CN116681735B 基于自适应核宽卡尔曼滤波的机器人定位方法 （电子科技大学）_第1页
CN116681735B 基于自适应核宽卡尔曼滤波的机器人定位方法 （电子科技大学）_第2页
CN116681735B 基于自适应核宽卡尔曼滤波的机器人定位方法 （电子科技大学）_第3页
CN116681735B 基于自适应核宽卡尔曼滤波的机器人定位方法 （电子科技大学）_第4页
CN116681735B 基于自适应核宽卡尔曼滤波的机器人定位方法 （电子科技大学）_第5页
已阅读5页，还剩26页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

WO2023082050A1,2023.05.基于自适应核宽卡尔曼滤波的机器人定位据及观测位置数据带入基于自适应核宽的最大2基于特种机器人配备的惯性定位单元与编码器，构建特种机器人将理论位置数据及观测位置数据带入基于自适应核宽的最大相关熵卡尔曼滤波算法通过第二计算公式求解下一时刻的预测误差协方差更新预设的增广系统的参数，并判断k与设定的时间窗口N之间的大小关系，若为k-1时刻真实值与估计值的协方差矩阵，Q为k-1时刻过程噪声的协方差矩阵；3k为第k个时刻，为k时刻的状态估计值，AeR"为状态转移矩4j为第jci为第i时刻增广系统的误差大小，ej为第j时刻增广系统的E,为设定的正数；阵，为k时刻观测噪声的广义协方差矩阵，e:(i)为k时刻增广误差的第i个值，5。6卡尔曼滤波算法实现位置信息的预估与校正，能够结合惯性定位单元和编码器数据信息，[0007]将理论位置数据及观测位置数据带入基于自适应核宽的最大相关熵卡尔曼滤波7k时刻真实值与预测值的协方差矩阵，即先验估计协方差矩阵，89[0059]图1为本发明实施例提供的基于自适应核宽卡尔曼滤波的机器人定位方法的整体[0062]图4为本发明实施例提供的固定σ=2,∞的最大相关熵卡尔曼滤波方法和本发明[0063]图5为本发明实施例提供的固定σ=2,∞的最大相关熵卡尔曼滤波方法和本发明[0068]将理论位置数据及观测位置数据带入基于自适应核宽的最大相关熵卡尔曼滤波k时刻真实值与预测值的协方差矩阵，即先验估计协方差矩阵，固定点迭代公式计算合适的核宽最后通过固定[0129]本实施方式结合具体的示例对基于自适应核宽最大相关熵卡尔曼滤波对特种机[0141]如图4所示，图4为本发明实施例提供的固定σ=2,∞的最大相关熵卡尔曼滤施例提供的固定的σ=2,∞最大相关熵卡尔曼滤波方法和本发明实施例提出的方法在示例

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论