摘要：针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

摘要：针对航姿参考系统(AHRS)易受到环境与传感器自身噪声干扰,导致姿态估计精度下降的问题,提出了一种基于变结构误差状态卡尔曼滤波(VS-ESKF)的噪声数据处理方法。首先,通过分析AHRS传感器观测数据与新息序列统计特征,设计了基于加速度范数与遗忘序贯概率比检验(F-SPRT)的方法,分别检测加速度计与陀螺仪的噪声数据。其次,基于噪声检测结果,将平滑变结构滤波(SVSF)策略引入到误差状态卡尔曼滤波(ESKF),以提高ESKF对噪声模型不确定性的处理能力。然后,结合磁场强度与磁倾角参数特征,利用马氏距离法评估磁干扰并实时调整磁力计补偿权重,获取准确的AHRS修正数据。最后,基于自主搭建独轮机器人平台进行实验验证,结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据,并有效地抑制噪声干扰,相比于ESKF算法,对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%,提高了姿态估计的准确性和稳定性。

摘要：针对立方体机器人由复杂特性引起的模型不确定性以及易受外界扰动影响的问题,提出了一种基于逆系统的立方体机器人H_(∞)自平衡鲁棒控制策略。首先,基于所搭建立方体机器人的结构和运行方式,建立了其动力学模型并进行了可逆性分析,将构建的逆系统与原系统进行串接构成立方体机器人的伪线性系统;其次,利用线性矩阵不等式设计H_(∞)鲁棒控制策略以实现立方体机器人伪线性系统的自平衡稳定控制,并证明了闭环系统的稳定性。仿真和实测实验结果证明了所设计系统的可行性和有效性。