基于动态融合策略的AGV位置与姿态在线估计
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 论文研究的背景和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 AGV定位技术国内外发展现状 | 第13-14页 |
| 1.2.2 惯性技术发展现状 | 第14页 |
| 1.2.3 RFID技术发展历程与现状 | 第14-15页 |
| 1.3 信息融合技术 | 第15页 |
| 1.4 研究课题主要内容及章节安排 | 第15-17页 |
| 第2章 车体位姿描述和定位系统设计 | 第17-29页 |
| 2.1 实验样车结构设计 | 第17-18页 |
| 2.2 AGV运动状态方程 | 第18-23页 |
| 2.2.1 坐标关系描述 | 第18-19页 |
| 2.2.2 AGV在工作空间位姿描述 | 第19-20页 |
| 2.2.3 AGV运动模型的建立 | 第20-23页 |
| 2.3 AGV硬件控制系统 | 第23-24页 |
| 2.4 传感器配置 | 第24-27页 |
| 2.4.1 编码器 | 第24页 |
| 2.4.2 RFID及阅读标签 | 第24-26页 |
| 2.4.3 MPU6050集成模块 | 第26-27页 |
| 2.5 位姿最优估计方法选择 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于惯性导引技术的AGV姿态角估计 | 第29-42页 |
| 3.1 多信息动态融合方法 | 第29-30页 |
| 3.2 Kalman滤波理论 | 第30-31页 |
| 3.3 姿态角估计滤波算法 | 第31-36页 |
| 3.3.1 MPU6050芯片测试 | 第32-34页 |
| 3.3.2 姿态角测量仿真实验 | 第34-36页 |
| 3.4 小车姿态角融合估计实验 | 第36-41页 |
| 3.4.1 实验装置 | 第36-40页 |
| 3.4.2 车体姿态角实时估计实验 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于RFID和DR的AGV位姿估计 | 第42-55页 |
| 4.1 RFID定位技术原理 | 第42-43页 |
| 4.1.1 常见定位方法 | 第42页 |
| 4.1.2 RFID测距定位原理 | 第42-43页 |
| 4.2 数据融合方法 | 第43-45页 |
| 4.2.1 状态方程建立 | 第43-45页 |
| 4.2.2 测量方程 | 第45页 |
| 4.3 位姿估计滤波器设计 | 第45-47页 |
| 4.3.1 Kalman滤波器设计 | 第45-46页 |
| 4.3.2 优化算法 | 第46-47页 |
| 4.4 算法仿真验证 | 第47-51页 |
| 4.5 位姿融合估计实验论证 | 第51-53页 |
| 4.5.1 实验装置 | 第51页 |
| 4.5.2 路径布置 | 第51-52页 |
| 4.5.3 实验误差评估 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 动态融合策略研究 | 第55-71页 |
| 5.1 数据融合算法研究 | 第55-61页 |
| 5.1.1 AGV位姿监测系统中数据融合结构 | 第55-57页 |
| 5.1.2 Kalman滤波算法研究 | 第57-59页 |
| 5.1.3 自适应加权算法研究 | 第59-61页 |
| 5.2 基于不同应用场景的数据融合算法改进 | 第61-63页 |
| 5.2.1 系统的网络模型 | 第61页 |
| 5.2.2 自适应加权算法的改进方法 | 第61-63页 |
| 5.3 AGV位姿在线估计实验 | 第63-70页 |
| 5.3.1 MATLAB仿真 | 第63-66页 |
| 5.3.2 融合算法应用实验 | 第66-68页 |
| 5.3.3 实验结果分析 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 6.1 本文总结 | 第71页 |
| 6.2 工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的学术论文目录 | 第77-78页 |
| 致谢 | 第78-79页 |
