详情

原文传递基于参数智能优化的车辆位姿自抗扰方法研究

论文题名：	基于参数智能优化的车辆位姿自抗扰方法研究
关键词：	智能快递车;扰动误差;自抗扰处理;信息融合
摘要：	互联网带动了物流行业的发展，而快递车是物流行业核心运输工具。如果物流配送模式还是只用单一配送模式，将会不断加大物流行业的运营成本。另外，从2020年到现在，疫情在全国范围内，仍旧会间歇性出现甚至是爆发。这就意味着，全国范围内好多地区会无征兆地交替进行封闭管理。这种政策措施，在减少人员流动，保障生命安全的同时，也拉慢了经济发展的速度。针对这种突出问题，国内外各大快递公司都在研发或是引入智能快递车，加入自己的物流配送方案中。智能快递车的应用场景，相当广泛，可以用在医疗行业、餐饮行业、无人售卖以及最基本的电商行业。在智能快递车逐步加入物流配送体系的进程中，大家首要关注的话题，是智能物流车能否稳定可靠地将包裹送达目的地。　　目前，对于物流车的稳定性，有很多是研究车辆的机械构造，通过对车辆的受力分析，设置悬挂，增加减震的抗扰性能等等。本文以智能物流车为研究对象，其稳定性作为研究目标展开研究。智能物流车的稳定性可以通过其位置和姿态的稳定性直观显示，位置和姿态的数据可以通过卫星和惯性测量单元得到。由于智能物流车应用场景繁杂，直接导致采集的数据中掺杂着众多的干扰因素，这些干扰因素会导致智能物流车在定位的时候出现偏差，进而影响到智能物流车的稳定行驶。因此，对智能物流车的位置和姿态数据的抗扰动处理是至关重要的。　　本文围绕智能快递车的稳定性展开研究，首先对整个智能快递车的市场，做了背景调研和数据分析。调查了智能快递车在疫情的大环境下，已完成布局的区域和范围。其次，开始对影响智能物流车稳定性的误差扰动进行分析，主要是对惯性测量单元的两个核心传感器进行分析。接着，根据对惯性测量单元的误差分析和模型建立，提出限幅滤波法，先对惯性测量单元输出数据中，存在的跳变数据进行处理。再对加速度传感器和角速度传感器输出数据中存在的零偏误差和随机误差使用Allan方差和中值滤波方法进行处理。然后，对惯性测量单元进行初始对准的处理后，即完成对惯性测量单元的抗扰动处理工作。　　接着，是组合定位与信息融合过程的抗扰算法处理。本文对车辆的位置和姿态的抗扰处理的目的，是为了保证智能物流车平稳运行。智能物流车的行驶轨迹图以及姿态角的变化，是判断智能物流车能否稳定运行的依据。单纯依靠惯性测量单元(IMU)进行轨迹绘制，会出现很大的偏差，定位精度很差的情况。所以，需要引入卫星数据，来与IMU数据进行融合处理，才能得出足够精准的定位轨迹图。同时，引入的卫星数据，能对IMU数据起到实时修正的作用。在进行卫星和惯导数据融合的算法选择上，本文提出一种结合BP神经网络的自适应卡尔曼滤波算法，可以较好地完成信息融合和抗扰处理。最后，为验证对车辆位置和姿态抗扰处理的效果，设计了一套硬件系统，来完成对卫星与惯性测量单元融合后数据的采集、处理、输出的工作，根据硬件系统输出数据完成对车辆行驶轨迹图的绘制。本文通过抗扰方法的处理以及多传感器信息融合算法，增强了车辆在道路行驶的抗扰动能力，提高了定位精度，为智能快递车的稳定运行控制工作，提供了很好的参考依据。
作者：	刘洋
专业：	计算机技术
导师：	陈光武;梁玉琦
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2022