一种基于UKF的井下机器人超声网络定位方法

机器人将在未来煤矿少人或无人化开采中发挥重要作用。根据井下工作光线较暗,空间封闭的特点,提出了一种基于无损卡尔曼滤波(unscented Kalman filter,UKF)的井下机器人超声网络定位方法。方法的核心是通过对光电码盘和电子罗盘定位以及超声网络定位输出的井下机器人位置坐标和航向角度进行UKF滤波,来对井下机器人进行位置更新和预测。由于对机器人进行位置更新和预测是复杂的非线性函数,采用UKF能有效提高滤波精度,降低定位误差。由于越接近当前时刻的转弯半径误差对转弯半径影响越大,故采用Sigmoid函数作为转弯半径误差系数来计算M个转弯半径误差和。以误差和为权重调节机器人左右驱动轮的转弯