在移动机器人定位中光纤陀螺仪的误差分析与建模

【作者】 朱光辉；

【导师】 蔡自兴；

【作者基本信息】 中南大学 ， 控制理论与控制工程， 2004， 硕士

【摘要】 对于自主移动机器人，自我确定在环境中的位置是一项基本能力。在未知环境中，惯性定位方式是移动机器人定位系统中一种完全自主的定位方式并且是不可替代的，然而由于惯性定位器件的输出漂移所带来的累积误差是实现有效定位的最大障碍，本文的主要内容是针对光纤陀螺仪的误差，误差对定位的影响以及如何抑制误差进行了分析和研究。 本文首先对基于多传感器信息融合的移动机器人定位系统平台进行了简介，阐述了基于航迹推算的惯性定位原理，分析了光纤陀螺仪的漂移误差对定位的影响。目前，对惯性定位器件所带来的累积误差，基于卡尔曼滤波的组合导航是实现有效校正的最佳方式，其中各传感器误差模型的获取是实现误差校正的前提条件。 本文在了解光纤陀螺仪的工作原理、误差产生机理及其分布的情况下，利用E．core1000RD光纤陀螺仪的漂移测量数据，结合目前各种光纤陀螺仪漂移分析的方法，在此基础上采用时间序列分析方法进行研究和分析，并且得出了一系列的结论。(1)光纤陀螺仪漂移是一个非平稳随机时间序列，它包含随机漂移和常值漂移，但是在温度相对稳定的情况下，其漂移近似为平稳时间序列；(2)由于光纤陀螺仪漂移受环境温度的影响，误差模型具有时变性，其中，常值漂移量与温度是一种非线性关系；(3)通过ARMA(AutoRegressive-Moving Average model)模型对漂移测量数据进行模型拟合，计算得出AR(1)为光纤陀螺仪漂移输出的适用模型；(4)最后，结合移动机器人的工作特性，根据光纤陀螺仪漂移误差模型具有时变特性，提出了基于递推最小二乘的在线模型参数估计和校正算法，以提高系统的实用性，并且通过模型的一步预测曲线与样本序列的拟合程度证实所求模型的有效性。 光纤陀螺仪误差模型的获得为以后传感器的观测数据滤波处理、基于多传感器信息融合定位系统的实现以及传感器的实时故障诊断提供了必要的条件。更多还原

【Abstract】 For automobile robot, self-localization is a fundamental ability. Inertia Navigation System is a self-localization way and is not able to substitute in the positioning system of the mobile robot in unknown environment. However, the error caused by the drift of the inertia components is the neck of bottle to accomplish positioning. It is the main task for this thesis to analyze and to model the FOG’s drift, the influence of the drift to positioning and how to restraint the drift.The positioning system based on multi-sensor information fusion has been introduced in this thesis. The principle of dead reckoning system has been described. The positioning error caused by the drift of the inertia components has been analyzed. The Kalman filter is an optimal way to restraint the error of Inertia Navigation System, building the error model is the preliminary condition to realize.After introducing the FOG’s principle and the cause of the FOG’s drift, the time series is adopted to analyze the drift data of E.core1000RD FOG and it is concluded that (1) the FOG’s drift is a non-stationary time series and includes random component and constant component, but it is a stationary time series as the temperature is stable; (2) the error model of the FOG’s drift is time-varying and the constant component of the FOG’s drift has a relation of nonlinear to the temperature; (3) the error model of the FOG’s drift is expressed as AR(1); (4) at last, combining with the character of the robot working, RLS is adopted to adjust the model parameter online, the one-step-predicted-output is used to confirm the availability of the model.It is a necessary condition to construct the FOG’s error model for estimating and diagnosing the fault of sensors and achieving positioning system based on multi-sensor information fusion.更多还原