因城市地下管线综合管廊内环境恶劣,巡检距离长,固定式监测设备无法实现全覆盖监控,需要用智能巡检机器人代替传统管廊巡检方式,但是智能巡检机器人能够稳定、有序地运行,关键问题是实现智能巡检机器人的精准定位,即获得巡检机器人在管廊内的精确坐标。目前智能巡检机器人所采用的射频、WiFi、惯性里程计等定位技术易受管廊内环境干扰、累计误差干扰等,定位精度为5~50 m,难以满足管廊智能巡检机器人定位系统1 m以内的定位精度要求。为此,提出一种基于UWB的智能巡检机器人定位系统。采用分析UWB信号在管廊内的传输特性、构建巡检机器人在管廊内的运动模型、通过MATLAB建立巡检机器人定位跟踪仿真实验的手段,设计一种基于UWB管廊修正S-V信道模型的巡检机器人LS-PSO定位算法、一种基于巡检机器人运动模型的EKF跟踪算法,建立了巡检机器人LS-PS...

为了合理补偿机器人定位误差,提升分类预测精度,提出一种基于改进卷积网络的机器人定位误差补偿方法。以机器人实际与理想关节角度图像作为模型输入,精准提取二者深度特征图,计算实际关节角度与理想关节角度深度特征图之间各特征点欧氏距离,获得并输出机器人定位误差预测结果。将机器人定位误差补偿问题转化为算法优化问题,构建机器人定位误差补偿目标函数及约束条件,通过改进粒子群算法求得最优解,实现机器人定位误差的补偿。实验结果证明该方法可以有效补偿机器人的角位移误差,分类预测精度最高可达到99.87%,能够实现机器人对目标物体的准确抓取。