为进一步提高UWB技术在室内移动机器人定位方面的定位精度与可靠性,设计了一种基于UWB与里程计融合的定位系统。针对UWB测距过程中产生的随机误差问题,采用卡尔曼滤波算法进行抑制。针对UWB非视距误差问题,引入NLOS误差鉴别方法鉴别现场环境,借助里程计航迹推演算法获得机器人定位数据进行补偿。针对里程计定位过程中由于长时间、长距离所产生的累积误差问题,采用UWB高精度的定位数据进行误差矫正。实验结果表明,融合UWB与里程计的定位系统有效地抑制了UWB定位的随机误差与非视距误差,尤其在UWB信号受到障碍物的严重遮挡时,移动机器人仍能获得精确可靠地定位数据。

准确可靠的车辆行驶状态信息对于车辆路径跟踪和稳定性控制都十分重要。针对车辆质心侧偏角软测量问题,提出了一种基于自适应容积卡尔曼滤波(Adaptive Cubature Kalman Filter,ACKF)的车辆质心侧偏角耦合估计方法。建立了三自由度车辆动力学模型、轮胎模型和轮速耦合模型,基于ACKF设计了智能车行驶状态估计方法,其中在ACKF中设计了含自适应渐消矩阵的滤波增益,用来提高估计结果对于测量噪声的自适应性。此外,将轮速耦合关系应用到ACKF的测量更新中,利用传感器测量信息的冗余度提高估计结果的精度与可靠性。进行了基于CarSim/Simulink联合仿真模型的仿真试验,结果表明,所提出的估计方法在实际应用中整体估计精度相比EKF分别提升了9.83%和7.12%。

为了实现手术机器人的主从控制,设计了一款基于多传感器的六自由度主手,包含手臂机构与手腕机构,其结构简单、操作灵活,具有较高的控制精度。建立了主手运动学模型并进行了工作空间分析,阐述了主手的主从映射策略。采用卡尔曼滤波方法消除了操作者手部抖动对主手信号采集的影响。最后搭建了实验平台,基于主手实现了对虚拟机器人的控制。

为实现巡检机器人与太阳能充电基站充电座的准确可靠对接,提出了一套压紧轮碰检C型线夹粗定位以及基于模糊PID的精确定位、霍尔传感器及充电电流反馈对接状态的自主充电对接控制方法。粗定位确定充电座的位置及未安装充电头机械臂的位置;基于模糊PID的精确定位通过分析两机械臂之间距离与充电座与未安装充电头机械臂之间距离的关系,得到精确定位目标。为提高定位精度,首先采用卡尔曼滤波算法对倾角值进行平滑处理;其次,为了实现平稳运动,提出了sin速度曲线作为展臂电机速度控制的目标曲线;以实际位移与理论位移的偏差作为模糊PID系统的输入,控制展臂电机运动速度的输出,实现精确定位。实验表明,该自主充电对接方法高效、可靠、准确,能够满足自主充电对接的任务需求。

针对上肢主动康复训练中的运动意图识别条件复杂、肢体康复自由度受限等问题,开展基于Kinect的上肢主动康复训练运动意图识别技术研究。经过采用微软体感设备Kinect,获取人体上肢运动信号。建立人体上肢简化模型,模拟计算和预测上肢关节角度变换规律,设计并完成康复训练动作试验。采用卡尔曼滤波结合运动方程,进行数据分析。利用MATLAB得到上肢主动康复训练运动过程的数学模型。数据证明由Kinect获取的人机交互信息,可以实时有效的预测人体上肢运动意图,具有可行性。该技术可以快速有针对性地制定运动康复训练方案,也可为机电系统辅助的神经功能康复技术和神经科学研究提供资源。

为了降低踝关节训练器的磨损程度,优化训练效果,提出了踝关节训练器旋转角度实时优化方法。在踝关节训练器脚踏板下安置旋转器实现旋转运动,利用加速度传感器采集运动过程中的旋转角,并采用卡尔曼滤波算法融合关节旋转器与加速度传感器数据,使用加速度传感器获取的观测数据修正关节旋转器获取的预测数据,动态优化关节旋转角度,减小关节旋转角度误差。实验结果表明该方法可使踝关节训练器关节旋转角度更加准确,提高关节旋转器的角速度收敛精度,降低踝关节训练器的磨损程度。

阻抗控制理论常用于机器人恒力磨抛,传统控制方法易受噪声干扰,稳定性不高。文中基于传统阻抗控制系统对其进行系统优化,主要从3个角度开展针对控制系统的反馈信号进行优化,采用卡尔曼滤波算法增强力感知功能模块对外界抗干扰的能力;针对系统的输入力信号进行优化,采用自抗扰控制理论中的微分跟踪器对阶跃信号进行平滑处理;针对控制系统的模型参数进行优化,基于不同工作状态进行控制系统模型参数修正,提高叶片磨抛加工的效率。

风场参数的测量是气象无人机领域的重要研究方向.本文基于空速、地速和风速的矢量三角形理论，引入无人机的迎角和侧滑角，补偿转弯过程的风速，计算得出实时的三维风速和风向，建立ARMA模型，并进行滤波处理，提高风速测量精度.

在粉体包装领域常使用人工抓取阀口袋完成粉料的装填,自动化程度低且危害人体健康。为了解决这一问题,设计一套基于机器视觉的阀口袋动态抓取系统。首先,通过机器视觉完成相机标定、图像特征信息提取,得到阀口袋在机器人坐标系下的位姿数据。为了提高运动状态下阀口袋的定位精度,采用卡尔曼滤波对特征点位置进行校正。然后使用数据拟合描述阀口袋的位姿变化,进而预测抓取时刻阀口袋的位姿。在PLC控制下,工业机器人实现了对输送带上运动阀口袋的动态抓取,系统运行稳定,抓取误差小于1 mm,为实现自动化粉体包装提供了一种可行方案。