一种变电站智能巡检机器人高精度定位方法技术

本发明专利技术公开了一种变电站智能巡检机器人高精度定位方法，属于机器人定位技术领域。本发明专利技术所述方法通过结合扩展卡尔曼滤波算法(EKF)、自适应蒙特卡罗定位算法(AMCL)、扫描匹配算法，融合了里程计、惯性测量单元(IMU)、二维激光的数据，实现了对机器人的位姿进行三次修正。本发明专利技术所述方法利用多种算法对不同阶段和不同类型的传感器数据进行处理，克服了使用单一传感器和单一算法的局限性。通过实验表明本发明专利技术所述定位方法提高了机器人位姿获取的准确性、可靠性、实时性，实现了在变电站环境里无轨移动机器人高精度定位。

【技术实现步骤摘要】
一种变电站智能巡检机器人高精度定位方法
本专利技术属于机器人定位
，具体涉及一种变电站智能巡检机器人高精度定位方法。
技术介绍
电能对国民经济和人民的日常生活有着至关重要的作用，电网系统发生故障，将给人们带来不可估量的损失，严重影响正常的生产生活。确保电网系统的安全性和可靠性运行关乎国家和人民的切身利益，也是我国电网系统亟待解决的关键问题。输变电系统是电网系统的关键组成部分，变电站设备的安全、可靠运行对保证整个输变电系统的运行质量至关重要。随着科技的发展，对电网系统中设备的各方面的性能要求也提升到了一个新高度，变电站设备的性能水平直接影响到电网系统的稳定性、可靠性、安全性以及抵抗事故的能力。保障设备的可靠安全运转已是一项重大任务，因此要高度重视变电站设备的监控和管理，做好变电站设备的巡检、巡视、实时监控工作，及时排除潜在的危险，是保证变电站稳定运行的重中之重。依靠人工来检查变电站的故障情况，很大程度上依靠人的感官，效率低下，且对严重事故会对人员生命安全造成威胁，应用智能巡检机器人对变电站进行巡检已经成为了变电站工作发展的主流方向。自主导航系统的开发将推动变电站智能巡检机器人发展，变电站智能巡检机器人辅助运行人员对设备进行巡视，可及时发现电力设备的热缺陷、异物悬挂等设备异常现象，规避设备运行隐患，真正做到提高工作效率和巡视质量，起到减员增效的作用，有效的推进了变电站无人值守的进程。目前，变电站巡检机器人的应用多处于有轨式，这样需要对变电站进行二次施工，增加运营成本。而随着激光技术的成熟，激光设备价格的下降，越来越多的研究人员开始研究无轨机器人。在变电站这种特种环境中，需要机器人拥有高精度定位能力才能完成相应的巡检任务，所以寻求新的机器人定位方法变得很重要。现有技术的机器人定位研究工作主要有以下几种方法：(1)文献“Arobustandmodularmulti-sensorfusionapproachappliedtomavnavigation”基于IEKF方程总结了Multi-Sensor-FusionEKF来融合传感器数据，文献“Robustvision-aidednavigationusingsliding-windowfactorgraphs”综合了长期滑动窗(iSAM2)和短期滑动窗(Sliding-WindowFactorGraphs)方法融合位姿感器，从而得到多传感器融合后的机器人位姿。(2)文献“EnhancedMonteCarlolocalizationincorporatingamechanismforpreventingprematureconvergence”将粒子滤波与移动机器人运动和感知的概率模型相结合，提出了移动机器人蒙特卡罗定位(MCL)的思想。(3)文献“Mapbasedindoorrobotnavigationandlocalizationusinglaserrangefinder”采用的基于地图的方法，移动机器人通过地图上的一组顶点与激光数据的一组顶点进行匹配实现全局定位。(4)文献“thepositionaccuracyofmobilerobotlocalizationbasedonparticlefilterscombinedwithscanmatching”公开了一种粒子滤波混合扫描匹配方法，实现移动机器高精度导航定位。以上方法都在一定程度上解决了机器人定位的问题，但依然存在很多局限，主要表现在：(1)定位精度不高。现有技术的定法方法中多采用一种或两种算法来解决机器人定位问题，没有针对不同传感器使用特定算法。EKF算法使用一阶近似项作为原状态方程和测量方程的近似表达式，估计均值只有二阶精度，但这对于一个高精度系统而言还远远不够，EKF假设过程噪声是零均值的高斯噪声，而在实际系统中往不是这样的噪声。而且由于车轮打滑、IMU传感器温度漂移会加重EKF的误差。蒙特卡罗定位算法由于粒子数量有限、粒子退化、栅格地图分辨率有限等问题，造成了估计位姿估计不准确，有可能还会出现错误位姿。扫描匹配算法存在误差积累效应，且如果ICP的迭代初始解选择不准确会加重计算负担和加大误差。(2)计算效率与定位精度不能兼顾。当以上方法单独使用时可以保证机器人运行的时效性，但是定位精度不高。如果想提高EKF融合数据的精度，可以增加线性近似的阶数，但这样会增加计算时间。如果想要提高蒙特卡洛定位算法估算精度，最直接的方式就是增加粒子数，虽然增加粒子数可以提高位姿估计的精度，但会增加计算成本，影响机器人运行的流畅性。如果想要提高扫描匹配算法中迭代求解方法的匹配精度，最直接的方法是增加迭代次数，但计算耗时会成倍增加。以上方式都存在计算效率和定位精度不能兼顾的问题。
技术实现思路
本专利技术的目的是解决现有技术定位算法在求解机器人位姿时存在较大误差，难以保证变电站巡检任务完成的问题，提出一种变电站智能巡检机器人高精度定位方法。本专利技术所提出的技术问题是这样解决的：一种变电站智能巡检机器人高精度定位方法，包括以下步骤：步骤1.根据里程计运动学模型求解出机器人相对起点的位姿信息(x，y，θ)，其中，k为当前时刻，为里程计运动的估计状态，为上一时刻里程计运动的精确状态，vk为当前时刻的输入控制量，f为求解运动学模型的函数，x为相对起点在X轴方向上的距离，y为在Y轴方向上的距离，θ为相对旋转角度；惯性测试单元(IMU)输出角度和角速度，解算出机器人在水平面上的位姿状态(x1，y1，θ1)；步骤2.设定k时刻机器人的位姿状态xk服从高斯分布过程噪声和测量噪声服从零均值的高期分布，其中是机器人的运动位姿的初始状态，y0：k是观测量，v1：k是1-k时刻的输入控制量，是均值，是协方差，p表示概率，N表示高斯分布；根据EKF(扩展卡尔曼滤波)算法的预测方程得到当前时刻机器人的位姿状态预测值预测噪声协方差卡尔曼增益Kk；利用观测量和EKF算法的更新方程得到当前时刻机器人的位姿状态精确值噪声协方差的精确值步骤3.令步骤2中利用里程计运动学模型和惯性测试单元求解得到的数据计算当前时刻机器人的位姿状态精确值的运动更新模型为p(xk|xk-1，yk，vk-1)，即由k-1时刻的机器人的位姿状态xk-1、k时刻的观测量yk和k-1时刻的输入控制量vk-1求得k时刻的机器人的位姿状态xk；令步骤2得到的当前时刻机器人的位姿状态精确值为机器人的初步位姿；步骤4.利用运动更新模型p(xk|xk-1，yk，vk-1)和激光感知模型并结合蒙特卡罗定位算法，用多个带权重的粒子估计机器人的全局位姿；步骤4-1.当前时刻状态xk的先验信度：其中Bel(xk-1)为上一时刻的状态信度；当前时刻状态xk的后验概率分布：Bel(xk)＝p(zk|xk)Bel-(xk)/p(zk|z1：k-1)其中，zk为当前激光的测量信息，p(zk|xk)为激光感知模型，p(zk|z1：k-1)为归一化因子的倒数；步骤4-2.利用KLD(Kullback-LeiblerDivergence)采样思想对蒙特卡罗定位算法中的粒子数变化引入自适应机制，样本数与状态空间的大小成正比；步骤4-3.粒子集的均值为机器人的位姿状态的最小方差估计，其中，1≤i≤n，n为粒子个数，本文档来自技高网...

【技术保护点】
1.一种变电站智能巡检机器人高精度定位方法，其特征在于，包括以下步骤：步骤1.根据里程计运动学模型

【技术特征摘要】
1.一种变电站智能巡检机器人高精度定位方法，其特征在于，包括以下步骤：步骤1.根据里程计运动学模型求解出机器人相对起点的位姿信息(x，y，θ)，其中，k为当前时刻，为里程计运动的估计状态，为上一时刻里程计运动的精确状态，vk为当前时刻的输入控制量，f为求解运动学模型的函数，x为相对起点在X轴方向上的距离，y为在Y轴方向上的距离，θ为相对旋转角度；惯性测试单元输出角度和角速度，解算出机器人在水平面上的位姿状态(x1，y1，θ1)；步骤2.设定k时刻机器人的位姿状态xk服从高斯分布过程噪声和测量噪声服从零均值的高期分布，其中是机器人的运动位姿的初始状态，y0∶k是观测量，v1∶k是1-k时刻的输入控制量，是均值，是协方差，p表示概率，N表示高斯分布；根据EKF算法的预测方程得到当前时刻机器人的位姿状态预测值预测噪声协方差卡尔曼增益Kk；利用观测量和EKF算法的更新方程得到当前时刻机器人的位姿状态精确值噪声协方差的精确值步骤3.令步骤2中利用里程计运动学模型和惯性测试单元求解得到的数据计算当前时刻机器人的位姿状态精确值的运动更新模型为p(xk|xk-1，yk，vk-1)，即由k-1时刻的机器人的位姿状态xk-1、k时刻的观测量yk和k-1时刻的输入控制量vk-1求得k时刻的机器人的位姿状态xk；令步骤2得到的当前时刻机器人的位...

【专利技术属性】
技术研发人员：左琳，蒋正钢，张昌华，刘宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51