基于IMU的机器人姿态自适应EKF测量算法研究

作     者：班朝 任国营 王斌锐 陈相君 Ban Zhao;Ren Guoying;Wang Binrui;Chen Xiangjun

作者机构：中国计量大学机电工程学院杭州310018 中国计量科学研究院北京100029 天津大学精密测试技术及仪器国家重点实验室天津300072 

基　　金：国家重点研发计划(2018YFF0212702)项目资助 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2020年第41卷第2期

页      码：33-39页

摘      要：为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪信号随时间发生漂移等影响测量精度的问题。针对这些问题,设计了一种自适应拓展卡尔曼滤波(EKF)姿态测量改进算法。基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage-Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差。实验结果表明,相比Sage-Husa自适应滤波算法,该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36.43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14.28%和19.44%,能有效提高姿态测量精度。

主 题 词：机器人 惯性测量单元 姿态测量 数据融合 指数渐消记忆 拓展卡尔曼滤波 

学科分类：080202[080202] 08[工学] 0804[工学-材料学] 0703[理学-化学类] 0802[工学-机械学] 

核心收录：

D　O　I：10.19650/j.cnki.cjsi.J2006035

馆 藏 号：203923007...