共查询到20条相似文献，搜索用时 46 毫秒
1.
2.
根据陀螺仪和加速计两类惯性传感器在姿态角度检测中的优缺点,提出了将多传感器数据加权和卡尔曼滤波相结合的两轮自平衡车姿态角度检测数据融合算法.首先对传感器输出进行分组加权运算,然后采用卡尔曼滤波算法对加权计算结果进行估计.实验结果表明,该检测方法可行有效,相对单一传感器测量,可提升姿态角度检测精度. 相似文献
3.
针对室内定位精度不高的问题,通过融合多惯性传感器定位技术和WiFi定位技术,提出一种基于多惯性传感器和WiFi定位结合室内定位方法。首先使用基于WiFi的室内定位中的RSSI算法,根据位置指纹、利用最近邻匹配算法获得绝对位置信息,再通过基于三轴加速度传感器与陀螺仪的步数检测方法以及基于电子罗盘与陀螺仪的航向估算方法获得相对位置信息。最后基于位置指纹的方式对多传感器的室内定位进行步长校正,得到较为准确的定位结果。实验结果表明,该方法与单独运用惯性传感器或单独使用基于WiFi的室内定位方法相比,精度更高。 相似文献
4.
5.
加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度. 相似文献
6.
为提升自主导航精度,使用Jetson Nano控制器,采用同步定位与地图构建和路径规划算法,融合轮式里程计、激光雷达和惯性测量单元等多传感器信息,实现精确的单点和多点自主导航。采用机器人操作系统搭建自主导航框架,使用基于图优化的cartographer算法实现环境地图构建与机器人位姿估计,采用A*算法作为全局路径规划算法,同时利用基于g2o优化的TEB算法实现环境突变时的局部路径规划。实验结果表明,基于图优化的cartographer算法建图效果优于常见的基于粒子滤波的Gmapping算法。基于g2o优化的TEB算法可避免动态窗口算法在局部路径规划中机器人被挟持的情况,提升智能机器人地图构建和路径规划的准确性。 相似文献
7.
当前行人导航定位技术被越来越广泛应用于民用XR领域和军用单兵作战系统,其对定位追踪精度和复杂环境下系统的鲁棒性提出了更高要求。提出了一种融合视觉里程计(Visual Odometry,VO)、反向传播神经网络(Back Propagation NeuralNetwork,BP)和行人航迹推算(PedestrianDeadReckoning,PDR)即联合视觉的行人航迹推算里程计(VisualPDR Odometry,VPO),并基于此进行扩展卡尔曼滤波。利用胸口装备惯性传感器和RGB-D深度相机采集行进数据,输入VO和PDR模块得出各自的运动位姿。将有效的步长、航向角、加速度幅值、角速度平均值及步频作为BP神经网络的训练数据集进行网络训练。当VO失效时,BP计算数据可作为备选观测值,将其与PDR数据一起导入扩展卡尔曼滤波器中进行数据融合。实验结果表明,行人航迹误差为1.026‰,优于经典VO和PDR推算方法,能在复杂环境下提高系统的鲁棒性。 相似文献
8.
基于路标的轮式机器人定位是机器人导航系统研究的热点问题,本文阐述了扩展卡尔曼滤波定位算法,该算法将机器人的内部传感器里程计和外部传感器激光传感器所提供的数据融合后对机器人的位姿修正,进行准确定位。对该算法编写的仿真程序实验结果表明,该定位系统具有较高的精度,有效地保证了机器人的正确航向。 相似文献
9.
研制了一种磁罗盘为主、角速度陀螺为辅的组合航向系统。该系统能根据外界干扰磁场的变化自动切换传感器的工作状态,从而获得满意的航向精度和信息的可靠性。提出了以单片机为处理器的双CPU控制结构,并给出了系统的软件实现方案。 相似文献
10.
11.
12.
针对粒子群算法易陷入局部最优和寻优精度比较低等缺点,提出一种基于随机惯性权重和异步变化策略的学习因子的粒子群算法优化神经网络连接权重和阈值,并以此建立月降水预报建模研究.以广西桂北地区的月降水量实例分析,并与标准粒子群优化神经网络模型、随机权重的粒子群神经网络模型和神经网络模型对比,结果表明,该方法学习能力强和预测精度高,是一种有效的建模预报方法. 相似文献
13.
一种非线性递减惯性权重策略的粒子群优化算法 总被引：1，自引：0，他引：1
目的改进基本粒子群算法的一些缺点．基本粒子群算法是一种有效的寻找函数极值的演化计算方法．它简便易行，收敛速度快但此算法也存在收敛精度不高，易陷入局部极值点的缺点．方法对原有算法中的固定惯性权重进行改进．结果提出一种非线性递减惯性权重策略的粒子群优化算法．结论对六种具有代表性的测试函数进行了仿真实验．并与基本粒子群算法中惯性权重分别取固定权重、线性递减权重进行了比较，说明了非线性递减惯性权重策略的粒子群优化算法具有更好的性能和全局搜索能力． 相似文献
14.
目标跟踪是物联网数据融合技术的一个关键技术,相互作用多模型——概率数据关联算法(IMMPDAF)适用于电磁波较为复杂的环境中目标的跟踪问题,是一种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,有必要对算法进行改进和完善,即基于混合状态估计预测状态估计和量测,以量测的预测值为中心建立跟踪门,在每一个滤波器中用量测值进行估计,更新模型概率,最后以模型为条件进行组合优化。经算例验证表明,该方法克服了IMMPDAF算法在跟踪问题中的缺陷,提高了关联概率和跟踪精度,能有效解决杂波干扰和目标高度机动情况下的物联网中的目标跟踪问题。 相似文献
15.
为了解决无人机在无GPS或GPS信号较弱情况下的稳定悬停问题,并考虑到成本与板载资源限制,将通过小型激光雷达获得的距离信息分别与通过单摄像头获得的视觉信息,以及通过IMU（惯性测量单元）获得的惯性信息利用互补滤波算法进行融合,以实现对四旋翼飞行器姿态与水平速度的运动估计。采用基于串级PID的多闭环控制策略,实现对四旋翼飞行器水平与垂直方向的控制。实验结果表明,所设计的基于光流和小型激光雷达的四旋翼飞行器控制策略与传统利用光流和超声波测距传感器方案相比,控制精度提高了10%左右,能够以最大±2°的姿态角误差,以及最大2.3cm/s的水平速度误差实现定点悬停功能。 相似文献
16.
基于模糊观测数据的RBF神经网络回归模型 总被引：1，自引：0，他引：1
提出了一种基于模糊观测数据的RBF神经网络（FORBFNN）,用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得;隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定,即首先初始生成一个隐层单元,然后根据一定的规则逐步加入新的单元,该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的,且建立的模型具有较高的预测精度． 相似文献
17.
为提高基于双端固定音叉式称重传感器的电子天平测量精度以及不同场景下抗干扰的性能,设计了一个数据采集系统并通过串口将称重数据传送至上位计算机进行滤波分析处理,根据分析结果选择相应的滤波算法,并进行了嵌入式系统实现,该滤波能达到提高测量精度与抗多种环境干扰的目的。 相似文献
18.
为了能够在室内、空旷的道路上和高楼林立的城市街道上定位定向,提出一种适用于室内外无缝导航的低成本个人导航仪.该导航仪由低成本的微机械加速度计、陀螺仪、磁传感器和GPS芯片组成,具有室内外无缝导航功能,在室外采用MIMU/GPS/磁传感器组合工作模式,用扩展卡尔曼滤波技术融合各种数据,给出最优导航参数;在室内采用MIMU/磁传感器组合工作模式,采用航位推算技术,用垂向加速度计和前向加速度计数据检测步伐并使用磁传感器判断航向.使用垂向和前向加速度计数据来计算动态阈值和估计步伐可信度,然后在两向加速度计数据可信度同时满足条件的动态时间窗内检测步伐,计步精度可达95%以上.在室外内不同场景下进行了无缝导航试验,结果表明,携带个人导航仪行走1 600 m,其定位误差小于行程的0. 2%. 相似文献
19.
分析了两轮自平衡车的总体原理及数学模型,针对单个传感器在两轮平衡车姿态检测中存在的干扰和漂移误差问题,采用互补滤波算法对加速度计和陀螺仪输出的数据进行融合演算,对噪声干扰进行了良好的抑制,提高了输出姿态角的准确性。针对两轮平衡车自平衡控制问题,采用比例、积分、微分控制器,使平衡车的平衡系统得到良好的直立平衡控制。仿真数据和实验结果表明,该方法解决了单个传感器对姿态角测量误差大的问题,达到要求的控制性能。 相似文献
20.
《实验室研究与探索》2016,(5):146-150
针对小车控制系统的复杂性,设计一个以STM32F103C8T6微处理器为主控制器,以MPU-6050传感器为姿态检测部件的自平衡小车系统。由于陀螺仪和加速度计在测量时存在噪声干扰和随机漂移误差,采用卡尔曼滤波算法对陀螺仪和加速度计数据进行融合,补偿传感器测量误差,计算出小车倾角与角速度的最优估计值。并以最优姿态角和小车速度为反馈量构成双闭环控制,利用PID控制算法实现小车系统的自平衡控制。通过系统的软硬件设计、调试及运行情况,证明自平衡小车能够稳定地实现自平衡控制。 相似文献