移动机器人的滑移以及轮胎力估计

论文摘要

本文介绍了一种轮式移动机器人的滑移和轮胎力的估计方法。该方法基于扩展卡尔曼滤波器而设计，仿真结果表明这种算法能够很好的跟踪动态模型中状态变量变化。并且针对仿真对象的建模方法具有普遍性，该模型适合于一类具备惯性测量单元、编码器和倾斜计的四轮驱动移动机器人。同时模型中融入了机器人姿态中的俯仰角和偏航角，这样更接近轮式机器人运动的实际情况，从而更准确反映了运动状态。除此之外，本文所建立的动力学模型尤其适用于具有柔性结构和带悬挂结构的移动机器人。本文选用Pacejka在1996年改进的魔术公式作为轮地接触模型，该经验模型已经在轮胎动力学领域被证明有很好的实用性。基于魔术公式输出真实的轮胎接触力，扩展卡尔曼滤波算法可以准确的估计出小车在平地行走时的横向和纵向的牵引力。并且利用估计出来的速度信息可以重复出力和滑移之间的经验曲线。另外在有坡度的情况下，前后轮胎的支撑力将随着俯仰角变化而变化。而支撑力的变化同时会改变魔术公式里面的参数，从而实时改变输出牵引力的大小。过去并没与相关文献在这方面阐述魔术公式在有斜坡的情况下仍然能够成立。而本文的结果表明，扩展卡尔曼滤波算法依然收敛，并且能够重复出轮胎力和滑移的经验曲线。证明魔术公式的经验曲线在有坡度的情况下依然成立。为了让仿真更加贴近实际情况，本文在前期做了大量的实验来测定移动机器人的模型参数和传感器的协方差。因此仿真算法的参数都是来源于基于实际系统配置。所有上述的工作都为未来的研究打下了一个有意义的基础。

论文目录

• 摘要
• ABSTRACT
• ACKNOWLEDGEMENTS
• NOMENCLATURE
• LIST OF TABLES
• LIST OF FIGURES
• CHARPTER 1 INTRODUCTION
• 1.1 Background and problem statement
• 1.2 Current research
• 1.3 Contribution of this thesis
• 1.4 Outline of this thesis
• CHARPTER 2 VEHICLE DYNAMICS
• 2.1 Vehicle Platform
• 2.1.1 Vehicle framework
• 2.1.2 DC motor and encoder
• 2.1.3 Initia l Measurement Unit （IMU）
• 2.1.4 Inclinometer
• 2.1.5 Processor
• 2.2 Vehicle configuration
• 2.3 Vehicle dynamics
• 2.4 Normal force
• 2.5 Slip ratio and slip angle
• 2.6 Summary
• CHARPTER 3 TIRE-TERRAIN MODEL
• 3.1 Tire model of rigid terrain
• 3.2 Pacejka’s ma gic formula
• 3.2.1 Pacejka curves and physics mea ning
• 3.2.2 Longitudinal force and latera l force
• 3.3 Tire la g and response
• 3.4 Summary
• CHARPTER 4 SLIP DETECTOR ALGORITHM
• 4.1 Extended Kalma n Filter
• 4.2 Vehicle Model
• 4.3 Measurement Model
• 4.4 Summary
• CHARPTER 5 SIMULATIONS AND RESULTS
• 5.1 Simula tion parameters
• 5.1.1 Wheel parameters
• 5.1.2 Process noise covariance matrix
• 5.1.3 Sensor noise covariance matrix
• 5.2 Simula tion results
• 5.2.1 Initia l condition
• 5.2.2 Flat surface
• 5.2.3 Slope surface
• 5.3 Summary
• CHARPTER 6 CONCLUSION AND FUTURE WORK
• 6.1 Conclusion
• 6.2 Future work
• REFERENCES