文档名：基于惯性数据融合的串联机械臂运动状态估计方法
摘要：在串联机械臂运动跟踪中,将惯性测量单元(IMU)的运动信息映射到机械臂运动链上,针对IMU测量时的安装误差和随机噪声会影响到测量信息准确性的问题,提出了一种基于IMU数据融合的运动状态估计方法.该方法首先对传感器与旋转关节坐标系进行校准,再通过融合IMU中陀螺仪和加速计信息,建立了基于扩展卡尔曼滤波(EKF)算法的运动姿态最优估计模型.与机械臂实际输出的角度信息相比,所提方法的平均角度和位姿均方根误差(RMSE)为0.19°和0.45mm,均优于单目相机惯性传感器联合标定方法.实验结果表明:该方法能够精确地估计机械臂运动状态,并且具有精度更高且运动空间不受限制的优点.
Abstract：Inserialmanipulatormotiontracking,motioninformationoftheinertialmeasurementunit(IMU)ismappedtothemanipulatormotionchain.AimingattheproblemthattheinstallationerrorandrandomnoiseduringIMUmeasurementwillaffecttheaccuracyofthemeasurementinformation,amotionstateestimationmethodbasedonIMUdatafusionisproposed.Themethodcalibratesthecoordinatesystemofthesensorwiththerotatingjointfirstly.Then,anoptimalmotionstateestimationmodelisbuiltbasedonextendedKalmanfiltering(EKF)algorithmbyfusingtheinformationfromgyroscopeandaccelerometerofIMU.Comparedwiththeactualoutputangleinformationofthemanipulator,theproposedmethodhasanaverageangleandrootmeansquareerror(RMSE)ofpose0.19°and0.45mm,respectively,whicharebothpriortothoseofmonocularcamera-inertialsensorcalibrationmethod.Theexperimentalresultsshowthatthemethodcanestimatethemanipulatormotionstateaccurately,andhastheadvantagesofhigherprecisionandunrestrictedmotionspace.
作者：段一凡 杨进兴 李俊 徐敏 Author：DUANYifan YANGJinxing LIJun XUMin
作者单位：厦门理工学院电气工程与自动化学院,福建厦门361000;泉州装备制造研究所,福建泉州362216泉州装备制造研究所,福建泉州362216
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(5)
分类号：TP249
关键词：机械臂 信息融合 状态估计 卡尔曼滤波
Keywords：manipulator informationfusion stateestimation Kalmanfiltering
机标分类号：TP212TP391.41TN911.7
在线出版日期：2024年5月17日
基金项目：泉州市科技计划项目基于惯性数据融合的串联机械臂运动状态估计方法[
期刊论文] 传感器与微系统--2024, 43(5)段一凡 杨进兴 李俊 徐敏在串联机械臂运动跟踪中,将惯性测量单元(IMU)的运动信息映射到机械臂运动链上,针对IMU测量时的安装误差和随机噪声会影响到测量信息准确性的问题,提出了一种基于IMU数据融合的运动状态估计方法.该方法首先对传感器与旋...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于惯性数据融合的串联机械臂运动状态估计方法 Motion state estimation method for serial manipulator based on inertial data fusion
基于惯性数据融合的串联机械臂运动状态估计方法.pdf
- 文件大小:
- 623.95 KB
- 下载次数:
- 60
-
高速下载
|
