一种移动机器人控制系统故障诊断方法技术方案

一种移动机器人控制系统故障诊断方法，所述移动机器人为前轮转向、后轮驱动的系统。故障模式包括正常、前轮转向系统故障、后轮驱动系统故障、前轮转向和后轮驱动系统同时故障等四种，利用机载二维激光雷达对移动机器人实际运行参数进行估计，通过构建残差特征以及阈值逻辑进行故障诊断。

【技术实现步骤摘要】
一种移动机器人控制系统故障诊断方法
本专利技术涉及一种移动机器人控制系统故障诊断方法，属于移动机器人故障诊断

技术介绍
移动机器人控制系统故障诊断系统通常要求对移动机器人机械结构、运动学模型和动力学模型等具有较为深入的理解，其特征提取方法通常与机器人运动学模型和动力学模型密切相关。在现有的文献中，林吉良提出基于核模糊聚类的并发故障诊断方法（参见，林吉良；《移动机器人故障诊断与容错控制的研究》，浙江大学博士论文，2009年第5期39-53页），但该方法所针对的移动机器人系统是两轮差速转向系统，对于前轮转向、后轮驱动的移动机器人系统不适用。
技术实现思路
一种移动机器人控制系统故障诊断方法，所述移动机器人为前轮转向、后轮驱动的系统；故障模式包括正常、前轮转向系统故障、后轮驱动系统故障、前轮转向和后轮驱动系统同时故障等四种，利用机载二维激光雷达对移动机器人实际运行参数进行估计，通过构建残差特征以及阈值逻辑进行故障诊断；具体实现步骤如下：输入：从1时刻到T时刻的前轮转向角控制量，后轮驱动速度控制量，激光雷达扫描，其中，前轮转向和后轮驱动控制量的频率是激光雷达扫描频率的a倍，,是机器人开始运动前的激光雷达扫描；输出：1时刻到Ka-b时刻的故障状态，其中为根据移动机器人动力学模型确定的移动机器人控制量延时的时间片数目；步骤1：初始化，设置参数k=1,L,，a，b，,,其中L是移动机器人前轮到后轮之间的距离，单位为米，为前后两个时刻的时间间隔，该时间间隔也称时间片，单位为秒，a为前轮转向和后轮驱动控制量的频率与激光雷达扫描频率的比值，b表示移动机器人控制量延时的时间片数目,为转向系统故障阈值，为驱动系统故障阈值；步骤2：设表示ka时刻机器人的位姿，其中，,,，根据移动机器人运动学模型以及，预测ka时刻移动机器人的位姿，具体做法如下：t=max((k-1)a-b,1);,,，=0，=0；while(t<ka-b){；；；；；；t=t+1；}此时，即为ka时刻移动机器人的位姿的估计；步骤3：根据所求ka时刻位姿的估计计算ka时刻移动机器人相对于(k-1)a时刻移动机器人的位姿变换初值，其中；；；步骤4：根据步骤3所得计算(k-1)a时刻到ka时刻时间段期望的平均驱动速度和平均转向角；步骤5：对以初值表示的为初始估计获得的平移向量和旋转角度进行坐标变换得到点集，利用迭代最近点方法对和进行配准，配准结果为；步骤6：根据配准结果计算实际的平均驱动速度和平均转向角；步骤7：故障诊断，如果且，则为正常；如果且，则为前轮转向系统故障；如果且，则为后轮驱动系统故障；如果且，则为前轮转向和后轮驱动系统同时故障；其中；步骤8：根据配准结果校正ka时刻的位姿估计，其中，，；步骤9：k=k+1,如果k<=,转步骤2，否则结束。具体实施方式为了说明所述方法的有效性，下面将所述方法应用于一个具体的移动机器人系统，具体实施步骤如下：输入：从1时刻到T时刻的前轮转向角控制量，后轮驱动速度控制量，激光雷达扫描，激光雷达采用RPLidarA1，其中，前轮转向和后轮驱动控制量的频率是激光雷达扫描频率的a倍，,是机器人开始运动前的激光雷达扫描；输出：1时刻到Ka-b时刻的故障状态，其中b为根据移动机器人动力学模型确定的移动机器人控制量延时的时间片数目；步骤1：初始化，设置参数k=1,L,，a，b，,,其中L是移动机器人前轮到后轮之间的距离，单位为米，前后两个时刻的时间间隔为0.01s，该时间间隔也称时间片，前轮转向和后轮驱动控制量的频率与激光雷达扫描频率的比值a为10,移动机器人控制量时滞的时间片数目b为2,转向系统故障阈值为0.017弧度，驱动系统故障阈值0.01m/s；步骤2：设表示ka时刻机器人的位姿，其中，,,，根据移动机器人运动学模型以及，预测ka时刻移动机器人的位姿，具体做法如下：t=max((k-1)a-b,1);,,，=0，=0；while(t<ka-b){；；；；；；t=t+1；}此时，即为ka时刻移动机器人的位姿的估计；步骤3：根据所求ka时刻位姿的估计计算ka时刻移动机器人相对于(k-1)a时刻移动机器人的位姿变换初值，其中；；；步骤4：根据步骤3所得计算(k-1)a时刻到ka时刻时间段期望的平均驱动速度和平均转向角；步骤5：对以初值表示的为初始估计获得的平移向量和旋转角度进行坐标变换得到点集，利用迭代最近点方法对和进行配准，配准结果为；步骤6：根据配准结果计算实际的平均驱动速度和平均转向角；步骤7：故障诊断，如果且，则为正常；如果且，则为前轮转向系统故障；如果且，则为后轮驱动系统故障；如果且，则为前轮转向和后轮驱动系统同时故障；其中；步骤8：根据配准结果校正ka时刻的位姿估计，其中，，；步骤9：k=k+1,如果k<=,转步骤2，否则结束。本文档来自技高网...

【技术保护点】
1.一种移动机器人控制系统故障诊断方法，所述移动机器人为前轮转向、后轮驱动的系统；故障模式包括正常、前轮转向系统故障、后轮驱动系统故障、前轮转向和后轮驱动系统同时故障等四种，利用机载二维激光雷达对移动机器人实际运行参数进行估计，通过构建残差特征以及阈值逻辑进行故障诊断；具体实现步骤如下：/n输入：从1时刻到

【技术特征摘要】
1.一种移动机器人控制系统故障诊断方法，所述移动机器人为前轮转向、后轮驱动的系统；故障模式包括正常、前轮转向系统故障、后轮驱动系统故障、前轮转向和后轮驱动系统同时故障等四种，利用机载二维激光雷达对移动机器人实际运行参数进行估计，通过构建残差特征以及阈值逻辑进行故障诊断；具体实现步骤如下：
输入：从1时刻到T时刻的前轮转向角控制量，后轮驱动速度控制量，激光雷达扫描，其中，前轮转向和后轮驱
动控制量的频率是激光雷达扫描频率的a倍，,是机器人开始运动前
的激光雷达扫描；
输出：1时刻到Ka-b时刻的故障状态，其中b为根据移动机器人动
力学模型确定的移动机器人控制量延时的时间片数目；
步骤1：初始化，设置参数k=1,L,，a，b，,,其中L是移动机器人前轮到后轮
之间的距离，单位为米，为前后两个时刻的时间间隔，该时间间隔也称时间片，单位为秒，a为前轮转向和后轮驱动控制量的频率与激光雷达扫描频率的比值，b表示移动机器人控制
量延时的时间片数目,为转向系统故障阈值，为驱动系统故障阈值；
步骤2：设表示ka时刻机器人的位姿，其中，,,，根据移动机器人运动学模型以及，预测ka时刻移动机器人的位姿，具体做法如下：

t=max((k-1)...

【专利技术属性】
技术研发人员：段琢华，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：广东;44