|
IMU与RFID技术结合对AGV实时定位方法研究1引言 随着智能制造的提岀，中国工业生产将进一步朝着智能化、 柔性化和高度集成化的方向发展叫AGV作为智能工厂中实现物 料自动运输的移动机器人，对其进行实时定位是物料精准配送的关键。 近年来，基于红外线、超声波、蓝牙、无线射频(RFID)、超宽 带(UWB)等技术的各种室内定位方法不断兴起,被广泛应用于智能家居等领域，并且具有较高的定位精度。文献提岀了一种多目视觉与激光组合导航的精确定位方法, 但是成本相对较高。 文献利用安装于AGV两侧的超声波传感器为其实现定位，但是该方法受视距影响严重。以上定位技术均表现岀独立性弱、有视 距传输要求等问题,需要借助外界设备装置进行辅助，并通过这些硬件设备进行数据传输，一旦外界环境无法满足条件，定位方法也将失效冋。针对复杂的工厂加工环境，以上方法难以实现精准定位,而基于自身传感器进行定位的惯性导航定位方法成为解决问题的关键。 惯性定位是不依赖外部信息，也无需辐射能量，因其独立性 好，面对复杂的室内环境,具有绝对优势。但市面上成熟的惯性导 航器件成本都很高，若使用低成本传感器,会岀现采集到的数据 静止加速度零偏严重，运动加速度噪声偏大，不同测量速度下测 得偏转角度精度不同以及计算所得位移漂移严重等问题；另外, 单独使用惯性定位方法解算AGV的位置，得到的误差会存在随时间的累积效应,一定时间后,定位误差将会超岀可接受范围，定位也将失去意义。为解决以上问题，采用两种方法：一是参考轨道交通中广泛应用的应答器方法，利用RFID技术对惯性导航定位 进行位置校正，通过两种方法数据的组合解算AGV位置,解决惯 性导航累计误差的问题；二是提岀一套基于低成本IMU的实时 定位误差修正方法，缓解低成本惯性传感器在试验中测量误差大 等问题，使定位结果满足工业室内定位的要求。 2室内定位系统模型及改进 2.1惯性定位原理 捷联式惯导系统的优势在于省去复杂的固定的惯性平台, 将传感器安装在移动体上。一个捷联惯性测量单元包括加速度计和陀螺仪,用于跟踪移动体的平移和旋转过程，对于车间环境中的AGV，主要考虑二维平面运动，利用加速度计采集AGV的移动加速度(X向和Y向)，以及利用陀螺仪采集AGV的偏航角(绕 Z轴所转角度)。 定位模型中，以AGV为载体坐标系b系,以地理坐标系为 导航坐标系n系，利用INS(惯性导航系统)量测的AGV在载体 坐标系b系下的加速度信息
偏航角信息θk,根据姿态 解算方法得到AGV在导航坐标系n系下的加速度信息以及角度 偏转信息|8］。
式中: 系下的加速度信息；ψk - AGV偏转角度，初始角度为θ0，则ψk=θk - θ0 通过以上变换，将b系下的加速度信息转换到n系下。 2.2基于卡尔曼滤波的位姿更新算法 IMU采集到的数据掺杂噪声，对AGV的实时定位要求算法 能够实时对产生的数据进行处理，普遍使用的滤波算法对实时性 无法保证，卡尔曼滤波算法(UKF)作为一种纯时域的估计算法很 好的解决了这个问题。 状态方程:在INS定位系统中，由b系下的传感器获得的信 息得到n系下AGV的位置和速度更新，其模型为：
式中:：一加加速度;ak、ak-1—n系下k时刻和k-1时刻的加速度； Vk、Vk-1—k时刻和k-1时刻的速度；Sk、Sk-1—k时刻和k-1时刻的位移；△T—采样时间间隔。 UKF 状态方程:Xk = AXk-1 +Bkuk (4) UKF 量测方程:Zk =HXk +Vk (5) K 时刻状态：xk= [Sk,x Sk,y Vk,x ak,x Vk,y] 由位姿更新模型和状态方程可知，状态转移矩阵:
这里不考虑控制矩阵Bk。 由量测方程可知,观测矩阵H=[0 0 0 0 1 1 ］。 应用卡尔曼滤波基本方程:
该部分计算由 MATLAB 实现，最终得到滤波后的 AGV 速 度与位移更新，得到AGV的实时位置(X,Y)。 2.3 RFID校正原理 RFID定位系统主要包含阅读器、电子标签和天线,在本实 验环境下选择无源电子标签，由于RFID设备不具备通信能力， 需要结合ZigBee技术来解决RFID定位的无线通信问题。读写器 安装在AGV小车底部，设置阅读器的读写距离为15cm,AGV在 移动时具有轨迹，轨迹中设定位置已知的标签作为参考节点，阅 读器去识别标签以确定当前位置。 2.4组合定位 INS系统的主要误差来源是低成本传感器自身精度不高，系 统误差大，加速度计和陀螺仪存在零位误差且计算结果随时间漂 移严重。因此采用RFID技术与惯性定位相组合的定位方法，取长补短，满足用户的需求。 组合定位系统的基本原理: 加速度计和陀螺仪进行数据采 集后,输入到导航解算单元进行速度、位置的解算，最终利用误差 修正算法对导航结果进行反馈修正，达到对AGV精确定位的目的。 在AGV上安装低成本IMU,选择九轴姿态测量传感器。对于采集的加速度信号，经过坐标转换计算和姿态解算算法得到 AGV的位置信息。针对常规惯性定位方法存在累积误差问题，通过RFID阅读器采集的信号与惯性传感信息进行组合定位，在特定参考节点进行位置信息的校正，进而获得AGV的实时精确位置信息。 设定轨迹上N个电子标签的位置坐标为(x1，y1)，(x2，y2)......(xn，yn)； 融合定位位置更新方程:
式中：(X,Y)—AGV的位置坐标;Xk—卡尔曼滤波更新得到的位 置。基于INSRFID融合定位整体流程，如图1所示。 3实验与结果分析 为了验证提岀的误差修正定位方法的准确性，进行了几组实测实验。在实验中，采用维特智能的JY9001姿态传感器为测 量模块，电压（3.5~5）V,测量维度为加速度3维，磁场3维，角度3 维，稳定性加速度为0.01g,角速度0.05°/s,数据输岀频率（0.1~ 200）Hz，数据接口为串口。IMU安装在AGV上，通过蓝牙与上位 机进行数据的传输，信号采集频率设为200Hz。实验装置，如图2 所示。
图2实验装置图 3.1零速检测与误差修正方法
图3静止加速度补偿前后对比图 低成本IMU在应用中存在一些问题，在采集数据前传感器 存在一定的误差，包括加速度和偏航角度,需要对采集数据进行预处理。以200Hz为采样频率对传感器静止时的数据进行采集, 并对其结果进行误差的补偿。为解决加速度的初始偏移问题，对 静止时的加速度数据进行分析，得知需要对IMU的加速度补偿 值为X方向-0.0253, Y方向0.0137。误差补偿前后的加速度对比 图，如图3所示。实验发现未进行补偿处理的数据严重偏移，加速 度值在0.025附近波动,补偿后的结果，如图3（b）所示。比较符合 实际情况。 零加速检测目的是对采集的数据进行模糊处理，对于在 AGV运动中采集到数据（加速度和偏转角度），若两次采集的数 据变化量小于指定阈值，则认为其加速度为零或角度偏转为零。 通过对实验数据进行分析总结，认为当加速度变化量小于0.002 时认为其没有发生变化。角度偏转误差变化比较复杂，在下面进 行说明。实验中发现,IMU在不同运行速度下的角度偏转误差有 所不同,针对这一问题做了一系列实验并提岀改进方法。实验对 AGV运行速度为（0~6000）mm/min的直线运动进行测量，得到60 组角度偏转的误差数据，将AGV运行速度作为输入，利用支持向 量机（SVM）方法对角度偏转误差进行训练与测试，得岀AGV运 行速度与角度偏差的模型，根据模型可对AGV的角度偏差依据 不同运行速度进行实时补偿。运行速度与角度偏转误差的关系曲 线，如图4所示。
图4运行速度与角度偏差曲线 因此,在定位算法中，对不同运行速度的AGV需要按照角 度偏差曲线动态的采取不同的角度补偿值，使定位算法更加符合 实际,同时提高定位算法精度。 3.2实验结果 分别做了直线运动和任意轨迹运动的实验。采用常规二次 积分解算方法以及改进后的误差修正方法对实验数据进行分析 直线测试实验结果，如图5所示。实测直线运动下,采用常规方法 与采用修正定位算法得到的定位轨迹对比图，常规方法X方向 误差21.5%, Y方向误差5.5%,误差修正方法X方向误差4.1%, Y 方向误差3.4%,因此提岀的误差修正算法表现更为优异。
图5直线测试结果 任意轨迹的实测实验结果，如图6所示。实验结果表明，开 始的直线运动修正定位方法与常规定位方法差别不大，随着时间 的累积，常规定位方法的漂移愈发严重，位移2.5m后，已经难以 达到精度要求，但是修正定位算法的优势明显。此实验中，常规方 法误差达40%,修正定位方法定位误差最大9.75%，精度较常规 方法提高31%。
图6曲线测试结果 通过实验分析得知，在使用 JY9001 姿态传感器条件下，运动位移与实验误差之间存在图7关系，用户可根据对AGV的实 际定位精度要求选择适合的布局方式。以现有的AGV尺寸为考 虑因素，若要求定位精度为0.5m,则参考节点每隔7.8m布置一 次，若精度为1.0m,则参考节点每隔10m布置一次。利用以上方 法进行系统位置校正，保证定位误差始终在可接受范围内。
图7误差与位移曲线 4结语 成本昂贵或定位精度低是室内复杂环境下AGV实时精准 定位现阶段普遍存在的问题，综合考虑，针对低成本IMU与 RFID技术的组合定位方法进行研究。针对低成本IMU测量数据 的误差特征,提岀实时定位误差修正方法,通过卡尔曼滤波算法 对INS位置进行解算，并与RFID电子标签信息进行结合，推导 岀组合定位的位置更新方程，获得室内AGV位姿信息。通过实测 实验验证以上算法的正确性，结果表明，基于低成本IMU与 RFID技术的实时定位方法能够达到实际定位要求，较单纯使用 INS稳定性和可靠性更高，定位精度提高31%,适用于室内AGV 实时定位。 参考文献 [1]夏端武，薛小凤.智能制造技术在工业自动化中的应用研究J].机械设计与制造,2018(2)： 206-209. (Xia Rui—wu,Xue Xiao—feng.Research on the application of intelligent manufacturing technology in industrial automation[j].Machinery Design & Manufacture,2018(2)：206-209.) [2] 罗松,续合元.物联网产业发展综述和技术创新趋势[J].信息通信技 术,2018(4)： 4-8. (Luo Song,Xu He—yuan.Summary of internet of things industry development and trend of technological innovationJ[.Information and Communications Technologies,2018(4)： 4—8.) [3] 何珍，楼佩煌,钱晓明.多目视觉与激光组合导航AGV精确定位技术 研究J]仪器仪表学报,2017(11) ： 2830-2838. (He Qun,Lou Pei—huang,Qian Xiao—yue.Research on pecises positioning technology for AGV based on multi-object vision and laser integrated navigation[J].Chinese Journal of Scientific Instrument,2017(11)：2830- 2838. ) [4] 史恩秀，黄玉美.自主导航小车AGV定位方法的研究J].传感技术学 报,2007(1) ：233-236. (Shi En—xiu,Huang Yu—mei.The study of position method for AGVJ]. Chinese Journal of Sensors and Actuators, 2007( 1): 233—236.) [5] 毛科技，邬锦彬,金洪波•面向非视距环境的室内定位算法J].电子学 扌报 2016(5)： 11741179. (Mao Ke—ji, Wu Jin—bin,Jin Hong—bo.Indoor localization algorithm for NLOS environmentJ].Acta Electronica Sinica,2016(5)： 1174-1179.) [6] Muhammad Yasir,SiuWai Ho,Badri N.Vellambi. indoor positioning system using visible light and accelerometerJ]Journal of Lightwave Technology,2014,32( 19): 3306-3316. [7] 陈兴祁.基于超声波与视觉定位的智能小车导航技术研究[D].上海： 华东理工大学,2017:5-10. (Chen Xing—qi.Research on navigation of intelligent car based on ultrasonic and visual positioning[D].Shanghai：East China University of Scie— nce and Technology ,2017 ：5-10.) [8] Jeroen D.Hol,Fred Dijkstra,Henk Luinge,Thomas B. Schon.Tightly coupled UWB4MU pose estimation[C].IEEE International Conference on Ul— tra-Wideband.Vancouver,BC,Canada：IEEE,2009：688-692. [9] 秦永元，张洪钺，王叔华.卡尔曼滤波与组合导航原理[M].西安:西北 工业大学出版社,2012:33-50. (Qin Yong—yuan,Zhang Hong—yue,Wang Shu—huaKalman Filter and Principle of Integrated Navigation [ M ].Xi' an: Northwestern Polytechnical University Press Co.Ltd. ,2012： 33-50.) [10] Kok M,Hol J D,Schon T B.Indoor positioning using ultrawideband and inertial measurementsJ].IEEE Transactions on Vehicular Technology, 2015,64(4):1293—1303. |
