Mobil Robotlar için Çok Sensörlü Yüksek Doğruluklu Veri Füzyonunun Algoritmaları Üzerine Araştırma
0 Önsöz
Çok sensörlü veri füzyon teknolojisi askeri alandan kaynaklanmaktadır. Şu anda veri füzyon teknolojisi robotik, endüstriyel kontrol, deniz gözetimi, hava trafik kontrolü, yönetim ve entegre navigasyonda kullanılmaktadır. Robot sisteminde gezinme esas olarak görüş alanındaki engelleri ve simgeleri belirleyerek, robotun yönünü yönlendirerek ve robotun hedefe ulaşmasını sağlamak için mükemmel bir yörünge oluşturarak gerçekleştirilir. Şu anda, robot navigasyonunda gerekli olan ölçüm doğruluğu gün geçtikçe artmaktadır ve algılama nesnesi de daha karmaşıktır.Her bir sensörün güvenilirliği ve kararlılığı farklı olduğundan, farklı şekilde ele alınmalıdır; gerçek navigasyonda, sensör verilerinin gerçek zamanlı entegrasyonunun üretilmesi gerekir. Robot kontrol sinyalleri ve sürücü komutları. Verilerin etkili algoritmalar aracılığıyla birleştirilmesi, robot navigasyonunun zamanını ve doğruluğunu artırabilir. Bulanık yakınlık veri füzyon algoritmasına dayanan bu makale, robot sisteminde yüksek hassasiyetli konumlandırma algoritmasını incelemektedir.
Robotla ilgili araştırma yaparken birçok belirsiz faktör vardır ve normal durum normal bir dağılımdır. Navigasyonla çekim sürecinde kullanılan n sensör olduğunu varsayarsak, i-inci sensör, gerçek A değerinin k ölçümünü gerçekleştirir ve ölçülen değerler xi1, xi2, ..., xik'dir. İ-inci sensörün standart sapması i'dir ve ortalaması xi'dir. 0 çoklu sensör standart sapması ve x0 çoklu sensör hedefinin tahmini değeri olsun, hesaplama formülü aşağıdaki gibidir:
2 Simülasyon ve analiz
250 m × 250 m'lik dikdörtgen bir alanda yer alan düğümler eşit olarak dağıtılır ve düğümler arasındaki bağlantıyı sağlamak için düğümler ızgara biçimine göre yerleştirilir, böylece baz istasyonuna bağlı izole düğümler görünmez. Düğüm sayısı N, N'dir. Değişim aralığı 120-420, simülasyon ortamı NS2'dir ve parametre ayarları Tablo 1'de gösterilmektedir. Simülasyon deneyinde düğüm noktalarının hepsinde 1 birim elektrik vardır ve veri paketleri 102 kb / s hızında gönderilir.
Şekil 1, düğüm sayısı farklı olduğunda iki algoritmanın enerji tüketimini ve gecikmesini göstermektedir. Şekil 1'den, ağ dağıtımı aynı olduğunda, iletilen bilgi miktarı düğüm sayısı arttıkça artar ve her algoritmanın enerji tüketimi buna göre artar. Bu makaledeki algoritmanın enerji tüketimi, Bayes veri füzyon algoritmasınınkinden daha düşüktür, performans nispeten kararlıdır ve ağ ömrünün bakımı daha uzundur. Aynı zamanda, bu makaledeki algoritma, veri birleştirme işleminin yürütülmesinde küçük bir gecikmeye sahiptir, çünkü algoritma, işlem sırasında birden çok sensör düğümünün veri birleştirme sürecini başlatmasına izin verir ve veri birleştirme, gecikmeyi azaltabilen paralel olarak gerçekleştirilir.
3 Uygulama örnekleri
3.1 Robot seyrüsefer dönüm noktası tanımada yeni veri füzyon algoritmasının uygulanması
Robot navigasyonunda, dönüm noktası tanımada yaygın olarak kullanılan ultrasonik sensörler, bu sensör, nabız uçuş süresi ölçüm yöntemini kullanır. Modeli bandın açılma açısına sabitlenmiştir Bu sabitleme yöntemi, sensör alma mesafesinin en kısa olmasını sağlayabilir. Robot sisteminin navigasyon ve konumlandırılmasında 5 sensör olduğu varsayılarak 4 mesafe ölçümü gereklidir Şekil 2 ölçülen değeri, Şekil 3 ölçüm ortalamasını ve Şekil 4 ölçüm standart sapmasını göstermektedir.
Şekil 2'den 4'e kadar, birinci sensör en yüksek kararlılığa ve güvenilirliğe sahiptir ve bir sonraki sıra üçüncü, ikinci, dördüncü ve beşincidir. Elde edilen sonuçlara göre her bir sensörün grid yakınlığı ve hedefin tahmini değeri hesaplanarak farklı sensörlere karşılık gelen ağırlıklar elde edilebilir Spesifik ağırlık değerleri Şekil 5'te listelenmiştir.
Şekil 5'ten, her sensörün hesaplanan bağıl ağırlığının, nihai füzyon değeri ve ölçüm ortalaması ile tutarlı bir yakınlık derecesine sahip olduğu görülebilir. Bu 5 ultrasonik sensör kullanım için birleştirildiğinde, ölçülen füzyon değeri aşağıdaki gibi ifade edilir:
Örnek analiz, bu makaledeki algoritmanın güçlü ölçüm güvenilirliği ve kararlılığına sahip olduğunu göstermektedir.Veri füzyonunda sensörün belirli avantajları vardır ve ölçüm sonuçlarının doğruluğu yüksektir; bu makaledeki algoritmanın destek matrisi, güven mesafe matrisi, özvektör, maksimum hesaplamasına gerek yoktur. Özdeğerler gibi parametreler, hesaplama süreci hızlı, kısa ve etkilidir, bu da robotun gerçek zamanlı navigasyonunu gerçekleştirebilir. Bulanık yakınlığa bağlı olarak, çoklu sensör veri füzyon algoritmasının akış şeması derlenir, robot navigasyonundaki ölçüm verilerinin bozulması analiz edilir ve füzyon sonucunun göreceli bozulması hesaplanır. Şekil 6, veri füzyonu için yeni bir algoritmanın akış şemasıdır.
3.2 Robot yangın söndürme işleminde veri füzyonu konumlandırma ve navigasyon için yeni algoritmalar
Kablosuz sensör ağının mobil robot konumlandırması ve navigasyonu sayesinde, farklı düğümlerin ve sensör bilgilerinin füzyon işlemi gerçekleştirilir Robot, mevcut bilgiyi aldığı için konumlandırma bilgisini elde edebilir. Mobil robotta harici sensörler, dahili sensörler ve kablosuz sensör ağ düğüm modülleri kurulur. Robot modülünün hareket modeli: Robot hareketinin mesafesi ve hareket yer değiştirmesi, hareket durumu aracılığıyla sensör tarafından elde edilebilir ve mobil robotun hareket yönü ve konum koordinatları yeni veri birleştirme algoritması ile hesaplanır. Deney sırasında, mobil robot platformu Pioneer 2DX kullanılmıştır Mobil robot, engellerden kaçınmak için yarım daire döndürebilen bir lazer telemetre ile donatılmıştır.Ayrıca, ağ iletişimi için bir Mica2 kablosuz sensör ağ düğümü de bulunmaktadır. Robotun hareketi kapsamında önce 9 düğümün konuşlandırılması ayarlanmalıdır.Ön programlamadan sonra, her düğüm komşu düğümlerin bilgilerini öğrenebilir.
Şekil 7, ölçülen ortalama değeri göstermektedir Testin başlangıcında, mobil robot önceden belirlenmiş bir yönde hareket etmeye başlar Bir düğüm komutu aldıktan sonra, hareket yönü değiştirilebilir. 3, 5, 6, 8 ve 9 numaralı düğümlerin 5 farklı hedef düğümünde 10 konumlandırma ve gezinme deneyi gerçekleştirin. Şekil 7, gezinme görevini tamamladıktan sonra mobil robot ile hedef düğüm arasındaki mesafeyi gösterir. Tüm hareket boyunca robotun hareket mesafesi 1 km'dir. Robot, navigasyon sistemi kurulduğunda bile hedef düğüme ulaşabilir.
Şekil 8, mobil robot tarafından gerçekleştirilen navigasyon testinin sonucunu göstermektedir.A noktasından, yangını söndürme görevinin tamamlanması gereken E noktasına kadar uzanmaktadır. Düğümlerden biri bir yangınla karşılaşırsa, robot alarm verecek ve navigasyon başlayacaktır. Mobil robotta gezinme, tüm algoritmanın görevidir.Başlangıç konumundan son olayın meydana geldiği noktaya kadar, yangını söndürmek için hareket navigasyonu gerçekleştirilir. Mobil robot en kısa yolu bulabilirse, hedef konuma ulaşmak için en kısa yolu takip edecek ve hedef düğümden 3 m içinde duracaktır. Şekil 8'deki sonuçlar, mobil robotun çoklu sensör veri füzyon algoritmasının konumlandırılması ve navigasyonu yoluyla güvenilir ve doğru navigasyona ulaşabildiğini göstermektedir.
4. Sonuç
Bulanık yakınlık veri füzyon algoritmasına dayanan bu makale, mobil robotlar tarafından kullanılan çok sensörlü yüksek hassasiyetli veri füzyon algoritmasını incelemektedir. Ölçülen değer ve tahmin edilen değer bulanıklaştırılır ve bulanık ızgaranın yakınlığı hesaplanır.Ölçümdeki her sensörün ağırlığı ızgaranın yakınlığıyla tanımlanır ve füzyonun spesifik sonucu füzyon formülü ile elde edilir. Bu yazıda, füzyon sonucu mevcut formül temel alınarak hesaplanmıştır.Algoritma, robot navigasyon sisteminin ölçüm teknolojisini geliştirebilir, bu da onu ölçümde daha çok yönlü, güvenilir ve kararlı hale getirir. Örnek analiz yoluyla, bu makalede önerilen algoritma hızlı, özlü ve etkilidir, robotların gerçek zamanlı navigasyonunu gerçekleştirebilir ve belirli pratik uygulama değerine sahiptir.
Referanslar
Zhang Pin, Dong Weihao, Gao Dadong.Çok sensörlü veri füzyonu için optimize edilmiş bir Bayes kestirim yöntemi. Sensör Teknolojisi Dergisi, 2014, 27 (5): 643-649.
Ren Weijian, Chen Yijun Sinir ağına dayalı mobil robotun çoklu sensör veri füzyonu üzerine araştırma Elektronik Tasarım Mühendisliği, 2014, 22 (12): 5-9.
Du Shanshan, Wu Hao, Zhang Jiwen, ve diğerleri. AHRS için geliştirilmiş bir tamamlayıcı filtreleme füzyon algoritması. Yabancı Elektronik Ölçüm Teknolojisi, 2015 (3): 13-18.
Li Jinliang, Sun Youxia, Gu Mingxia, vb. Çoklu sensör füzyonuna dayalı mobil robot SLAM, Chinese Science and Technology Papers, 2012, 7 (4): 312-317.
yazar bilgileri:
Ren Jie
(Sichuan Eyaleti Ekipman İmalatı Robot Uygulama Teknolojisi Mühendisliği Laboratuvarı, Deyang, Sichuan 618000)
