UWB tabanlı Intelligent Follower Navigasyon Algoritması Araştırması
Bilim ve teknolojinin hızla gelişmesiyle birlikte insanlar ellerini serbest bırakmaya ve teçhizatın zekası ve bilgisine daha fazla önem vermeye başladı. Bagaj kutusu, insanların çabasını kurtarmak için tekerlek desteğine sahip olmasına rağmen, artık insanların akıllı yaşam için daha yüksek taleplerini karşılayamıyor ve akıllı takipçi araba, kutunun otomatik olarak takip etme işlevine sahip olmasını sağlıyor, bu da insanların yükünü büyük ölçüde azaltabilir. Akıllı takip eden araçlar için bazı kontrol yöntemleri ve konumlandırma yöntemleri olmasına rağmen, kontrol sisteminin sınırlamaları ve konumlandırma doğruluğu nedeniyle, temelde yetersiz takip etkileri ve tek işlevler gibi sorunlarla karşı karşıya kalırlar.
Bu tasarım, daha iyi kontrol yöntemlerine sahip akıllı bir takipçi cihazı sağlar ve akıllı takipçi arabanın, hedefleri veya düzensiz yolları kaybetmeden sahibini daha güvenli ve etkili bir şekilde takip etmesini sağlar. Bu tasarım bir konumlandırma algoritması önermektedir.Bir baz istasyonu, akıllı takipçinin üzerindeki iki köşeye sabitlenmiştir ve mobil etiket iki baz istasyonunun önünde tutulur.Varış zamanı algoritması (Varış Zamanı, TOA) ilk olarak etiketleri ikiye alır Baz istasyonunun mesafesi, veriler işlenir ve daha sonra ilgili hesaplamalar için trigonometrik fonksiyon kullanılır.İki baz istasyonunun orta noktası referans noktası olarak ve iki baz istasyonunun bulunduğu düz çizgi referans hattı olarak alınarak, el tipi etiket ile referans noktası arasındaki mesafe ve referans hattından sapma açısı elde edilir. , Daha sonra elde edilen mesafe ve açı ölçüm değerini gerçek değer ile karşılaştırın ve hatayı analiz edin Beklenen sonuç: mesafe hatası 10 cm'yi geçmiyor ve açı hatası 10 ° 'yi geçmiyor.
1 Sistemin genel tasarımı
Deneyin başlangıcında, tek bir Bluetooth çözümü, tek bir kızılötesi çözüm, tek bir 433 MHz kablosuz çözüm ve tek bir ultrasonik çözüm de dahil olmak üzere bir dizi seçenek seçildi ve bunların tümü tatmin edici değildi. Son olarak, kablosuz ve Bluetooth kombinasyonu kabul edildi.
Sistemin genel tasarımı ve çalışma prensibi şu şekildedir: bileklik sinyali iletir, radyo frekansı modülü bu sinyali alır, gürültüyü ve güvenilmez sinyalleri filtrelemek için düşük geçişli bir filtreleme algoritması kullanır ve veri ön işlemesini tamamlar. Şekil 1 akıllı takipçi arabanın ilk konumlandırmasının şematik diyagramını göstermektedir.Önceden işlenmiş sinyal, TOA algoritması aracılığıyla bilezik ile iki radyo frekansı modülü arasındaki mesafeyi belirlemek için kullanılabilir.İki radyo frekansı modülü arasındaki mesafe sabittir.Helen formülü ve eşit üçgen alanı prensibi kullanılarak el elde edilir. Halka ile iki baz istasyonunun bulunduğu hat arasındaki dikey mesafe h ve bileklik ile radyo frekansı modülü arasındaki dikey hata X yükseklik telafi sensörü ile elde edilir ve bileklik ile akıllı takipçi arasındaki yatay doğrusal mesafe L Pisagor teoremi ile hesaplanabilir. Bu noktada akıllı takipçi aracın ön konumlandırması tamamlanır ve hatayı en aza indirmek için tüm süreç boyunca verileri birleştirmek için alçak geçiren filtre algoritması ve Kalman filtre algoritması kullanılır.
Ön konumlandırma bilgileri, veri hatasını sürekli olarak geri bildirmek için dokuz eksenli denge sensörü modülü ve derinlik sensörü ile birleştirilir ve 50 ms aralıklı veriler, akıllı takipçi aracın her zaman kararlı bir durumda olması için ayrı Orantılı Entegrasyon Farklılaştırma (PID) algoritması tarafından işlenir. Arabanın tam konumunu takip edin. Hassas konumlandırma bilgileri, engellerden kaçınma modülünün ve yerçekimi sensörünün geri bildirim bilgileri ile birleştirilir Kontrol ünitesi STM32 bulanık PID algoritmasının kontrolü altında, el halkasının gerçek konumu ve akıllı takipçinin gerçek yol durumu bilgileri, optimum yol planlamasını tamamlamak için birleştirilir, filtrelenir ve yönetilir. Burada kullanılan yol planlama algoritması, optimum çözüm çözme sürecinin parçacık sürüsü optimizasyon algoritmasıdır (Parçacık Sürü Optimizasyonu, PSO).
Son olarak, veri kaybını önlemek ve her bir modülün veri bilgilerinin işlenmek üzere kontrol modülüne eşzamanlı olarak aktarılabilmesini sağlamak için her bir modülün bilgisi düşük geçişli filtreleme ve Kalman filtreleme ile işlenmelidir. Kontrol modülü, motorların yönünü ve hızını gerçek zamanlı olarak sürekli kontrol etmek ve son olarak aşağıdaki arabanın güvenli ve verimli takip işlevini gerçekleştirmek için her modül tarafından geri beslenen veri bilgilerine göre iki motorun darbe genişlik modülasyon değerlerini (Darbe Genişlik Modülasyonu, PWM) makul bir şekilde tahsis eder.
2 donanım tasarımı
Akıllı takipçi arabanın hedefi, sinyal alıcı-verici işlevine sahip bir bileziktir. Akıllı takipçi arabada bir kontrol ünitesi, engellerden kaçınma modülü, iki radyo frekansı modülü, yükseklik dengeleme sensörü, yerçekimi sensörü, derinlik sensörü, denge modülü ve sürücü modülü bulunur. Kasanın dört köşesinde 4 adet engel kaçınma modülü, ön ve arka uçlarda 2 derinlik sensörü, kasanın önünde 2 radyo frekansı modülü ve 1 yükseklik sensörü ve kasanın arkasında 1 denge modülü bulunmaktadır. Diğer parçalar da şasi üzerine yerleştirilmiştir. Genel donanım yapısı Şekil 2'de gösterilmektedir.
2.1 RF modülü
İki radyo frekansı modülü, ana kontrol çipi olarak STM32F103T8U6 ile UWB Mini 3s modülünü kullanır ve çevresel devreler DWM1000 modülü, güç modülü, LED gösterge modülü ve sıfırlama devresini içerir. Modül baz istasyonu etiketi entegre edilmiştir ve baz istasyonu ve etiket işlevleri çevirmeli anahtar aracılığıyla değiştirilir. İşlevi, bileklik tarafından gönderilen bilgileri alıp kontrol modülüne göndermektir.
2.2 Yükseklik telafi sensörü
Yükseklik telafi sensörü, bileklik ile akıllı takipçi arabası arasındaki dikey mesafeyi belirlemek ve toplanan bilgileri kontrol modülüne geri bildirmek için kullanılır. İşlevi, konumlandırmayı daha doğru hale getirmek için kutunun konum bilgilerini optimize etmektir.
2.3 Yerçekimi sensörü
Yerçekimi sensörü, akıllı takipçi araçta bagajın ağırlığını ölçmek için kullanılır. Akıllı takipçi arabaya farklı ağırlıklarda bagaj yüklendiğinde, takipçi arabanın farklı ağırlıktaki bagajlarla bile bilezik tutucusunun hızına ayak uydurabilmesi için motor hızı buna göre ayarlanır.
3 yazılım tasarımı
3.1 Ana program tasarımı
Akıllı takipçi açıldıktan sonra, saat yapılandırması, zamanlayıcıyı başlatma ve hata ayıklama için gereken seri bağlantı noktasının başlatılması dahil olmak üzere sistem ilk olarak başlatılır. Ardından DWM1000 modülü başlatmaya ilerleyin. Başlatma çalışması tamamlandıktan sonra, baz istasyonunun etiket tarafından gönderilen kesme sinyalini alıp almadığına karar verilir.Eğer öyleyse, baz istasyonu gerekli mesafe ve açı verilerini hesaplamak için bilgileri mikro denetleyiciye iletir ve motoru kontrol etmek için PID kontrol algoritması aracılığıyla motor sürücü modülünün PWM değerini ayarlar Dönüş hızı ve yönü; aksi takdirde, yargılamaya devam etmek için geri dönün. Bu tasarımdaki akıllı takipçi arabanın yazılım tasarım süreci Şekil 3'te gösterilmektedir.
3.2 Konumlandırma ilkesi ve algoritma açıklaması
Bu bölümdeki algoritma tasarımının amacı, elde tutulan etiketten iki baz istasyonunun orta noktasına olan mesafeyi ve iki baz istasyonunun bulunduğu düz çizgiden uzaktaki açıyı hesaplamak ve kolay gözlem ve kayıt için bunları seri port üzerinden ekrana çıkarmaktır. Spesifik algoritma aşağıdaki gibi açıklanmıştır: Şekil 4, deneysel konumlandırma algoritmasının prensip şemasını göstermektedir.Şekilde, A noktası bir el etiketidir, B ve C noktaları akıllı takipçi üzerindeki iki sabit baz istasyonudur ve iki baz istasyonu arasındaki mesafe 33 cm olarak sabitlenmiştir. , D Noktası, iki baz istasyonunun orta noktası ve hat segmentinin kenarındaki yüksekliktir. Elde tutulan etiket A'dan iki baz istasyonu B ve C'ye olan mesafe TOA yöntemi ile elde edilir.
Helen'in formülü:
3.3 Kalman filtre programı tasarımı
Kalman filtresi, sistem durumunun en iyi tahminini yapmak için sistem giriş ve çıkış gözlem verileri aracılığıyla doğrusal sistem durum denklemini kullanan bir algoritmadır. Gözlem verileri, sistemdeki gürültünün ve parazitin etkisini içerdiğinden, bir filtreleme işlemi olarak da kabul edilebilir. İlk önce doğrusal bir stokastik diferansiyel denklemi tanıtın:
4 Test verileri ve hata analizi
4.1 Deneysel tasarım
Bu tasarımda akıllı takipçi arabanın konumlandırma doğruluğunu test etmek için aşağıdaki deney tasarlanmıştır: Deneysel şematik diyagram Şekil 5'te gösterilmiştir. Sağdaki akıllı takipçi arabası üstten görünümdür. A ve B, akıllı takipçi arabanın üstüne sabitlenmiş iki baz istasyonudur, C hareketli bir el etiketidir ve D, A ve B iki baz istasyonunun orta noktasıdır.
Bu deneysel tasarımda, Şekil 5'te 1-9 arasında numaralandırılan toplam 9 puan test için seçilmiştir. 1'den 3'e kadar olan noktaların gerçek mesafelerinin tamamı 50 cm'dir ve gerçek açılar 45 °, 60 ° ve 90 °; 4'ten 6'ya kadar olan noktaların gerçek mesafelerinin tümü 100 cm'dir ve gerçek açılar 45 °, 60 ° ve 90 ° 'dir. ; 7-9 noktalarının gerçek mesafeleri 150 cm'dir ve gerçek açılar 45 °, 60 ° ve 90 ° 'dir.
3.2'de sunulan algoritma kullanılarak, şekildeki mesafe ve CDB'nin açısı çözülebilir ve seri port çıkışı üzerinden görüntülenebilir. Deneyde, her nokta için 100 set sürekli test verisi seçilir ve uç değerin ortalama değer üzerindeki daha büyük etkisinden kaçınmak için her noktanın ölçüm değeri olarak tüm verilerin geometrik ortalaması alınır. Son olarak, hatayı analiz etmek için ölçülen değeri gerçek değerle karşılaştırın.
4.2 Ölçüm verileri
Deney sonrasında deneysel veriler ölçülerek her noktaya karşılık gelen mesafe ve açı kutupsal koordinatlarda çizilerek Şekil 6'da gösterilen ölçülen veri noktası diyagramı elde edilir.
Şekil 6'daki 1'den 3'e kadar olan noktalar 50 cm'lik gerçek mesafedir ve gerçek açılar karşılık gelen 45 °, 60 ° ve 90 ° noktalarının ölçülen değerleridir; 4'ten 6'ya kadar olan noktalar 100 cm'lik gerçek mesafedir ve gerçek açılar sırasıyla 45 ° ve 60 ° dir. Ve karşılık gelen 90 ° noktasının ölçülen değeri; 7-9 noktası, 150 cm'lik gerçek mesafedir ve gerçek açı, karşılık gelen 45 °, 60 ° ve 90 ° noktasının ölçülen değeridir.
Her bir nokta ölçüm değerinin mesafesi ve açısı ile sırasıyla mesafe ve açının gerçek değeri arasındaki farkı yapın ve her noktaya karşılık gelen mesafe hatası ve açı hatası verilerini elde edin ve Şekil 7 ve Şekil 8'de gösterildiği gibi mesafe hatası veri grafiğini çizin. Açı hatası veri grafiği gösterilmiştir.
4.3 Hata analizi
Şekil 7 ve Şekil 8'den bu deneyde mesafe hatasının -2 cm ile +9 cm arasında, açı hatasının -8 ° ile + 10 ° arasında olduğu, tasarım ve konumlandırma gereksinimlerini karşıladığı görülmektedir.
Deneysel süreç açısından, deneysel veri hatalarının kaynakları şunları içerebilir:
(1) Elde taşınır etiket sabit değil. Deney sırasında hareketli etiket bir insan tarafından tutulduğundan, deneyde veri sapmasına neden olacak hafif bir dengesizlik olabilir.
(2) Gerçek mesafe ve açı kalibrasyonu hatası. Gerçek çalışmada iki baz istasyonu ve dokuz test noktası arasındaki mesafe bir mezura ile sabitlenmelidir ve bu süreçte ölçüm hataları olabilir.
(3) Elde tutulan etiketin ve baz istasyonunun bulunduğu düzlem düz değildir. Elde tutulan etiketin düzlemi ile baz istasyonu düz olmadığında, etiket ile baz istasyonu arasındaki mesafe gerçek değerden daha büyük olacaktır ve bu da daha büyük bir mesafe ölçüm değeri ve daha büyük bir açı ölçüm değeri ile sonuçlanacaktır.
(4) Veri bitlerinin kaybı. Çünkü programın yazılım kısmının hesaplanmasında verinin ondalık kısmı işlemde kesilecek, doğru veri elde edilemeyecek ve veri hatalarına da neden olacaktır.
5. Sonuç
Bu makale, çeşitli fonksiyonel modülleri etkin bir şekilde entegre edebilen ve konumlandırma, engellerden kaçınma, denge, takip ve ağı entegre edebilen güvenli, güvenilir ve verimli bir akıllı takipçi, kontrol yöntemi ve konumlandırma yöntemi tasarlar. Deneysel doğrulama yoluyla, bu tasarımdaki akıllı tasarım Aşağıdaki araba konumlandırmasının mesafe hatası 9 cm'yi geçmez ve açı hatası, tasarım gereksinimlerini karşılayan 10 ° 'yi geçmez. Sonraki deneysel tasarımda, deneysel hatayı daha da azaltmak için yazılım parçasının tasarımını optimize etmeye devam edeceğiz. Önceki tekniğin kontrol ve konumlandırma yöntemleri ile karşılaştırıldığında, bu tasarım sistemi, akıllı takipçi arabanın, hedefi kaybetmeden veya yolu bozmadan, sahibini daha güvenli ve etkin bir şekilde takip etmesini sağlayabilir.Ayrıca piyasada geniş bir uygulama değerine sahiptir. Alanın büyümesini ve ilerlemesini takip etmek de büyük önem taşımaktadır.
Referanslar
Ding Bowen, Jin Qichun, Ren Jun, vb. IAP15F2K61S2 tek çipli mikrobilgisayar tabanlı kızılötesi ve kablosuz taşıma arabaları Enstrümantasyon Teknolojisi ve Sensörler, 2017 (10): 110-114.
Wang Zhikai. UWB kablosuz konumlandırma teknolojisine dayalı AGV iç mekan navigasyon ve kontrol teknolojisi üzerine araştırma Chengdu: Çin Elektronik Bilimi ve Teknolojisi Üniversitesi, 2018.
Zhao Haoning, Nie Xianbo, Guan Liqiang, vb. Taşıma sistemi tasarımını takiben otomatik Otomasyon Uygulaması, 2015 (12): 69-71.
Liu Lei, Sun Xiaofei, Zhang Yu.Uzaktan Kumandalı STM32 Tabanlı Akıllı Takipçi Otomobil Tasarımı Elektronik Ölçüm Teknolojisi, 2015 (6): 31-33.
Wang Fei. Kapalı mobil robotların UWB tabanlı navigasyon ve konumlandırma teknolojisi üzerine araştırma Harbin: Harbin Mühendislik Üniversitesi, 2017.
He Jingjing, Jiang Ping, Feng Xiaorong.UWB tabanlı insansız ulaşım araçlarının navigasyon ve konumlandırma algoritması üzerine araştırma. Journal of Electronic Measurement and Instrument, 2016, 30 (11): 1743-1749.
Cai Lei, Zhou Tingting, Guo Yunpeng ve diğerleri.Ultrasonik konumlandırmaya dayalı akıllı takipçi araba Elektronik ölçüm teknolojisi, 2013, 36 (11): 76-79.
Lu Jingyu, Yu Wentao, Zhao Xin, ve diğerleri.Ultra geniş banda dayalı mobil robot iç mekan konumlandırma sisteminin tasarımı.Elektronik Teknoloji Uygulaması, 2017, 43 (5): 25-28.
IBRAHEEM M. Akıllı bir Walker için jiroskopla geliştirilmiş ölü hesaplama yerelleştirme sistemi. 2010 Uluslararası Bilgi Ağı Oluşturma ve Otomasyon Konferansı (ICINA) .IEEE, 2010: 67-72.
Li Junjie, Wang Shilian, Lu Jun, vs. TOA tabanlı Merkezi Araç Konumlandırma Sisteminin Algoritması Araştırması, İletişim Teknolojisi, 2001 (5): 23-25.
Xue Hui, Wang Congling Tek çipli mikrobilgisayar ve PID algoritmasına dayalı motor işletim kontrol sistemi tasarımı Machine Tool Electric, 2006, 33 (1): 51-52.
Li Bingyu, Xiao Yunshi, Wang Lei.Mühendislik optimizasyon problemlerinde PSO algoritmasının uygulanması Bilgisayar Mühendisliği ve Uygulamaları, 2004, 40 (18): 74-76.
yazar bilgileri:
Hu Haibing 1, 2, Zhang Wenda 1, 2, Zheng Xipeng 1, 2, Zeng Guiling 3
(1. Özel Görüntü Teknolojisi Ulusal Mühendislik Laboratuvarı, Optoelektronik Teknoloji Enstitüsü, Hefei Teknoloji Üniversitesi, Hefei 230009, Anhui, Çin;
2. Modern Görüntü Teknolojisi Devlet Anahtar Laboratuvarı, Hefei Teknoloji Üniversitesi, Optoelektronik Teknolojisi Enstitüsü, Hefei 230009, Anhui, Çin;
3. Elektrik Mühendisliği Okulu, Wuhu Meslek ve Teknik Koleji, Wuhu, Anhui 241006)
