仪器仪表学报

作者：班朝1

单位：班朝1,2，任国营2,3，王斌锐1，陈相君3,（1?中国计量大学机电工程学院杭州310018； 2?中国计量科学研究院北京100029；3?天津大学 精密测试技术及仪器国家重点实验室天津300072）,

关键词：关键词：机器人;惯性测量单元;姿态测量;数据融合;指数渐消记忆;拓展卡尔曼滤波

基金：*基金项目：国家重点研发计划（2018YFF0212702）项目资助

摘要：为了实现机器人运动学参数标定,提出一种用惯性测量单元（IMU）实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度（除重力加速度之外的其他加速度）叠加，噪声统计特性参数不易获取，陀螺仪信号随时间发生漂移等影响测量精度的问题。针对这些问题,设计了一种自适应拓展卡尔曼滤波（EKF）姿态测量改进算法。基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage?Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差。实验结果表明,相比Sage?Husa自适应滤波算法，该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36?43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14?28%和19?44%,能有效提高姿态测量精度。

来源：2020年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第2期