CN109823857B - 一种高可靠性的斗轮机行程定位方法 - Google Patents
一种高可靠性的斗轮机行程定位方法 Download PDFInfo
- Publication number
- CN109823857B CN109823857B CN201711179585.8A CN201711179585A CN109823857B CN 109823857 B CN109823857 B CN 109823857B CN 201711179585 A CN201711179585 A CN 201711179585A CN 109823857 B CN109823857 B CN 109823857B
- Authority
- CN
- China
- Prior art keywords
- state
- current
- bucket wheel
- wheel machine
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种高可靠性的斗轮机行程定位方法，在斗轮机上安装两套定位系统，其步骤为：S1：获取第一定位装置和第二定位装置的两组测量数据DL数据和DN数据；S2：计算第一定位装置和第二定位装置到参考点P的距离d1,d2；S3：将两组数据做卡尔曼滤波处理获得估计最佳距离；S4：结合预先给定的参考点坐标计算斗轮机大车当前坐标位置。本发明具有原理简单、易实现、具有高可靠性等优点。
Description
技术领域
本发明主要涉及到燃料管理技术领域，特指一种高可靠性的斗轮机行程定位方法，主要适用于数字化煤场的管理。
背景技术
斗轮堆取料机是散装物料堆放和拾取的一种重型设备，常用于火力发电厂煤厂燃料的堆取。斗轮机堆料、取料动作需要精准操作，以保证物料堆取准确性，斗轮机一般是通过实时反馈行程(行走位置)信息来保证堆取料位置的准确性。另外，随着斗轮机无人值守的应用越来越多，行程定位的可靠定位为斗轮机安全运行提供了保障。
目前常用的测量行程的办法主要有两种：
1、编码器：斗轮机行走时带动编码器旋转从而计量行程位置。采用该方法短距离、短时间行走可以达到毫米级的测量分辨率，但由于外界干扰的原因(遇到轨道上粘有煤、或其它污染物)一定的误差，并且误差会不断累积，行走距离过长或长时间不校准会造成很大偏差。
2、无线定位装置：常用的无线定位装置有RTK-GPS、UWB、Wifi或其它原理类似的定位系统，其原理都是通过测量无线电波抵达时间结合无线电波传播速度转换成斗轮机的位置。采用该方法能够达到厘米级的定位精度，但测量容易受到电磁干扰，另外在无线电传播路径上遇到遮挡物会造成测量数据丢失。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、易实现、具有高可靠性的斗轮机行程定位方法。
为解决上述技术问题，本发明采用以下技术方案：
一种高可靠性的斗轮机行程定位方法，在斗轮机上安装两套定位系统，其步骤为：
S1：获取第一定位装置和第二定位装置的两组测量数据DL数据和DN数据；
S2：计算第一定位装置和第二定位装置到参考点P的距离d1,d2；
S3：将两组数据做卡尔曼滤波处理获得估计最佳距离；
S4：结合预先给定的参考点坐标计算斗轮机大车当前坐标位置。
作为本发明的进一步改进：在所述步骤S1中，第一定位装置和第二定位装置的两组测量数据DL数据和DN数据的坐标值都以煤场某个点P为参考。
作为本发明的进一步改进：在所述步骤S2中，计算第一定位装置和第二定位装置到参考点P的距离d1,d2的公式为：
其中，(x0,y0)为P点的坐标,x,y表示装置L和装置N的坐标值。
作为本发明的进一步改进：所述步骤S3的详细步骤为：
S301：根据上一最佳估计状态值结合第一定位装置的数据得到当前k状态的预测值；现在的系统状态是k，建立预测状态方程：
X(k|k-1)＝AX(k-1|k-1)+B U(k)………
上式中，X(k|k-1)是利用上一状态对当前状态的预测的结果，X(k|k-1)代表斗轮机位置的最优估计值，X(k-1|k-1)是上一状态最优的结果，表示上一次测量的最优估计值，U(k)为现在状态的控制量，B U(K)表示上一状态到当前状态行程编码器测得的距离变化量。
S302：根据上一状态的误差协方差P(k-1)和过程误差预测当前误差。
协方差状态方程如下：
P(k|k-1)＝AP(k-1|k-1)A’+Q………
上式中利用上一状态的误差的协方差与k-1状态到k状态变化过程中产生的误差的协方差Q得到当前k状态的估计误差。两个定位装置测量的量只有距离，所以协方差即为方差。所以
其中，P(k|k-1)表示当前预测误差，P(k-1)表示上次测量最优估计误差，Q表示系统误差(由轨道不平或斗轮机运动晃动产生)。
S303：计算卡尔曼增益；卡尔曼增益计算方法如下：
Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R)………
上式中，kg(k)表示当前的卡尔曼增益，P(k|k-1)为S10302步骤得到的误差预测值。R表示测量误差，H表示测量系数矩阵。
S304：校正更新当前测量值，得到当前测量的最优估计；当前最优估计值计算方法如下
X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))………
式(4)中，X(k|k)表示当前最优估计值，也就是L装置和N装置测量数据融合后的结果。X(k|k-1)为S10301步骤得到的当前预测值，Z(k)为2装置的测量值，H表示测量系数矩阵。
S305：计算并更新当前状态k的协方差矩阵P(k)；
到现在为止已经得到了k状态下最优的估算值X(k|k)，但是为了要另卡尔曼滤波器递归运行下去还要更新k状态下X(k|k)的协方差矩阵：
P(k|k)＝(I-Kg(k)H)P(k|k-1)………
其中，I取1，当系统进入k+1状态时，P(k|k)就是S10302步骤中式子(2)的P(k-1|k-1)。这样，算法就可以自回归的运算下去。
作为本发明的进一步改进：所述步骤S4中，通过S3的步骤得到的斗轮机大车到参考点P(x0,y0)的距离值计算斗轮机大车当前参考坐标。
与现有技术相比，本发明的优点在于：本发明的一种高可靠性的斗轮机行程定位方法，原理简单、易实现，其采用行程编码器定位和无线定位相结合，利用基于卡尔曼滤波的数据融合技术，从而大大提高了斗轮机定位的可靠性。本发明的方法可自动综合两套定位系统的数据，获得最佳定位估计，消除了其中某一个定位系统失效或性能降低对系统定位精度的影响。
附图说明
图1是本发明在具体应用实例中的流程示意图。
图2是本发明在具体应用实例中步骤S3的详细流程示意图。
图3是本发明在具体应用实例中的安装示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示，本发明的一种高可靠性的斗轮机行程定位方法，在斗轮机上安装两套定位系统(第一定位装置和第二定位装置)，其步骤为：
S1：获取第一定位装置和第二定位装置的两组测量数据DL数据和DN数据；
S2：计算第一定位装置和第二定位装置到参考点P的距离d1,d2；
S3：将两组数据做卡尔曼滤波处理获得估计最佳距离；
S4：结合预先给定的参考点坐标计算斗轮机大车当前坐标位置。
在上述步骤S1中，第一定位装置和第二定位装置的两组测量数据A数据和B数据的坐标值都以煤场某个点P为参考；如，参见图3的具体应用实例，编码器安装于第一位置处L，无线定位装置安装于第二位置处N。斗轮机大车行走时同时从第一定位装置和第二定位装置获取观测数据分别为A数据和B数据。
在上述步骤S2中，计算第一定位装置和第二定位装置到参考点P的距离d1,d2的公式为：
其中，(x0,y0)为P点的坐标。x,y表示装置L和装置N的坐标值。
在具体应用实例中，参见图2，上述步骤S3的详细步骤为：
S301：根据上一最佳估计状态值；卡尔曼滤波是一个反复迭代的过程，本次测量的预测状态方程将会使用上一次到上次测量的最佳估计状态；结合第一定位装置的数据得到当前k状态的预测值；现在的系统状态是k，建立预测状态方程：
X(k|k-1)＝AX(k-1|k-1)+B U(k)………
上式中，X(k|k-1)是利用上一状态对当前状态的预测的结果，X(k|k-1)代表斗轮机位置的最优估计值，X(k-1|k-1)是上一状态最优的结果，表示上一次测量的最优估计值，U(k)为现在状态的控制量，B U(K)表示上一状态到当前状态行程编码器测得的距离变化量，B是控制量系数在本例中为1。
S302：根据上一状态的误差协方差P(k-1)和过程误差预测当前误差。
协方差状态方程如下：
P(k|k-1)＝AP(k-1|k-1)A’+Q………
上式中利用上一状态的误差的协方差与k-1状态到k状态变化过程中产生的误差的协方差Q得到当前k状态的估计误差。两个定位装置测量的量只有距离，所以协方差即为方差。所以
其中，P(k|k-1)表示当前预测误差，P(k-1)表示上次测量最优估计误差，Q表示系统方差(由轨道不平或斗轮机运动晃动产生)。对于两个以上的定位装置，A表示一个系数矩阵，A'为A的转置矩阵，对于本例只有两个定位传感器，A＝A'为一个实数其值为1。
S303：计算卡尔曼增益；卡尔曼增益计算方法如下：
Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R)………
上式中，kg(k)表示当前的卡尔曼增益，P(k|k-1)为S10302步骤得到的误差预测值。R表示测量误差，H表示测量系数矩阵。
S304：校正更新当前测量值，得到当前测量的最优估计；当前最优估计值计算方法如下：
X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))………
式(4)中，X(k|k)表示当前最优估计值，也就是第一定位装置和第二定位装置测量数据融合后的结果。X(k|k-1)为S301步骤得到的当前预测值，Z(k)为2装置的测量值，H表示测量系数矩阵本例中取值为1。
S305：计算并更新当前状态k的协方差矩阵P(k)；
到现在为止已经得到了k状态下最优的估算值X(k|k)，但是为了要另卡尔曼滤波器递归运行下去还要更新k状态下X(k|k)的协方差矩阵：
P(k|k)＝(I-Kg(k)H)P(k|k-1)………
其中，I取1，当系统进入k+1状态时，P(k|k)就是S10302步骤中式子(2)的P(k-1|k-1)。这样，算法就可以自回归的运算下去。
在上述步骤S4中，通过S3的步骤，得到了斗轮机大车到参考点P(x0,y0)的距离值，可以很容易计算斗轮机大车当前参考坐标。以P(x0,y0)设定位置在轨道的一端并且坐标系x轴与轨道平行为例，得到的大车坐标为P1(x0+X(k|k)，y0),其中X(k|k)为S103中的到的大车距P(x0，y0)距离的最优估计值。大车坐标为P1(x0+X(k|k)即本例中的输出结果。
本发明的上述斗轮机行程定位方法，特点就在于:在斗轮机上安装不同原理、优势互补的两套定位系统，通过一种数据处理方法将两套定位系统数据融合。无线定位系统安装位置位于斗轮机悬臂转轴顶部(位置2所示)，通过无线定位获取的斗轮机直线行程数据行程编码器安装于斗轮机行程轮上(位置1所示)，行程滚轮在重力作用下承载于斗轮机的行走轨道上滚动以测量斗轮机的直线行程数据。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (5)
1.一种高可靠性的斗轮机行程定位方法，其特征在于，在斗轮机上安装两套定位系统，其步骤为：
S1：获取第一定位装置和第二定位装置的两组测量数据DL数据和DN数据；
S2：计算第一定位装置和第二定位装置到参考点P的距离d1,d2；
S3：将两组数据做卡尔曼滤波处理获得估计最佳距离；
S4：结合预先给定的参考点坐标计算斗轮机大车当前坐标位置。
2.根据权利要求1所述的高可靠性的斗轮机行程定位方法，其特征在于，在所述步骤S1中，第一定位装置和第二定位装置的两组测量数据DL数据和DN数据的坐标值都以煤场某个点P为参考。
3.根据权利要求1所述的高可靠性的斗轮机行程定位方法，其特征在于，在所述步骤S2中，计算第一定位装置和第二定位装置到参考点P的距离d1,d2的公式为：
其中，(x0,y0)为P点的坐标，x,y表示装置L和装置N的坐标值。
4.根据权利要求1或2或3所述的高可靠性的斗轮机行程定位方法，其特征在于，所述步骤S3的详细步骤为：
S301：根据上一最佳估计状态值结合第一定位装置的数据得到当前k状态的预测值；现在的系统状态是k，建立预测状态方程：
X(k|k-1)＝AX(k-1|k-1)+BU(k)………
上式中，X(k|k-1)是利用上一状态对当前状态的预测的结果，X(k|k-1)代表斗轮机位置的最优估计值，X(k-1|k-1)是上一状态最优的结果，表示上一次测量的最优估计值，U(k)为现在状态的控制量，BU(K)表示上一状态到当前状态行程编码器测得的距离变化量；
S302：根据上一状态的误差协方差P(k-1)和过程误差预测当前误差；
协方差状态方程如下：
P(k|k-1)＝AP(k-1|k-1)A’+Q………
上式中利用上一状态的误差的协方差与k-1状态到k状态变化过程中产生的误差的协方差Q得到当前k状态的估计误差；两个定位装置测量的量只有距离，所以协方差即为方差；所以
其中，P(k|k-1)表示当前预测误差，P(k-1)表示上次测量最优估计误差，Q表示由轨道不平或斗轮机运动晃动产生系统误差；
S303：计算卡尔曼增益；卡尔曼增益计算方法如下：
Kg(k)＝P(k|k-1)H’/(HP(k|k-1)H’+R)………
上式中，kg(k)表示当前的卡尔曼增益，P(k|k-1)为S10302步骤得到的误差预测值；R表示测量误差，H表示测量系数矩阵；
S304：校正更新当前测量值，得到当前测量的最优估计；当前最优估计值计算方法如下
X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))………
式(4)中，X(k|k)表示当前最优估计值，也就是1装置和2装置测量数据融合后的结果；X(k|k-1)为S10301步骤得到的当前预测值，Z(k)为2装置的测量值，H表示测量系数矩阵；
S305：计算并更新当前状态k的协方差矩阵P(k)；
到现在为止已经得到了k状态下最优的估算值X(k|k)，但是为了要另卡尔曼滤波器递归运行下去还要更新k状态下X(k|k)的协方差矩阵：
P(k|k)＝(I-Kg(k)H)P(k|k-1)………
其中，I取1，当系统进入k+1状态时，P(k|k)就是S10302步骤中式子(2)的P(k-1|k-1)；这样，算法自回归的运算下去。
5.根据权利要求1或2或3所述的高可靠性的斗轮机行程定位方法，其特征在于，所述步骤S4中，通过S3的步骤得到的斗轮机大车到参考点P(x0,y0)的距离值计算斗轮机打车当前参考坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711179585.8A CN109823857B (zh) | 2017-11-23 | 2017-11-23 | 一种高可靠性的斗轮机行程定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711179585.8A CN109823857B (zh) | 2017-11-23 | 2017-11-23 | 一种高可靠性的斗轮机行程定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109823857A CN109823857A (zh) | 2019-05-31 |
| CN109823857B true CN109823857B (zh) | 2021-03-16 |
Family
ID=66858343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711179585.8A Active CN109823857B (zh) | 2017-11-23 | 2017-11-23 | 一种高可靠性的斗轮机行程定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109823857B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112785644B (zh) * | 2019-11-08 | 2022-03-18 | 大唐环境产业集团股份有限公司 | 一种基于图像处理的斗轮机大车行走定位方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5664382B2 (ja) * | 2011-03-18 | 2015-02-04 | 富士通株式会社 | 位置検出装置、ウェアラブルセンサシステム及びプログラム |
| CN102621570B (zh) * | 2012-04-11 | 2013-10-23 | 清华大学 | 基于双全球定位和惯性测量的汽车动力学参数测量方法 |
| CN204832531U (zh) * | 2015-08-08 | 2015-12-02 | 杭州集益科技有限公司 | 斗轮机精确定位系统 |
| CN106568430A (zh) * | 2015-10-09 | 2017-04-19 | 张琳俐 | 运土系统的定位方法及装置 |
| CN105182900A (zh) * | 2015-10-11 | 2015-12-23 | 长春发电设备总厂 | 一种斗轮机的控制系统及控制方法 |
| CN105717483B (zh) * | 2016-02-06 | 2019-01-25 | 北京邮电大学 | 一种基于多源定位方式的位置确定方法及装置 |
| CN107290713A (zh) * | 2016-04-11 | 2017-10-24 | 上海慧流云计算科技有限公司 | 一种室内定位方法及装置 |
| CN107346010B (zh) * | 2016-05-06 | 2021-02-19 | 株式会社理光 | 用于定位电子设备所处的区域的方法和装置 |
| CN206178153U (zh) * | 2016-08-26 | 2017-05-17 | 河南华润电力古城有限公司 | 一种斗轮机防碰撞系统 |
-
2017
- 2017-11-23 CN CN201711179585.8A patent/CN109823857B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109823857A (zh) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103471589B (zh) | 一种室内行人行走模式识别和轨迹追踪的方法 | |
| CN106197472B (zh) | 一种轨道式机器人距离定位和里程校准装置及方法 | |
| KR100486505B1 (ko) | 로봇 청소기의 자이로 오프셋 보정방법 | |
| CN112722873B (zh) | 堆取料机自动控制系统 | |
| KR101222298B1 (ko) | 2-륜 이동 로봇의 오도메트리 오차 보정 방법 | |
| CN112882053B (zh) | 一种主动标定激光雷达和编码器外参的方法 | |
| CN110553644B (zh) | 一种矿用电铲精准定位系统和方法 | |
| CN102589509B (zh) | 一种农机作业面积测量方法 | |
| TW201314240A (zh) | 慣性導航系統之修正方法、裝置及系統 | |
| CN102138768A (zh) | 清洁机器人的定位方法和设备 | |
| Ibrahim et al. | Inertial measurement unit based indoor localization for construction applications | |
| CN109823857B (zh) | 一种高可靠性的斗轮机行程定位方法 | |
| CN114166221B (zh) | 动态复杂矿井环境中辅助运输机器人定位方法及系统 | |
| CN110068334A (zh) | 一种磁导航agv的高精度定位方法 | |
| CN103389807B (zh) | 空间鼠标的数据处理方法以及鼠标指针的控制方法 | |
| CN113110027B (zh) | 一种轨道式斗轮取料机位置切换抗干扰控制方法 | |
| CN113324544A (zh) | 一种基于图优化的uwb/imu的室内移动机器人协同定位方法 | |
| CN115103299B (zh) | 一种基于rfid的多传感器融合定位方法 | |
| CN110243363B (zh) | 一种基于低成本imu与rfid技术结合的agv实时定位方法 | |
| CN115990880A (zh) | 机器人航向调整方法、机器人、装置及计算机存储介质 | |
| CN112683263B (zh) | 一种基于改进模型的uwb/imu/odom多传感器数据融合移动机器人定位方法 | |
| CN107962568A (zh) | 一种机器人的实时定位方法及系统 | |
| CN115451946A (zh) | 一种MEMS-IMU和Wi-Fi组合的室内行人定位方法 | |
| CN115183767A (zh) | 一种基于arkf的单目vio/uwb室内组合定位方法 | |
| CN111597850B (zh) | 车辆信息处理方法、装置及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |