本文分析了AGV机器人在运行过程中产生定位误差的原因，并分析了定位误差。出了一种基于卡尔曼滤波理论的AGV机器人多传感器融合算法。传感器数据融合; AGV简介由于柔性制造系统非常受欢迎，智能AGV机器人广泛用于制造，仓储，危险场所和专业行业作为零件载体。AGV机器人自动驾驶的先决条件是高效定位，并且在移动过程中定位AGV是一个更难的问题。果AGV无法准确获取当前位置，则无法与工作环境的位置模型正确比较。可能按照计划的路线行进，不能沿着确切的方向行走，不能转弯或在精确的位置工作。文采用多传感器融合技术，方便AGV的定位，使其能够准确地跟踪路径。AGV机器人定位误差的原因AGV机器人的定位现在主要基于连接到车轮的广角编码器。常，使用增量式光电编码器，并且使用单片微计算机来形成累加器以将机芯上的运动整合。是，由于传输和滑动等因素，可能会发生累积错误。些影响因素可能来自系统本身的特征或外部环境的变化。此，误差可分为两类：系统误差和非系统误差。AGV定位的系统误差由传输系统和测量系统本身产生并被校正。统错误的产生主要是由于系统本身的组件中的错误的累积。如，驱动轮的直径可能不完全一致，驱动轮的旋转的周向误差，驱动带本身的误差，驱动轴的超越。动轮，光电编码器本身的误差，累加器的采样误差。以测量和补偿系统误差。系统误差非系统误差是由于外部环境的变化而影响AGV系统的干扰。：由于地面因素导致轮胎打滑，地面不平，位移偏差，AGV过度转向引起的横向加速度，AGV轮胎由于突出障碍物的旋转锁定等，使编码器测量系统集成在一起位置偏离实际位置。于AGV工作环境的配置和服务设备的分配，AGV运动模型的建立是必要的。须建立地理坐标系和AGV身体坐标系来描述AGV机器人的环境信息。理坐标系：描述AGV机器人运行的平面环境的坐标系。为一般规则，选择AGV的起点作为坐标系的原点。AGV身体坐标系：身体作为参考。常，AGV的主体上的点（例如几何中心）用作原点o’。X’轴通常选择磁头指向的方向，垂直磁头的方向是Y’轴。于AGV车身的运动，AGV车身坐标系是运动坐标系，其在车身操作时执行水平平移或角度旋转。AGV定位误差模型由于AGV机器人的差动驱动结构和AGV的集成定位原理，机器人的位置和姿态可以由绝对坐标值和运动角度：A = XY？对于AGV机器人，运动误差是从地理坐标系和身体运动坐标系之间的差异推导出的。??? A =？居民X-？在X’的帖子？在Y-的帖子？在Y’？在车站’———————————————– —————————，包括运动姿势也是由左右轮差速器实现的。此，可以从起点开始并整合运动以估计它。行距离的增量可以通过固定的采样间隔和t中的离散系统来确定。l是AGV机器人的移动量，也就是说左右轮的移动平均值。后更新位置A’。A’= x’y’？ Z’ ？在cos（？Z ？Station？/ 2）？站l罪（？Z ？站？/ 2）？计算AGV机器人在车站中的位置传感器选择AGV机器人的定位问题非常重要。位AGV机器人的运动不仅与AGV机器人的路线规划有关，而且还直接决定了几个AGV之间的进一步工作和规划问题。此，传感器的选择必须考虑AGV运动中的定位和定位精度，特别是高速线性运动和弯曲引起的偏差。此，由于技术的成熟，模块的尺寸，与原始设备的兼容性，成本等，我们计划增加传感器以提高AGV的准确性。
了解决AGV机器人在线性加速和减速中引起的累积误差，增加了加速度传感器以校正由加速度引起的累积误差。了解决机器人在转向过程中产生的角度偏差，增加了电子陀螺仪模块和电子罗盘模块来校正角度累积误差。了避免在复杂的工业电磁环境的电子罗盘的失败，电子陀螺仪和电子罗盘同时使用和陀螺仪的惯性定位用于提高定位精度。于采用了多个传感器，AGV机器人的定位将遇到传感器信息融合的问题，因此需要传感器融合算法，并且使用多个传感器来提高定位精度。传感器信息融合的本质在于对不确定的多源信息的分析和综合，这是一个复杂的过程。们必须把光电编码器，电子罗盘实时，陀螺仪，加速计和其他传感器数据快速处理数据的实时控制系统，尽量简化计算和减少MCUDE的存储空间。于上述情况，卡尔曼滤波器理论适用于AGV机器人的多传感器融合应用环境。
尔曼滤波器广泛用于传感器融合技术，是一种有效且经过验证的手段。尔曼滤波器用于定位AGV机器人的定位问题作为传感器融合问题。尔曼滤波器的感知更新是一个多步骤过程。器人的总传感器输入不是在一组中处理，恒温阀芯而是在提取的特征集中处理，并且每个功能都涉及环境。用一组可能的特征，卡尔曼滤波器可以立即执行具有完全相同的概率更新的所有相同的单峰和高斯置信状态。AGV多传感器融合算法的传感器组合，光电编码器和陀螺仪独立于估计的高精度导航系统（DS），其有效性不受短期外部因素的影响。
而，轨迹估计基于相对位置的累积，并且随着累积和累积过程的增加，误差也被累积和增加。子罗盘是一种基于磁场特性的传感器，具有高精度，无电磁干扰，能够精确测量AGV的运动方向。而，在AGV的操作环境中，复杂的电磁干扰无处不在。括电焊，电动机等机器人角度预测使用AGV机器人来预测AGV机器人在时间k的时间k 1和控制输入u（k）的移动的角度。
？ （k 1 | k）=（k | k）f T f？从时间k 1到陀螺仪传感器Z（k 1）的测量获得碰撞（k）uf T.在使用陀螺仪模块的惯性导航系统中，该值是陀螺仪模块的输出角度的测量值。了匹配，我们必须将观察和预测放在同一帧{S}中。们将地理坐标系转换为{S}传感器框架。量预测（第172页向下）由预测的机器人坐标位置和地理坐标生成的预测特征的观察值为Z，并且预测的特征被转换为传感器框架中的机器人位置表达式： （k 1）=匹配步骤h（Z（k 1 | k））具有识别功能。本实施例中，匹配处理被设计为产生观测Z（K 1）对应于由观察发现测量的预测目标Z.的分配，恒温阀芯我们计算修正朝v（k 1 ）。正是预测和观察碰撞之间的差的量度（K 1）= H·碰撞第（k 1 | K）·H 碰撞估计值（K 1）是基于所述预测角度和力矩k 1对于所有观测值，我们计算机器人位置的最佳估计值（k 1 | k 1）。尔曼式可如下写为：第（k 1 | K 1）=（K 1 | k）的 K（K 1）·V（K 1）的多传感器系统AGV机器人，图说AGV机器人全局状态的最佳状态是：（k 1）=？茁（k 1） ？茁（k 1）？茁 ？ = 1P（k 1）= P（k 1） P（k 1）组合卡尔曼滤波器的信息分配系数，即对应于局部滤波器和主滤波器，确定附加卡尔曼滤波器的性能。
据自动调整，茁，茁，大小调整的具体情况，将卡尔曼滤波结合在一个具有自适应特征的公共卡尔曼滤波器中。证后，参数可以在一定程度上反映电子罗盘的定位精度，并自动调整两个参数的大小。理可以帮助定位机器人以获得更好的结果。
论AGV机器人的主要问题是轨迹的定位和规划，这在长途旅行中尤其困难。文重点介绍了目前的AGV机器人技术，分析了AGV机器人定位误差的原因，建立了AGV机器人的里程误差模型。后，提出了AGV机器人的多传感器设计方案。出了一种适用于AGV机器人的自适应公共卡尔曼滤波算法。
对算法进行了匹配和验证，证明了多传感器融合技术应用于AGV机器人，可以有效提高定位精度。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com