移動機器人傳感器的多模型故障診斷方法研究.pdf_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著科學技術的發(fā)展,移動機器人也越來越普遍存在于人們的日常生活中。在未知情況下工作的機器人,常會受到一些環(huán)境的影響導致其內部元件產生損壞,影響機器人正常工作。尤其是一些特殊領域的機器人,例如危險環(huán)境或航空航天等遠程控制環(huán)境下,當系統(tǒng)發(fā)生故障時,通過人工檢測比較困難,因此,發(fā)展移動機器人的自診斷技術具有很重要的研究意義。
  本文針對移動機器人傳感器故障診斷問題,提出一種EMA_UKF故障診斷方法,可以實現多傳感器組合故障的快速準確

2、檢測。該方法將期望模型擴張(Expected Mode Augmentation, EMA)方法與無味卡爾曼濾波(Unscented Kalman Filter, UKF)方法結合起來,首先選取一個能夠大致描述系統(tǒng)狀態(tài)的初始模型集,根據初始模型集的濾波結果,通過EMA方法中特有的模型集合自適應策略確定期望模型;然后用期望模型擴張初始模型集,再次進行 UKF濾波得到系統(tǒng)當前時刻的最優(yōu)估計,用以判斷故障類型。EMA_UKF方法一方面可以解決

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論