CN110058521A - 一种考虑误差影响的悬臂式掘进机行进纠偏方法 - Google Patents
一种考虑误差影响的悬臂式掘进机行进纠偏方法 Download PDFInfo
- Publication number
- CN110058521A CN110058521A CN201910282751.XA CN201910282751A CN110058521A CN 110058521 A CN110058521 A CN 110058521A CN 201910282751 A CN201910282751 A CN 201910282751A CN 110058521 A CN110058521 A CN 110058521A
- Authority
- CN
- China
- Prior art keywords
- error
- pose
- fuselage
- correction
- moment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012937 correction Methods 0.000 claims abstract description 48
- 238000011161 development Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 4
- 239000002245 particle Substances 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000002969 morbid Effects 0.000 claims description 3
- 101100001674 Emericella variicolor andI gene Proteins 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims 2
- 230000002411 adverse Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000005641 tunneling Effects 0.000 description 3
- 241000219098 Parthenocissus Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001568 sexual effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种考虑误差影响的悬臂式掘进机行进纠偏方法,步骤:(1)建立掘进机位姿纠偏控制系统模型;(2)统计掘进机行进控制中的过程误差与观测误差的分布规律,建立包含随机误差的掘进机行进纠偏非线性控制模型;(3)基于SVD‑Unscented卡尔曼滤波,修正纠偏控制量,减小误差对纠偏控制效果的影响。掘进机在履带式行进的执行过程中普遍存在打滑现象,提供位姿测量信息的传感器系统也不可避免的存在观测误差,给掘进机的行进控制与调度带来显著的非确定性。建立掘进机行进位姿纠偏控制模型,考虑履带打滑对机身位姿的影响,运用SVD‑Unscented卡尔曼滤波对位姿参数进行估计处理,由此修正控制指令,实现考虑掘进机位姿测量及结构执行误差的实时行进调度纠偏。
Description
技术领域
本发明属于现代矿业工程技术领域,涉及一种悬臂式掘进机在机载传感器位姿测量误差、动作指令执行过程误差等的影响下,实时、准确的行进纠偏调度方法,适用于煤炭开采中巷道高效精准成形的应用要求。
背景技术
在我国煤矿生产中,悬臂式掘进机完成的巷道掘进量占据全年总掘进量的2/3,是煤矿生产一线的核心设备之一。掘进机自动化、智能化、无人或少人化掘进是实现巷道快速精准成形、保障煤矿安全高效生产的主要途径。在掘进过程中,由于环境因素、机动误差等常导致机身偏离既定轨迹。一旦发生路径偏离,由于掘进机机身庞大,操作指令与掘进效果之间的滞后性明显;且机身移动依靠履带牵引,其动力学结构稍显复杂,简单的根据路径偏差改变掘进方向的纠正方式已然不能保证理想的实时纠偏效果。为此,需要根据掘进机的行进特点,以履带式车辆的路径跟踪控制为基础,提出适合掘进机行进纠偏的控制方法。
针对上述需求,首先需提出论证充分的路径跟踪控制模型,其次要结合掘进机的实际工作特征,在跟踪控制模型的基础上提出必要的调整甚至改进。对于第一点,现有的策略多倾向于采用基于位姿偏差模型的闭环优化控制,同时灵活引入更多、更准确的实时测量信息。另一方面,履带式行走调度较于轮式移动控制难点之一在于履带打滑现象的不确定性,较为先进的处理方法是采用打滑率对打滑现象实现量化表征,同时设法对实际打滑率进行例如自适应估计这样的近似计算。将上述理论可靠的控制策略与状态估计的技术手段合理融合,提出一套掘进机行进纠偏的控制方法,于煤矿高效开采意义深远,在理论和工程实践方面都具有极大的参考价值。
发明内容
本发明要解决的技术问题为:针对当前掘进机路径纠偏控制模型在井下实际应用中的切实需要,提供一种考虑误差影响的悬臂式掘进机行进纠偏方法,该方法在路径跟踪控制模型的基础上合理引入实测运动参数以代替公式演算,并对实测数准确度进行分析统计;同时,考虑履带行走的打滑现象,采用适当的统计或观测手段对打滑的影响进行评价或估计,最终将其用于实际状态量的解算,以修正并更新实际控制指令,达到逐步调度的目的、有规划的实现路径纠偏。
本发明解决上述技术问题采用的技术方案为:一种考虑误差影响的悬臂式掘进机行进纠偏方法,首先完成掘进机运动学分析,建立位姿纠偏控制模型,采用实测机身位置、方向角等参数解算机身位姿相对于规划路径的偏差;采用打滑率表征履带打滑程度,将机身前行速度及转向速度的实际数值与指导数值直接联系起来,以此反映打滑对动力传递产生的等效影响,避开复杂的动力学分析。针对位姿测量结果及对打滑率估计,采用统计分析的方法,描述其分布规律,并运用SVD-Unscented卡尔曼滤波进行滤波估计,最终用于控制指令的更新与修正,减小误差对路径纠偏控制的影响。
具体步骤如下:
第一步,建立基于位姿偏差的掘进机行进纠偏控制模型;
第二步,在上述纠偏控制模型中融入符合一定先验概率的过程误差与观测误差,建立包含有随机误差影响的具有典型非线性系统特征的掘进机行进纠偏控制模型;
第三步,采用SVD-Unscented卡尔曼滤波,对纠偏控制模型中机身位姿状态进行估计处理,并带回控制律方程中重新计算和修正控制指令,从而削弱第二步所述误差对控制过程的影响。
进一步的,所述步骤一的具体实现过程:
(1)掘进机位姿偏差变化如下:
上式表征k时刻的机身位姿偏差pe_k经过时间△t之后在k+1时刻变为pe_k+1。
其中:
ω表示履带车旋转角速度,v为机身的前进速度。脚标c结合表示对应参数的当前值;脚标d表示对应参数的期望值;脚标表示对应参数的当前数值与期望值之间的偏差。
掘进机移动时,机身同时处于两个坐标系中:机身坐标系xoy与大地坐标系XOY。机身上某质点的坐标(x,y)或(X,Y),与方向角θ称为质点的位姿。pc=[Xc,Yc,θc]T表示质点在大地坐标系中的当前位姿;pd=[Xd,Yd,θd]T表示质点在大地坐标系中期望位姿;pe=[xe,ye,θe]T为质点在机身坐标系xoy中的位姿偏差。
(2)基于位姿偏差的掘进机行进纠偏控制模型如下:
设计控制律:
kx,ky,kθ分别对应偏差项xe,ye,θe的伴随系数,只要kx,ky,kθ取值为正,pe在控制指令[vc,ωc]T作用下有界,且即位姿偏差趋近为[0,0,0]T,达到纠偏目的。
(3)利用前进速度v与转角速度ω,推算获得对应左、右履带驱动轮的输出角速度配置如下:
ωL,ωR分别表示左右履带驱动轮的角速度;iL,iR分别为左右两条履带打滑率,打滑率是用于表征机身转弯时履带与地面之间发生的相对滑动对理论速度的影响;r表示履带驱动轮半径,b表示左右履带之间的宽度;
进一步的,所述步骤二的具体实现过程:
(1)所述第二步建立包含有随机误差影响的非线性掘进机行进纠偏控制模型如下:
Qk+1=Qk+△Qk+εk
pe′_k+1=[Qk+1(1),Qk+1(2),Qk+1(3)]T+δk+1
Q=[xe,ye,θe,ωL *,ωR *]T为系统的状态向量,且ωL *=ωL(1-iL),ωR *=ωR(1-iR)。Qk为状态向量在k时刻的取值,k=1,2,3,…;Qk+1为状态向量在k+1时刻取值;△Qk为状态向量在k时刻的增量。pe′_k+1为系统k+1时刻的观测向量,是机身的位姿偏差pe在k+1时刻的观测值,也是状态向量Qk+1的前三个分量:Qk+1(1)=xe_k+1,Qk+1(2)=ye_k+1,Qk+1(3)=θe_k+1,与k+1时刻的观测误差δk+1之和。
(2)涉及的关于误差的先验概率分布规律具体为:
1)过程误差εk=[0,0,0,εL,εR]T由打滑率体现。取打滑率i(iL、iR)服从边界值为[a,b]的均匀分布。其中a,b为根据地质条件算出的具体打滑率边界值。εL,εR为按[a,b]决定的均匀分布随机获取的误差值。
2)观测误差即为位姿的测量误差δk+1=[δx,δy,δθ]T。取坐标误差xe,ye的测量误差均服从均值为标准差为σ的正态分布;而方向角偏差参数θe则服从均值为标准差为σθ的正态分布。σ、σθ分别为基于某位姿测量方法的实测及仿真计算所获得的实际数值。δx,δy为按σ所决定的正态分布随机获取的误差值。δθ为按σθ所决定的正态分布随机获取的误差值。
进一步的,所述步骤三的具体实现过程:
(1)基于SVD-Unscented卡尔曼滤波,利用由步骤二所获得的过程误差及观测误差统计,对掘进机行进纠偏过程中位姿偏差进行状态量估计。
(2)更新由步骤一所建立的纠偏控制系统中机身的位姿、速度、转角速度等状态量,以修正控制指令。
本发明的原理在于:1)对于掘进机的实时位姿,理论上可通过前一时刻的运动状态以及运动学方程推算获得,但同时也可通过搭建一套测试系统获取:在巷道中设置移动的基站作为坐标基准;在机身上设置多个节点,通过测距技术测量基站与各机身节点之间的距离;通过空间坐标解算即可获得掘进机的位姿参数。需指出,该位姿测量具有一定的不确定度,具体误差水平与分布情况可根据多次实验及仿真获得。2)对于打滑率的估计,根据Bekker理论中履带驱动力与打滑率的运算关系,计算出最大驱动力时对应的最佳打滑率,选取典型土壤环境条件,可总结打滑率的统计特性。3)分析位姿纠偏控制的非线性特征以及状态量取值更新规律,可将测量误差与打滑率评价误差分别作为观测误差及过程误差处理,充分利用SVD-Unscented卡尔曼滤波的计算优点,对测量位姿及打滑率数值进行滤波,用于对状态量的重新估计,并修正下一步控制变量。
本发明与现有技术相比的优点在于:
(1)利用实测结合仿真的手段对测量位姿误差及打滑率误差的分布规律进行总结,与非线性滤波处理相结合,避免在控制律计算中对相应的参数重复取单一数值,体现了误差的随机性。
(2)SVD-Unscented卡尔曼滤波在实际执行过程中,借助了SVD分解数值计算方面的鲁棒性优势,有效的避免了滤波计算过程由于协方差矩阵出现病态而中断失败的状况。在工程应用中操作性强,可靠性高。
附图说明
图1为本发明的考虑误差影响的悬臂式掘进机行进纠偏方法实现过程的示意图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
本发明包括以下三个基本步骤:(1)建立掘进机位姿纠偏控制系统模型;(2)统计掘进机行进控制中的过程误差与观测误差的分布规律,建立包含有误差影响的具有典型非线性系统特征的掘进机行进纠偏控制模型;(3)基于SVD-Unscented卡尔曼滤波,修正掘进机纠偏控制指令,减小误差对纠偏控制效果的影响。掘进机在履带式行进的执行过程中普遍存在打滑现象,提供位姿测量信息的传感器系统也不可避免的存在观测误差,给掘进机的行进控制与调度带来显著的非确定性,极大可能的造成掘进误差超标和难以准确调度机身达到目标位姿。基于掘进机行走机构的运动学特征建立路径位姿偏差模型,引入实际位姿测量信息、考虑履带打滑对机身位姿的影响、运用SVD-Unscented卡尔曼滤波对运动学模型中的位姿参数进行估计,以修正控制指令,实现考虑掘进机位姿测量及结构执行误差的实时行进调度纠偏。
本发明充分考虑工程实用性的要求,将纠偏控制过程中可能对状态量更新计算产生影响的误差进行了分类,借助一般非线性系统对过程误差及观测误差的处理方法,以统计分析的手段代替理论计算来表征误差的随机性;采用非线性滤波对系统状态量进行估计,得以正确的修正控制指令,较大程度的削弱误差带来的影响,最终实现对掘进机行进的有效调度。
如图1所示,本发明考虑误差影响的悬臂式掘进机行进纠偏方法具体实现步骤如下:
(1)建立纠偏控制模型
掘进机采用履带式行走方式,机身直线运动时,履带侧向不受力;机身转弯时,履带与地面之间发生相对滑动,通常用打滑率来表征滑动对履带理论速度带来的影响,数值上常以滑动速度与牵引速度的比值来表示,滑动速度大小与履带运动参数有关。若分别用iL,iR表示左右两条履带打滑率:
式中ωL,ωR分别表示左右履带驱动轮的角速度,r表示履带驱动轮半径,显然rωL,rωR分别表示没有纵向打滑时两边履带的线速度。b表示左右履带之间的宽度;ω表示履带车旋转角速度;v表示机身沿x轴方向的速度。
掘进机机身坐标系xoy在大地坐标系XOY中移动,(X,Y)表示机身某质点坐标值,θ为方向角。定义质点的当前位姿pc=[Xc,Yc,θc]T,期望位姿pd=[Xd,Yd,θd]T,则质点在机身坐标系xoy中的位姿偏差pe=[xe,ye,θe]T为:
对上述位姿偏差pe取微分:
设计控制律u,使位姿偏差收敛于pe=[0,0,0]T,即能成功纠偏。具体选取:
式中,kx,ky,kθ分别为对应偏差xe,ye,θe的伴随系数,其取值为正。
定义Lyapunov函数:其中k为任意正整数。根据Lyapunov函数的稳定性原则判断系统的稳定性,即纠偏控制的可行性:若满足L(xe,ye,θe)≥0,且控制输变量u=[vc,ωc]T使则pe有界且
可证明,暂不考虑误差影响的情况下利用式(4)计算控制指令,取kky=1,则满足稳定性要求。
(2)误差分析
定义掘进机机身状态向量Q=[xe,ye,θe,ωL *,ωR *]T,其中pe=[xe,ye,θe]T为机身位姿跟踪偏差,设定由机身车载定位系统实时测取。用于根据纠偏控制律以计算下一行进调度中履带的左右轮转速设置需求:u=[ωL *,ωR *]T=[ωL(1-iL),ωR(1-iR)]T,其中iL,iR分别为左右履带的打滑率。
考虑过程误差及观测误差,采用如下非线性系统表征掘进机位姿纠偏过程:
εk表示k时刻控制实施的过程误差;δk+1表示k+1时刻位姿偏差的观测误差,鉴于偏差与位姿的代数关系,这里δk+1相当于机身质点的位姿测量误差。Q=[xe,ye,θe,ωL *,ωR *]T为系统的状态向量,且ωL *=ωL(1-iL),ωR *=ωR(1-iR)。Qk为状态向量在k时刻的取值,k=1,2,3,…;Qk+1为状态向量在k+1时刻取值;△Qk为状态向量在k时刻的增量。pe′_k+1为系统k+1时刻的观测向量,是机身的位姿偏差pe在k+1时刻的观测值,也是状态向量Qk+1的前三个分量:Qk+1(1)=xe_k+1,Qk+1(2)=ye_k+1,Qk+1(3)=θe_k+1,与k+1时刻的观测误差δk+1之和。
过程误差εk分析与表示:过程误差造成的结果是机身实际运动参数与理论值之间存在差异,而履带打滑现象是主要原因之一。主要采用打滑率来体现过程误差。打滑率i(iL、iR)的估算依赖于地面条件与履带参数。根据Bekker理论所归纳的履带驱动力与打滑率的运算关系,可计算出最大驱动力时对应的最佳打滑率。以最佳打滑率作为统计对象,选取多种典型土壤环境条件下的打滑率估算,可获得掘进机履带工作打滑率服从边界值为[a,b]的均匀分布。例如:取[a,b]=[0.1,0.35]的均匀分布。
位姿测量误差δk+1分析与表示:根据位姿测量方法,结合实测及仿真计算分析,可取参数xe,ye的测量误差均服从均值为x,标准差为σ的正态分布;而方向角偏差参数θe则服从均值为标准差为σθ的正态分布。例如,取误差均服从均值为0,标准差为3cm的正态分布;而方向角偏差参数θe则服从均值为0,标准差为1.5°的正态分布。
(3)SVD-Unscented卡尔曼滤波进行状态估计
为方便阐述,采用非线性系统的一般式:以代替式(5)。其中xk为状态量,主要由机身的状态向量Q=[xe,ye,θe,ωL *,ωR *]T体现;yk+1为观测量,主要由机身位姿偏差pe=[xe,ye,θe]T体现。f(xk,uk)为隐函数,表征由k时刻状态量xk与控制指令uk共同决定k+1时刻理论状态量的过程;h(xk+1)为隐函数,表征k+1时刻实际的观测量与状态量之间的关系。
Unscented卡尔曼滤波(UKF)用于状态估计的主要思想在于直接采用非线性变换逼近系统参数的概率分布,而非逼近系统的线性化模型。其核心之一是基于unscented变换(UT变换)的无导数运算估计算法的运用。UT变换是一种计算随机变量经非线性变化后统计特性的方法:对于一个N维的自变量x经某非线性变换f(x)后获得随机向量y,记Px|N×N为x的协方差矩阵,为x的均值,为获得y的统计量,运用Sigma点抽样法形成2N+1个sigma点向量矩阵χ:
式中尺度参数λ=α2(N+κ)-N,α决定周围sigma点的扩散,通常为很小的正常数;κ为二阶尺度参数,一般在状态估计时设为0,在参数估计时设为3-N;表示加权平方根矩阵的第i列。
一般情况下,Px为正定对称矩阵,对其进行特征值分解,设Px=QΛQ-1(Q为N×N方阵,其列向量为Px的特征向量;Λ是由对应特征值组成的对角矩阵),进而Px 1/2=QΛ1/2Q-1。同时,正定对称矩阵的特征值分解等价于SVD分解:Px=UΛVT(其中U=V=Q,QTQ=I,Λ同上)。故:
Px 1/2=UΛ1/2VT (7)
注意,协方差矩阵Px开方的前提是Px为正定对称矩阵。然而在实际执行过程中经常会遭遇协方差矩阵病态的情况,即Px不满足正定对称矩阵的条件。这里借助SVD分解数值计算方面的鲁棒性优势,始终采用式(7)计算协方差矩阵的开方,即为SVD-unscented卡尔曼滤波。
基于SVD-unscented卡尔曼滤波的状态估计过程如下:
1)初始化
前者为初始的状态量均值,后者为初始的状态量协方差。构造包含状态量、过程误差以及观测误差的增广状态向量:
其中,Pε,Pδ分别为过程误差ε与测量误差δ的协方差矩阵。
2)确定sigma点集,根据式(6)、(7)取点向量矩阵χk。
3)时间更新
利用系统非线性函数f(x)产生x* k+1|k=f(χk,uk),并计算:
这里其中β用来表现x的分布先验知识(对于高斯分布,β=2较为合适)。
利用根据式(6)取点向量矩阵χk+1|k,代入系统观测函数:
Yk+1|k=h(χk+1|k)
4)状态更新
Kk=PxyPyy -1
以式(11)中的估计值作为状态量xk的更新,以式(9)中的作为观测量yk+1的更新,分别取代由式(5)直接计算所获得的状态量及观测量,并带入式(4)计算,完成控制指令u=[vc,ωc]T的纠正与更新。即实现基于SVD-Unscented卡尔曼滤波的状态估计与纠偏控制。
仿真试验表明,对于具有一定随机变化的打滑率和位姿测量误差的掘进机行进纠偏控制系统,本发明采用SVD-Unscented卡尔曼滤波可保障位姿偏差在机身调度过程中呈一致下降的趋势,且局部变化波动被限制在很小的范围内;比之未采用SVD-Unscented卡尔曼滤波情况而言,跟踪轨迹与期望轨迹吻合度有极大的提高。
本发明未详细阐述部分属于本领域技术人员的公知技术。
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。
Claims (4)
1.一种考虑误差影响的悬臂式掘进机行进纠偏方法,其特征在于,包括步骤如下:
第一步,建立基于位姿偏差的掘进机行进纠偏控制模型;
第二步,在上述纠偏控制模型中融入符合一定先验概率的过程误差与观测误差,建立包含有随机误差影响的具有典型非线性系统特征的掘进机行进纠偏控制模型;
第三步,采用SVD-Unscented卡尔曼滤波,对纠偏控制模型中机身位姿状态进行估计,并带回控制律中重新计算和修正控制指令,削弱第二步所述误差对控制过程的影响,从而完成悬臂式掘进机行进的纠偏。
2.根据权利要求1所述的考虑误差影响的悬臂式掘进机行进纠偏方法,其特征在于:所述基于位姿偏差的掘进机行进纠偏控制模型如下:
(1)被控参数为掘进机机身位姿偏差:
上式表征k时刻的机身位姿偏差pe_k经过时间△t之后在k+1时刻变为pe_k+1,
其中:
机身上某质点的坐标(x,y)或(X,Y),与方向角θ称为质点的位姿;pc=[Xc,Yc,θc]T表示质点在大地坐标系中的当前位姿,(Xc,Yc)为质点在大地坐标系中的当前坐标,θc为机身当前方向角;pc=[Xc,Yc,θc]T表示质点在大地坐标系中的当前位姿,(Xd,Yd)为质点在大地坐标系中的期望坐标,θd为期望方向角;pe=[xe,ye,θe]T为质点在机身坐标系xoy中的位姿偏差,(xe,ye)为质点在机身坐标系中的当前坐标与期望坐标之间的偏差,θe为方向角偏差;ωc表示机身当前转向角速度,vc为机身当前行进速度;ωd表示机身的期望转向角速度,vd为机身的期望行进速度;
(2)系统控制律如下:
kx,ky,kθ分别对应偏差项xe,ye,θe的伴随系数,kx,ky,kθ取值为正时pe在控制指令[vc,ωc]T作用下有界,且即位姿偏差趋近为[0,0,0]T,达到纠偏目的;
(3)控制变量,即机身行进速度vc与转角速度ωc,具体需通过配置左、右履带驱动轮的输出角速度得以实现,机身左转时,控制变量与驱动轮角速度间关系为:
ωL,ωR分别表示左右履带驱动轮的角速度;iL,iR分别为左右两条履带打滑率,打滑率是用于表征机身转弯时履带与地面之间发生的相对滑动对理论速度的影响;r表示履带驱动轮半径,b表示左右履带之间的宽度。若机身右转,ωL与ωR互换即可。
3.根据权利要求1所述的考虑误差影响的悬臂式掘进机行进纠偏方法,其特征在于:所述第二步中,建立的包含有随机误差影响的非线性掘进机行进纠偏控制模型如下:
Qk+1=Qk+△Qk+εk
p′e_k+1=[Qk+1(1),Qk+1(2),Qk+1(3)]T+δk+1
Q=[xe,ye,θe,ωL *,ωR *]T为系统的状态向量,且ωL *=ωL(1-iL),ωR *=ωR(1-iR);Qk为状态向量在k时刻的取值,k=1,2,3,…;Qk+1为状态向量在k+1时刻取值;△Qk为状态向量在k时刻的增量;p′e_k+1为系统k+1时刻的观测向量,是机身的位姿偏差pe在k+1时刻的观测值,也是状态向量Qk+1的前三个分量:Qk+1(1)=xe_k+1,Qk+1(2)=ye_k+1,Qk+1(3)=θe_k+1,与k+1时刻的观测误差δk+1之和;
过程误差εk为k时刻履带打滑对机身行进速度及转向角速度的影响:εk=[0,0,0,εL,εR]T;εL,εR的大小水平由打滑率与左右驱动轮转速ωL、ωR的理论值共同决定;取打滑率i(iL、iR)服从边界值为[a,b]的均匀分布,其中a,b为根据地质条件算出的具体打滑率边界值,εL,εR为按[a,b]决定的均匀分布随机获取的误差值;
观测误差δk+1即为k+1时刻位姿偏差pe=[xe,ye,θe]T的测量误差:δk+1=[δx,δy,δθ]T;取坐标偏差xe,ye的测量误差均服从均值为标准差为σ的正态分布;而方向角偏差θe则服从均值为标准差为σθ的正态分布,σ、σθ分别为基于某位姿测量方法的实测及仿真计算所获得的实际数值,δx,δy为按σ所决定的正态分布随机获取的误差值,δθ为按σθ所决定的正态分布随机获取的误差值。
4.根据权利要求1所述的考虑误差影响的悬臂式掘进机行进纠偏方法,其特征在于:所述第三步具体实现如下:
(1)SVD-Unscented卡尔曼滤波估计处理过程中,在运用Sigma点抽样法形成2N+1个(N为状态量维数)sigma点向量矩阵χ时,采用SVD分解代替特征值分解完成状态量协方差矩阵的平方根矩阵求取,避免滤波过程中遭遇协方差矩阵病态的情况;
(2)根据k时刻下的状态量Qk、过程误差εk与k+1时刻的观测误差δk+1及它们各自的协方差矩阵Pεk,Pδk,采用SVD-Unscented卡尔曼滤波对k+1时刻的状态量Qk+1进行估计:
φ(·)表示对包含有过程误差与执行误差的非线性系统所执行的一套SVD-Unscented卡尔曼滤波处理;
(3)k+1时刻的状态Qk+1由其估计值取代,带回基于位姿偏差的掘进机行进纠偏控制模型中:将中的位姿偏差估计值带入模型中的控制律,重新计算控制指令[vc,ωc]T,以此减小过程误差与观测误差对纠偏控制过程带来的不良影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282751.XA CN110058521B (zh) | 2019-04-10 | 2019-04-10 | 一种考虑误差影响的悬臂式掘进机行进纠偏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282751.XA CN110058521B (zh) | 2019-04-10 | 2019-04-10 | 一种考虑误差影响的悬臂式掘进机行进纠偏方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110058521A true CN110058521A (zh) | 2019-07-26 |
CN110058521B CN110058521B (zh) | 2020-12-15 |
Family
ID=67318668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282751.XA Active CN110058521B (zh) | 2019-04-10 | 2019-04-10 | 一种考虑误差影响的悬臂式掘进机行进纠偏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110058521B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184562A (zh) * | 2020-09-25 | 2021-01-05 | 合肥工业大学 | 一种基于近似矩阵的火箭级段位姿纠偏方法及装置 |
CN113931649A (zh) * | 2021-09-26 | 2022-01-14 | 中国矿业大学 | 一种巷道掘进机位姿调控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558852A (zh) * | 2013-10-31 | 2014-02-05 | 北方重工集团有限公司 | 一种用于硬岩巷道采矿机自动行走和纠偏的电控系统 |
CN104132664A (zh) * | 2014-07-18 | 2014-11-05 | 安徽农业大学 | 一种农用履带机器人滑动量的估计方法 |
FR3029305A1 (fr) * | 2014-11-28 | 2016-06-03 | Airbus Group Sas | Procede de controle de la trajectoire suivie par un outil porte par un robot |
CN105652866A (zh) * | 2014-11-24 | 2016-06-08 | 丁金堂 | 一种掘进机自动测量及纠偏系统 |
CN109240082A (zh) * | 2018-08-25 | 2019-01-18 | 南京理工大学 | 一种履带式移动机器人滑模云模型交叉耦合控制方法 |
CN109386291A (zh) * | 2018-11-22 | 2019-02-26 | 山东新矿信息技术有限公司 | 掘进机截割路径规划方法、装置及掘进机截割控制系统 |
-
2019
- 2019-04-10 CN CN201910282751.XA patent/CN110058521B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558852A (zh) * | 2013-10-31 | 2014-02-05 | 北方重工集团有限公司 | 一种用于硬岩巷道采矿机自动行走和纠偏的电控系统 |
CN104132664A (zh) * | 2014-07-18 | 2014-11-05 | 安徽农业大学 | 一种农用履带机器人滑动量的估计方法 |
CN105652866A (zh) * | 2014-11-24 | 2016-06-08 | 丁金堂 | 一种掘进机自动测量及纠偏系统 |
FR3029305A1 (fr) * | 2014-11-28 | 2016-06-03 | Airbus Group Sas | Procede de controle de la trajectoire suivie par un outil porte par un robot |
CN109240082A (zh) * | 2018-08-25 | 2019-01-18 | 南京理工大学 | 一种履带式移动机器人滑模云模型交叉耦合控制方法 |
CN109386291A (zh) * | 2018-11-22 | 2019-02-26 | 山东新矿信息技术有限公司 | 掘进机截割路径规划方法、装置及掘进机截割控制系统 |
Non-Patent Citations (6)
Title |
---|
张敏骏等: "受限巷道空间区域栅格化掘进机自主纠偏研究", 《仪器仪表学报》 * |
徐小明等: "对悬臂式掘进机自动纠偏技术的研究", 《工业技术》 * |
杜毅博等: "悬臂式掘进机机身位姿误差消除策略的研究", 《工矿自动化》 * |
杨健健等: "煤巷掘进机纠偏路径随机约束环境建模研究", 《矿 业 科 学 学 报》 * |
谢强等: "SVD -Unscented 卡尔曼滤波的非线性结构系统识别", 《应用力学学报》 * |
邵诚俊等: "基于自适应鲁棒控制算法的硬岩隧道掘进机水平方向轨迹纠偏控制", 《机械工程学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184562A (zh) * | 2020-09-25 | 2021-01-05 | 合肥工业大学 | 一种基于近似矩阵的火箭级段位姿纠偏方法及装置 |
CN112184562B (zh) * | 2020-09-25 | 2024-02-23 | 合肥工业大学 | 一种基于近似矩阵的火箭级段位姿纠偏方法及装置 |
CN113931649A (zh) * | 2021-09-26 | 2022-01-14 | 中国矿业大学 | 一种巷道掘进机位姿调控方法 |
CN113931649B (zh) * | 2021-09-26 | 2023-09-26 | 中国矿业大学 | 一种巷道掘进机位姿调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110058521B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109799814B (zh) | 基于运动学模型的履带无人车辆轨迹跟踪控制器设计方法 | |
Li et al. | Intelligent mining technology for an underground metal mine based on unmanned equipment | |
CN110244735B (zh) | 移动机器人跟踪预定轨迹的启发式动态规划控制方法 | |
US8612084B2 (en) | System and method for autonomous navigation of a tracked or skid-steer vehicle | |
Marshall et al. | Autonomous underground tramming for center‐articulated vehicles | |
CN110045598B (zh) | 一种悬臂式掘进机井下行进路径跟踪控制方法 | |
Ahmad et al. | Path tracking control of tracked vehicles | |
CN111271071A (zh) | 一种基于模糊自适应神经网络的盾构机姿态控制方法 | |
CN107544500A (zh) | 一种考虑约束的无人艇靠泊行为轨迹规划方法 | |
US20130166156A1 (en) | System and method for controlling movement along a three dimensional path | |
CN110058521A (zh) | 一种考虑误差影响的悬臂式掘进机行进纠偏方法 | |
CN105173051A (zh) | 一种平流层飞艇的制导控制一体化及控制分配方法 | |
Zhang et al. | Attitude correction system and cooperative control of tunnel boring machine | |
CN115265532A (zh) | 一种用于船用组合导航中的辅助滤波方法 | |
CN114819256A (zh) | 一种反铲式挖掘机连续实时轨迹规划方法 | |
CN104763694A (zh) | 一种掘进机液压推进系统分区压力设定值优化方法 | |
CN113867341A (zh) | 一种高精度循迹和控制的巡逻车路径规划及跟踪算法 | |
Ishikawa et al. | Trajectory tracking switching control system for autonomous crawler dump under varying ground condition | |
CN115562275A (zh) | 一种基于mlrnn-pid算法的煤矿履带式掘进机智能导航控制方法 | |
CN110188947A (zh) | 盾构纠偏中当前环目标预测方法及系统 | |
CN113848962B (zh) | 混合驱动水下机器人在曲面上攀爬的定深定向控制方法 | |
CN113219982A (zh) | 一种基于随机冲量粒子群算法模型的矿井巡检机器人路径规划方法 | |
CN113377016A (zh) | 考虑打滑的多移动机器人协同编队无抖振滑模控制方法 | |
CN107808040B (zh) | 基于变尺度空间邻域评估的无人机模型验证方法 | |
CN105971516B (zh) | 一种煤矿井下定向钻进防串孔方法 |
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 |