0 引言

    多傳感器數(shù)據(jù)融合技術(shù)源于軍事領(lǐng)域，目前，數(shù)據(jù)融合技術(shù)在機(jī)器人、工業(yè)控制、海洋監(jiān)視、空中交通管制、管理以及綜合導(dǎo)航等領(lǐng)域都有所運(yùn)用^[1]。在機(jī)器人系統(tǒng)當(dāng)中，導(dǎo)航主要完成的是對視野當(dāng)中的障礙物和圖標(biāo)等進(jìn)行識別，引導(dǎo)機(jī)器人的方向，進(jìn)而形成一條完美軌跡來使機(jī)器人達(dá)到目的地^[2]。當(dāng)前，在機(jī)器人導(dǎo)航中要求的測量精度日益提高，探測對象也比較復(fù)雜，由于各傳感器可靠性和穩(wěn)定性各異，因此必須區(qū)分對待；在實(shí)際導(dǎo)航中，要求對傳感器數(shù)據(jù)進(jìn)行實(shí)時集成，以產(chǎn)生機(jī)器人控制信號和驅(qū)動器命令^[3]。通過實(shí)效的算法融合數(shù)據(jù)，可提高機(jī)器人導(dǎo)航時效性與準(zhǔn)確性^[4]。本文基于模糊貼近度數(shù)據(jù)融合算法，研究了機(jī)器人系統(tǒng)當(dāng)中用于高精度定位的算法。

1 模糊貼近度數(shù)據(jù)融合的新算法

    在進(jìn)行機(jī)器人相關(guān)的研究時，不確定性的因素是比較多的，常規(guī)的情況是呈現(xiàn)正態(tài)分布。假設(shè)有n個傳感器用于導(dǎo)航的拍攝過程中，第i個傳感器進(jìn)行真實(shí)值A(chǔ)的k次測量，測量值分別為x_i1，x_i2，…，x_ik。第i個傳感器的標(biāo)準(zhǔn)差為σ_i，其均值為x_i。設(shè)σ₀為多傳感器標(biāo)準(zhǔn)差，x₀為多傳感器目標(biāo)估計值，計算公式如下：

2 仿真及其分析

    設(shè)在一個250 m×250 m的矩形區(qū)域內(nèi)，節(jié)點(diǎn)分布均勻，根據(jù)網(wǎng)格形式部署節(jié)點(diǎn)，確保節(jié)點(diǎn)間的連通性，這樣與基站建立連接的孤立節(jié)點(diǎn)將不會出現(xiàn)，節(jié)點(diǎn)數(shù)為N，N的變化范圍為120～420，仿真環(huán)境為NS2，參數(shù)設(shè)置見表1，N個節(jié)點(diǎn)在仿真實(shí)驗(yàn)中均帶有1個單位的電量，數(shù)據(jù)包以102 kb/s的速率進(jìn)行發(fā)送。

    圖1為節(jié)點(diǎn)數(shù)不同時兩種算法的能耗和延遲。由圖1知，在網(wǎng)絡(luò)部署相同時，傳送的信息量隨節(jié)點(diǎn)數(shù)增多而增大，各算法能耗相應(yīng)增大。本文算法能耗低于貝葉斯數(shù)據(jù)融合算法，性能相對穩(wěn)定，維持的網(wǎng)絡(luò)壽命更長。同時，本文算法執(zhí)行數(shù)據(jù)融合延遲較小，因算法在運(yùn)行時允許多個傳感器節(jié)點(diǎn)對數(shù)據(jù)融合過程進(jìn)行啟動，數(shù)據(jù)融合并行進(jìn)行，可減少延遲。

3 應(yīng)用實(shí)例

3.1 數(shù)據(jù)融合新算法在機(jī)器人導(dǎo)航地標(biāo)識別中的應(yīng)用

    在機(jī)器人導(dǎo)航中，地標(biāo)識別常用超聲波傳感器，這個傳感器借助于脈沖飛行時間法的測量方式。它的模型是在波帶開放角中固定，這種固定方式能夠保證傳感器接收距離是最短的。在機(jī)器人系統(tǒng)導(dǎo)航定位當(dāng)中，假設(shè)有5個傳感器，那么就要進(jìn)行4次距離測量，圖2為測量值，圖3為測量均值，圖4為測量標(biāo)準(zhǔn)差。

    由圖2～圖4知，穩(wěn)定性和可靠性最高的是第1個傳感器，接下來的順序是第3個、第2個、第4個和第5個。根據(jù)結(jié)果能夠?qū)γ總€傳感器的格貼近度和目標(biāo)的估計值進(jìn)行計算，進(jìn)而能夠得到不同傳感器相對應(yīng)的權(quán)重，具體權(quán)重值在圖5中列出。

    由圖5可知，計算的各傳感器相對權(quán)重和其最終融合值、測量均值間具有一致的接近程度。將這5個超聲波的傳感器綜合起來進(jìn)行使用，測量融合值表示如下：

    實(shí)例分析表明，本文算法具有較強(qiáng)的測量可靠性、穩(wěn)定性，在數(shù)據(jù)融合中，傳感器具有一定的優(yōu)越性，測量結(jié)果準(zhǔn)確性高；本文算法無需計算支持矩陣、置信距離矩陣、特征向量、最大特征值等參數(shù)，運(yùn)算過程快速、簡潔、有效，可實(shí)現(xiàn)對機(jī)器人的實(shí)時導(dǎo)航?；谀：N近度，對多傳感器數(shù)據(jù)融合算法流程圖進(jìn)行編寫，分析機(jī)器人導(dǎo)航中發(fā)生的測量數(shù)據(jù)擾動，對融合結(jié)果的相對擾動進(jìn)行計算。圖6為數(shù)據(jù)融合新算法流程圖。

3.2 數(shù)據(jù)融合新算法在機(jī)器人滅火處理中定位與導(dǎo)航

    通過無線傳感器網(wǎng)絡(luò)的移動機(jī)器人定位與導(dǎo)航，實(shí)現(xiàn)對不同的節(jié)點(diǎn)和傳感器信息的融合處理，機(jī)器人能夠獲得定位信息是因?yàn)榻邮盏搅丝衫玫男畔?。在移動機(jī)器人上，安裝有外部傳感器、內(nèi)部傳感器、無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)模塊。機(jī)器人模塊的運(yùn)動模型：機(jī)器人運(yùn)動的距離和行進(jìn)位移能夠通過運(yùn)動狀態(tài)借助于傳感器而獲得，通過數(shù)據(jù)融合新算法，將移動機(jī)器人的運(yùn)動方向及位置坐標(biāo)計算出。在實(shí)驗(yàn)過程中，使用移動機(jī)器人平臺Pioneer 2DX，移動的機(jī)器人身上安裝一個能旋轉(zhuǎn)半圈的激光測距儀，能夠進(jìn)行障礙物的躲避，同時還有一個用于網(wǎng)絡(luò)通信的Mica2無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)。在機(jī)器人移動的范圍內(nèi)，首先要設(shè)置9個節(jié)點(diǎn)的部署，預(yù)編程處理后，每個節(jié)點(diǎn)都能獲知其鄰節(jié)點(diǎn)的信息。

    圖7為測得的平均值，在剛開始進(jìn)行試驗(yàn)時，按預(yù)先設(shè)定的方向，移動機(jī)器人開始移動，在接到節(jié)點(diǎn)命令后，其行進(jìn)方向才可改變。對節(jié)點(diǎn)3、5、6、8、9共5個不同目標(biāo)節(jié)點(diǎn)進(jìn)行10次定位導(dǎo)航實(shí)驗(yàn)，圖7顯示了移動機(jī)器人在完成了導(dǎo)航目標(biāo)任務(wù)之后與目標(biāo)節(jié)點(diǎn)之間的距離。在整個運(yùn)動的過程當(dāng)中，機(jī)器人的運(yùn)動距離為1 km。機(jī)器人在安裝導(dǎo)航系統(tǒng)情況下都能夠到達(dá)目標(biāo)的節(jié)點(diǎn)。

    圖8為移動機(jī)器人進(jìn)行導(dǎo)航試驗(yàn)的結(jié)果，從A點(diǎn)開始運(yùn)行至E點(diǎn)結(jié)束，過程中要完成滅火的任務(wù)。其中的一個節(jié)點(diǎn)如果遇到火災(zāi)的發(fā)生，機(jī)器人會出現(xiàn)報警現(xiàn)象同時導(dǎo)航開始。對移動機(jī)器人進(jìn)行導(dǎo)航是整個算法的任務(wù)，從開始運(yùn)行的位置到最后事件發(fā)生點(diǎn)，實(shí)現(xiàn)運(yùn)動導(dǎo)航，從而將火撲滅。若移動機(jī)器人能找到一條最短路徑，則沿著最短路徑行到達(dá)目標(biāo)位置，在距離目標(biāo)節(jié)點(diǎn)3 m范圍內(nèi)停止。圖8結(jié)果顯示，通過多傳感器數(shù)據(jù)融合算法的定位導(dǎo)航，移動機(jī)器人可實(shí)現(xiàn)可靠、準(zhǔn)確導(dǎo)航。

4 結(jié)論

    本文基于模糊貼近度數(shù)據(jù)融合算法，研究了移動機(jī)器人使用的多傳感器高精度數(shù)據(jù)融合算法。模糊了測量值和估計值，同時計算了模糊格貼近程度，在測量中各傳感器的權(quán)重通過格貼近度進(jìn)行描述，借助于融合公式求出融合的具體結(jié)果。本文根據(jù)現(xiàn)有的公式求出融合結(jié)果，算法能提高機(jī)器人導(dǎo)航系統(tǒng)的測量技術(shù)，使其通用性更強(qiáng)，可靠性和測量的穩(wěn)定性更強(qiáng)。通過實(shí)例分析，本文提出的算法運(yùn)算快速、簡潔、有效，可實(shí)現(xiàn)對機(jī)器人的實(shí)時導(dǎo)航，具有一定的實(shí)際應(yīng)用價值。

參考文獻(xiàn)

[1] 張品，董為浩，高大冬.一種優(yōu)化的貝葉斯估計多傳感器數(shù)據(jù)融合方法[J].傳感技術(shù)學(xué)報，2014，27(5)：643-649.

[2] 任偉建，陳奕君.基于神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人多傳感器數(shù)據(jù)融合研究[J].電子設(shè)計工程，2014，22(12)：5-9.

[3] 杜杉杉，吳昊，張繼文，等.一種面向AHRS的改進(jìn)互補(bǔ)濾波融合算法[J].國外電子測量技術(shù)，2015(3)：13-18.

[4] 李金良，孫友霞，谷明霞，等.基于多傳感器融合的移動機(jī)器人SLAM[J].中國科技論文，2012，7(4)：312-317.

作者信息:

任  杰

(四川省裝備制造業(yè)機(jī)器人應(yīng)用技術(shù)工程實(shí)驗(yàn)室，四川 德陽618000)