收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

六维力传感器数字滤波研究

朱文超  
【摘要】:多维力传感器是实现机器人智能化最为重要的一种传感器,它也是工程力学检测和机器人运动控制的基础。六维力传感器是多维力传感器中运用最广泛的一种传感器,能够对三维空间全力信息进行探测,但其输出信号中不可避免地混合了噪声信号,譬如:电阻应变片通过电流后产生的热噪声,放大电路中电磁元件干扰,高温下弹性体蠕变产生的干扰等,严重地影响传感器的测量精度与分辨率。因此,实时有效地滤除噪音在传感器课题研究中具有重大意义,同时也是难点之一。本文主要研究内容为构建六维力传感器的状态模型,采用合适的数字滤波算法消除传感器输出信号中的系统测量噪声。本文的主要内容概括如下: (1)系统状态空间模型 基于时间序列分析法,采用等效的高斯-马尔可夫模型对线性有色干扰进行白化处理,根据应变主振型的变化趋势,建立了薄板线性系统状态空间模型。借鉴互耦滤波思想,分别将非线性有色噪声项视为白噪声、高阶有色噪声与整体过程干扰,在状态转移矩阵中融入非线性噪声信息,构建了下E型膜白噪声模型、高阶有色噪声模型以及互耦滤波状态模型。 (2)自适应Kalman滤波 为解决因传感器的简化模型误差较大,导致标准Kalman滤波无法获取最优估计的问题,舍弃互耦滤波思想,提出四种E型膜自适应EKF滤波算法。通过化简高阶函数状态模型,将模型误差信息由状态转移矩阵传递到系统干扰矩阵与系统控制项;利用三段函数模型以及模糊控制算法构造双重自适应因子,融合混沌野草优化算法,采用实时调整状态预测在滤波估计中权重的策略,修复简化模型误差,获取最优估计。 (3)改进粒子滤波算法 针对自适应EKF算法鲁棒性较差、高时耗的缺陷,引入粒子滤波思想,处理E型膜的强非线性系统滤波难题。在传统粒子滤波算法基础上,提出三种改进算法来优化重采样过程,增强粒子多样性。同时,在传统离散滑模控制器的框架下,重新规划切换函数,利用改进滑模控制器修正滤波信号的反馈正弦波误差,达到修复简化模型误差的目的。 (4)改进小波阈值变换 为了滤除非贝叶斯性质的噪声信号,提出两种改进小波阈值法,通过灰色关联度理论以及小波熵能量的概念重新定义小波系数与小波阈值之间的关系,利用小波变换细节聚焦的能力,在每段信号的尾部接上另一段信号,研究一种三圆板相连模型,通过识别接口故障段,实现改进小波阈值法性能的判定。 (5)SVR自适应滤波器 为了验证系统模型建立的正确性,提出一种SVR自适应滤波器,利用SVR算法辨识E型膜系统模型,它的理论输出值与测量值之差被扰动消除器滤除后,作为无噪状态模型的输入,最终利用滑膜控制器修复反馈输出信号残差。 (6)交互式多激励滤波器 为了滤除多激励动态耦合噪声干扰,引入合载荷代替合应变的思想,将多向激励信息以权值匹配模式暗含在系统控制项中,建立多目标状态空间模型,通过交互式粒子算法的模型概率定义激励力的权重比,采用三算法联合估计的策略跟踪系统状态。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978