 杭州 3 1 0 0 2 7 ) 摘要 ：为了改善移动机器人 Ma r k o v定位算法中方向传感器模型的性 能， 提 出基于高斯 函数 的新概率模 型 该模 型考虑 了方向角周 期性 问题 ， 对相位进 行 了转换 ， 利用高斯 函数对 方向传感 器进行 了概率 建模 将 此模 型放入 Ma r k o v 算法， 与其他传感器组成观测模型 ， 并进行对称环境中的单次定位仿真和复杂环境中的连续定位仿真 仿真 结果表明 ， 这种概率模型计算量小 ， 收敛速度快 ， 在大量测量噪声存在下工作稳定， 关键词：移动机器人 ， Ma r k o v定位算法 ， 传感器建模 中图分类号：TP 2 4 2 文献标识码 ：A 文章编号 ：1 0 0 8 9 7 3 X( 2 0 0 5 ) 0 33 3 9 0 3 S t u d y o n M a r k o v l o c a l i z a t i o n a l g o r i t h m f o r mo b i l e r o b o t s ： Ne w mo d e l i n g me t h o d fo r o r i e n t a t i o n s e n s o r L I U Yu，Z HU S h i q i a n g， J I N B o ( S t a t e Ke y L a b o r a t o r y o f F l u i d Po we r T r a n s mi s s i o n a n d C o n t r o l ， e j i a n g U n i v e r s i t y，Ha n g z h o u 3 1 0 0 2 7 ，C h i n a ) Ab s t r a c t ：To i mp r o v e t h e p e r f o r ma n c e o f o r i e n t a t i o n s e n s o r mo d e l i n M a r k o v l o c a l i z a t i o n a l g o r i t h m f o r mo b i l e r o b o t s ，a n e w p r o b a b i l i s t i c mo d e l b a s e d o n Ga u s s d i s t r i b u t i o n wa s p r o p o s e d Du e t o t h e p e r i o d i c a l c h a r a c t e r i s t i c o f o r i e n t a t i o n a n g l e ，t h e mo d e l c h a n g e d t h e o r i e n t a t i o n a n g l e a n d mo d e l e d t h e s e n s o r b y Ga us s d i s t r i b u t i o n Ut i l i z i n g M a r k o v a l g o r i t h m b a s e d o n t h e p r o p o s e d s e n s o r mo d e l ，l o c a l i z a t i o n s i mu l a t i o n s f o r s y mme t r i c a l e n v i r o n me n t a n d u n s t r u c t u r e d e n v i r o n me n t we r e c a r r i e d o u t Th e s i mu l a t i o n r e s u l t s p r o v e t h a t c o mp a r e d wi t h t h e e x i s t i n g mo d e l s ，M a r k o v a l g o r i t h m wi t h t h i s n e w mo d e l i s c h a r a c t e r i z e d b y r a p i d c o n v e r g e n c e ，l O W c o mp u t a t i o n c o s t a n d g o o d r o b u s t n e s s u n d e r s t r o n g s e n s o r n o i s e Ke y wo r d s ：mo b i l e r o b o t ；M a r k o v l o c a l i z a t i o n a l g o r i t h m ；s e n s o r mo d e l i n g 移动机器人 Ma r k o v定位算法 是基 于环境概 率模型的全局定位方法 这种 方法将 传感器信息 和运动信息表示为概率 ， 利用 B a y e s 条件概率公式 来估计机器人的当前状态 Ma r k o v 算法充分利用 了过去和现在的检测信息 ， 体 现了机 器人方位估 计是具有时间维度 的过 程 从单 纯使 用距离传感 器进行测量 1 ， 发展到吴庆祥等人 4 引入电子 罗盘等方向传感器进 行方 向分量 的测量 ， Ma r k o v 算法性能提高很大 但是在研究中发现 ， 方向传感 器的现有建模方法采用余 弦函数的形式 这种方 法虽然解决 了方 向分量 的周期性 问题， 但是具有 收敛性不好 、 在噪声 的影 响下 系统定 位性 能下降 的缺点 本文在简单介绍 Ma r k o v 算 法的基础上 ， 对当前广泛使用 的电子罗盘等方 向传感器进行 了 基于高斯函数的传感器概率建模 在此基础上， 进 行 了对 称环 境下 的单 次 定 位 和复 杂 环境 下 的连 续 定位仿 真 1 Ma r k o v定位算法 在机器人与环境构成的动态系统中， 机器人状 态用笛卡尔坐标( z ， ) 和方向 来表示 利用 B a y e s 方法将系统测量数据和运动参数进行融合 ， 计算在 整个状态空间上的概率分布， 并引入 Ma r k o v假设 ： 收稿 日期 ：2 0 0 31 0 1 9 浙 江大学 学报 ( 工学 版 ) 嘲址 ：WWW j o u r n a l s z j u e d u c n e n g 作者 简介 ：刘瑜 ( 1 9 7 5 一 ) ， 男 ， 四川 自贡人 ， 博 士生 ， 从事 移动 机器人 智能 控制 和多传 感器 融合 等研 究 E - ma i l ：S h a r e c o d e z j u e d u c n 维普资讯 3 4 0 浙 江 大 学 学 报 ( 工学版 ) 第3 9 卷 在当前状态已知的前提下， 过去的测量与当前 的测 量是相互独立的 下面简要介绍一下这种算法 使用 信度 B( s ) 表 示 当前 的状态估 计 ： B( s f )一 P ( J 0 f ， a 1 ， o 2 ， ， a l ， o 0 ) ( 1 ) 式 中 ： 为 t时刻 的状态 ( ， Y， ) ； 0为观 测数 据 ； a 为运动信息， 比如， 利用编码器测量的运动参数 使 用 B a y e s 条件概率公式对式( 1 ) 进行展开 ： B( s f )一 p ( o f J ， a 1 ， o 2 ， ， a 1 ， o 0 ) 丛 二 ( 2 ) p( o f J a 1 ， o 2 ， ， a 1 ， o 0 ) 因为 在 同一 次 估 计 中 p( o J a ， o ， ， a ， 0 。 )为 常 数 ， 所 以 令 叩一 p( o J口 1 ， 0 2 ， ， 口 1 ， 0 。 ) 则式 ( 2 ) 化为 B( s f )一 ( 0 f J ， a 1 ， 0 2 ， ， a 1 ， 0 0 ) p( s f J a H ， o 2 ， ， a 1 ， o 0 ) ( 3 ) 式 中： p( s J a 1 ， o 2 ， ， a 1 ， o 。 )为 基于 s 融 合运 动 a 对状态 的估 计 ， 得 p ( s f J a l ， 0 2 ， ， a 1 ， o 0 )： = ： I p ( s f J s l ， 口 l ， 0 2 ， ， 口 1 ， 0 0 ) P( s l J 0 2 ， a 3 ， ， a 1 ， o 0 ) d s ( 4 ) 将式 ( 3 ) 展 开为 B( s f )一 ( 0 f J ， a 1 ， o 2 ， ， a 1 ， o 0 ) I p ( s f J s 1 ， 口 1 ， 0 2 ， ， 口 l ， 0 0 ) P( s l J 0 2 ， a 3 ， ， a 1 ， o 0 ) d s ( 5 ) 利用 Ma r k o v 假设 ， 可简化为 B ( s ) 一 ( 0 J ) I p ( s J s 1 ， 口 1 ) p( s l J 0 2 ， a 3 ， ， a 1 ， o 0 ) d s ( 6 ) 得到递推公式为 B( s )= = = ( 0 1 S t ) I p ( s J s 1 ， 口 1 ) B( s 1 ) d s ( 7 ) 式 中 ： p ( s J s ， a t )为系统 的运动模 型 ， p( o J ) 为 系统 的感知模型 1 存在 的问题 系统 的感知是通过各种传感器来实现的 假设 各个传感器的测量相互独立， 那么 p ( o J ) 一 l J P ( D J ) ( 8 ) l 曼 0 吴庆祥等人 对传感器模型中引入状态分量 0 直接 测 量由 于 0具 有 周 期 性 ， 一 般 采 用 P( O J )一 C O $ ( ) 来 表 示 ， 其 中k 根 据 传 感 器 精 度 来 确定 则感知模型表示为 如 J 一 c 0 s 2 ( ) 户 ( 。 J ( 9 ) t- 一f O， ， 方向传 感器 的引入克 服 了对 称环境 中的定 位 困 难 ， 但是 这个模 型并 没 有 完全 描 述传 感 器 性 能 ， 并 且计算量大 ， 收敛速度慢进行归一化处理 ， 得 p ( O 1 一fc 0 s 2 ( ) 1 L K,I J f c 0 s 2 ( ) d O ( 1 0 ) 01 2 x L J 图 1中 的 曲 线 说 明 了 式 ( 1 0 )中 系 数 k与 P -2 a 0 + 2 a ) ( d一 2 。 ， 一般 电子 罗盘 的测 量误差可以达到 2 。 ) 之间的对应关系 当 k一 4 O时 ， P U-2 a 0 U + 2 a ) 一 0 2 4 6； 当 k一 4 0 0 时 ， P U 一2 d U +2 a ) 一0 6 7 7 ， 因为此时计算 量 已经 非常 大 ， 所 以这 种 方 法 不 能 充 分 利 用 传 感 器性 能 图 1 系数 k与概率分布的关系 Fi g 1 Re l a t i o n s h i p o f p r o b a b i l i t y d i s t r i b u t i o n a n d f a c t o r k 2 基于高斯函数的方向传感器建模 为了提高方向估计的收敛性 、 减小计算量 ， 采用 高斯形式的分布函数对方向传感器进行建模 但是 需要进行相位变换 ， 以解决周期性的问题 ( 1 )当 一 7 【 ( 一 “ ) + 7 【 时 ， 户 ( ) 一lIe _ ； ( 1 2 ) d2 兀 ( 3 )当 ( 一 ) 一7 【 时 ， 户 ( ) 一lIe 一 ( 1 3 ) d Z 图 2为新模型在 O 2 7 【 上 的概率分 布 P( ) 此 模型符合 3 d 原则 ， 在计算量不大的条件下， ( 一3 d ， +3 a ) 内的概率收敛为0 9 9 7 4 维普资讯 第3 期 刘瑜， 等： 移动机器人 Ma r k o v定位算法的研究一方向传感器建模新方法 3 4 1 6 4 2 0 ： 人 0 2 4 6 O r a d ( a )p= l t l 2， =2 。 的概率分布 8 1 r a d C o ) =0 ， E r =2 。 的概率分布 图 2 方 向上的高斯分布 Fi g 2 Ga u s s i a n di s t r i b u t i o n i n d i r e c t i o n 3 两种方法的定位仿真比较 仿真条件下， 机器人安装 了方 向传感器和前、 后 、 左 、 右 四个 方 向进行 全局 测量 的距离传 感 器 起 始条件设为整个状态空间可信度均匀分布 B e l ( s )： 1 n ， 为状态空 间的容量 ( a )机器人实际位置 ( a )实际行走路径 4 结语 3 1 对称环境的单次 定位 分别采用新 的建模方法和传统方法， 在对称环 境 中， 进行 单次估计 图 3为估 计结 果 的对 比演 示 由于式 ( 9 ) 在方 向上 的收敛性 不佳 ， 造成 了它在估计 时出现位置和方 向上的发散现象， 如图 3 ( b ) 所示 而采用收敛性 更强 的式 ( 1 1 ) ( 1 3 ) 以后 ， 消除 了发 散现象 ， 如图 3 ( c ) 所示 3 2 复杂环境的连续 定位 在模拟环境中进行连续定位仿真试验 所有传 感器读数和运动参数都加了高斯噪声， 其中沿水平 方向上的运动参数严重偏离实际值 如图 4 所示 ， 黑 色边框内的灰色规则区域为障碍物， 黑点为状态估 计的最大概率点 ， 灰色不规则区域为最后估计的二 维空间概率分布( 颜色越黑概率越大) 图 4 ( d ) 为最 后一次估计的最大概率点的方向概率分布 从仿 真结果 可 以看 出， 新模 型 的仿真 定位结 果 更接近实际位 置 在 初始 状态 均 匀分 布和 严重 噪声 的影响下， 两种建模方式都能 自我定位， 但是新模型 无疑具有更加优 良的稳 定性 ( b )传统模型定位结果 ( c )新模型定位结果 图 3 对 称 环境 中 的方位 估 计 Fi g 3 S t a t e e s t i ma t i o n i n s y mme t r i c a l e n v i r o n me n t ( b )传统模型定位结果 ( c )新模型定位结果 图 4连续 定位 仿 真结 果 3 2 = 1 0 6 4 2 2 O 新模i ， - 一 - 一旧模i l l I I I f I I I I 0 l 0 o 2 0 o 3 0 0 3 5 0 0 ( 。 ) ( d )方向概率分布 - 二 ； ； 2 0 4 o 6 o 8 0 1 0 o ( ) ( d )量后一次估计的 方 向概率分布 Fi g 4 Re s u l t o f c o nt i n u o u s l o c a l i z a t i o n s i mu l a t i o n 对计算和存储量要求很大 ， 如何利用环境拓扑特征 降低计算量和存储容量将是下一步的工作 在原有 Ma r k o v定位算法 基础上对 观测 模型 中 的方向传感器模型进行了改进， 充分利用 了传感器 性能 ， 提高了定位算法对噪声的抗干扰能力 ， 保证了 状态估 计的准确性 ， 并 降 低 了计算量 Ma r k o v方法 参考文献 ( R e f e r e n c e s ) ： 1 T HR UN S ，F O X D，B U R G A R D W，P t n 1 R o b u s t m o n t e c a r l o l o c a l i z a t i o n f o r m o b i l e r o b o t s J A r t i f i c i a l ( 下 转第 3 5 3页 ) 维普资讯 第3 期 吴皓 ， 等 ： 媒 体处理 器软硬件 协 同仿真验证 平 台 3 5 3 竺 仿 真 充 分 验 证 了 这 一 平 台 的 通 用 性 和 可 参 考 文 献 ( R e fe r e n c e s ) ： 重 配 置 性 ”。 。 4 结语 通过媒体 处理器 MD 3 2的仿 真 ， 验证 了媒 体 处 理器软硬件协 同仿真验证平台 MP S P平台的有效 性 MP S P平台通过硬件仿真平台和软件仿真平台 交互 ， 即实现 了对媒 体处理器 的快速仿 真 ， 同时又提 供 了一些 硬件 仿 真难 以实现 的调 试功 能 MP S P平 台可 以将 多媒 体算法进行硬件 、 高级语 言仿真 、 硬件 描述语 言仿真器 、 媒体 处 理器 指令 集仿 真等 协 同仿 真 ， 构建 了一个 异质媒 体处 理 器 的软硬 件协 同仿 真 环境 MP S P平 台设 计还 需要 进 一 步完 善 ， 增 加灵 活 的调试 功能和方便 友好 的人机界 面 ， 进 一步 方便 系 统芯 片设 计的验证 和应 用程序开发 1 DAS U A， P ANCHANATHAN S A s u r v e y o f me d i a p r o c e s s i n g a p p r o a c h e s J I E E E T r a n s a c t i o n s o n C i r - c u i t s a n d S y s t e ms f o r Vi d e o Te c h n o l o g y ，2 0 0 2，1 2( 8) ： 6 3 3- 6 45 2 MI CHE L I G D，G U P T A R KHa r d wa r e s o f t w a r e c o - d e s i g n J P r o c e e d i n g s o ft h el E E R， 1 9 9 7 ，8 5 ( 3 ) ：3 4 9 3 6 5 3 CHRI S TI AN K， CHR I S TI AN S ， RE I NHOL D WA h a r d wa r e s o f t wa r e c o s i mu l a t i o n e n v i r o n me n t f o r DS P a p p l i c a t i o n s A 2 5 t h E u romi c ro C o n f e r e n c e C Mi l a n o：I EEE，1 9 9 9，1 ( 1 )：4 9 24 9 5 4 B I S HOP W D， L OUCKS W MA h e t e r o g e n e o u s e n v i r o n me n t f o r h a r d wa r e s o f t wa r e c o s i mu l a t i o n A 3 0 t h S i mu l a t i o n A n n u a l S y mp o s i u m C At t a n t a ：I EE E， 19 97：1422 5 刘鹏Me d i a D S P 3 2 0 0技术报告 R 杭州 ： 浙江大学， 2 0 0 2 L I U P e n g R e p o r t o f Me d i a DS P 3 2 0 0 R Ha n g z h o u ： Z h e j i a n g Un i v e r s i t y ， 2 0 0 2 ( 上接 第 3 4 1页 ) I n t e l l i g e n c e ，2 0 0 1， 1 2 8：9 91 4 1 2 F OX D，B URG AR D W，THR UN S Ac t i v e ma r k o v 1 o c a l i z a t i o n f o r mo b i l e r o b o t s J R o b o t i c s a n d Au t o n o mo u s S ys t e ms ， 1 9 9 8， 2 5：1 9 52 07 3 WOL F R AM B u r g a r d ，ANDR E S S D e r r ，DI E TE R F o x ， e t a 1 I n t e g r a t i n g g l o b a l p o s i t i o n e s t i ma t i o n a n d p o s i t i o n t r a c k i n g f o r mo bi l e r o b o t s ：Th e d y n a mi c Ma r k o v l o c a l i z a t i o n a p p r o a c h A Vi c t o r i a B C e d P r o c e e d i n g s o f t h e 1 9 9 8 I E E E RS J I n t e r n a t i o n a l C o n f e ren c e o n I n t e l l i g e n t R o bot s a n d S y s t e msC C a n a d a ： I E E E， 1 9 9 8 ： 7 3 07 3 5 4 wU Q， B EL L D A，CHE N Z，e t a 1 Ro u g h c o mp u t a t i o n a l m