CN110058521A - 一种考虑误差影响的悬臂式掘进机行进纠偏方法 - Google Patents

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

一种考虑误差影响的悬臂式掘进机行进纠偏方法

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p_{e_k}经过时间△t之后在k+1时刻变为p_{e_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。p_c＝[X_c,Y_c,θ_c]^T表示质点在大地坐标系中的当前位姿；p_d＝[X_d,Y_d,θ_d]^T表示质点在大地坐标系中期望位姿；p_e＝[x_e,y_e,θ_e]^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：

k_x,k_y,k_θ分别对应偏差项x_e,y_e,θ_e的伴随系数，只要k_x,k_y,k_θ取值为正，p_e在控制指令[v_c,ω_c]^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：

ω_L，ω_R分别表示左右履带驱动轮的角速度；i_L，i_R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：

Q_k+1＝Q_k+△Q_k+ε_k

p_e′_{_k+1}＝[Q_k+1(1),Q_k+1(2),Q_k+1(3)]^T+δ_k+1

Q＝[x_e,y_e,θ_e,ω_L ^*,ω_R ^*]^T为系统的状态向量，且ω_L ^*＝ω_L(1-i_L),ω_R ^*＝ω_R(1-i_R)。Q_k为状态向量在k时刻的取值，k＝1,2,3,…；Q_k+1为状态向量在k+1时刻取值；△Q_k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p_e在k+1时刻的观测值，也是状态向量Q_k+1的前三个分量：Q_k+1(1)＝x_{e_k+1},Q_k+1(2)＝y_{e_k+1},Q_k+1(3)＝θ_{e_k+1}，与k+1时刻的观测误差δ_k+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ε_k＝[0,0,0,ε_L,ε_R]^T由打滑率体现。取打滑率i(i_L、i_R)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。ε_L,ε_R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δ_k+1＝[δ_x,δ_y,δ_θ]^T。取坐标误差x_e,y_e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θ_e则服从均值为标准差为σ_θ的正态分布。σ、σ_θ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。δ_x,δ_y为按σ所决定的正态分布随机获取的误差值。δ_θ为按σ_θ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i_L，i_R表示左右两条履带打滑率：

式中ω_L，ω_R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rω_L，rω_R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p_c＝[X_c,Y_c,θ_c]^T，期望位姿p_d＝[X_d,Y_d,θ_d]^T，则质点在机身坐标系xoy中的位姿偏差p_e＝[x_e,y_e,θ_e]^T为：

对上述位姿偏差p_e取微分：

设计控制律u，使位姿偏差收敛于p_e＝[0,0,0]^T，即能成功纠偏。具体选取：

式中，k_x,k_y,k_θ分别为对应偏差x_e,y_e,θ_e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(x_e,y_e,θ_e)≥0，且控制输变量u＝[v_c,ω_c]^T使则p_e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kk_y＝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＝[x_e,y_e,θ_e,ω_L ^*,ω_R ^*]^T，其中p_e＝[x_e,y_e,θ_e]^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＝[ω_L ^*,ω_R ^*]^T＝[ω_L(1-i_L),ω_R(1-i_R)]^T，其中i_L，i_R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：

ε_k表示k时刻控制实施的过程误差；δ_k+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δ_k+1相当于机身质点的位姿测量误差。Q＝[x_e,y_e,θ_e,ω_L ^*,ω_R ^*]^T为系统的状态向量，且ω_L ^*＝ω_L(1-i_L),ω_R ^*＝ω_R(1-i_R)。Q_k为状态向量在k时刻的取值，k＝1,2,3,…；Q_k+1为状态向量在k+1时刻取值；△Q_k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p_e在k+1时刻的观测值，也是状态向量Q_k+1的前三个分量：Q_k+1(1)＝x_{e_k+1},Q_k+1(2)＝y_{e_k+1},Q_k+1(3)＝θ_{e_k+1}，与k+1时刻的观测误差δ_k+1之和。

过程误差ε_k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(i_L、i_R)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δ_k+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x_e,y_e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θ_e则服从均值为标准差为σ_θ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θ_e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x_k为状态量，主要由机身的状态向量Q＝[x_e,y_e,θ_e,ω_L ^*,ω_R ^*]^T体现；y_k+1为观测量，主要由机身位姿偏差p_e＝[x_e,y_e,θ_e]^T体现。f(x_k,u_k)为隐函数，表征由k时刻状态量x_k与控制指令u_k共同决定k+1时刻理论状态量的过程；h(x_k+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P_x|_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，P_x为正定对称矩阵，对其进行特征值分解，设P_x＝QΛQ^-1(Q为N×N方阵，其列向量为P_x的特征向量；Λ是由对应特征值组成的对角矩阵)，进而P_x ^1/2＝QΛ^1/2Q^-1。同时，正定对称矩阵的特征值分解等价于SVD分解：P_x＝UΛV^T(其中U＝V＝Q,Q^TQ＝I，Λ同上)。故：

P_x ^1/2＝UΛ^1/2V^T (7)

注意，协方差矩阵P_x开方的前提是P_x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P_x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，P_ε,P_δ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χ_k。

3)时间更新

利用系统非线性函数f(x)产生x^* _k+1|k＝f(χ_k,u_k)，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χ_k+1|k，代入系统观测函数：

Y_k+1|k＝h(χ_k+1|k)

4)状态更新

K_k＝P_xyP_yy ^-1

以式(11)中的估计值作为状态量x_k的更新，以式(9)中的作为观测量y_k+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＝[v_c,ω_c]^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p_{e_k}经过时间△t之后在k+1时刻变为p_{e_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；p_c＝[X_c,Y_c,θ_c]^T表示质点在大地坐标系中的当前位姿，(X_c,Y_c)为质点在大地坐标系中的当前坐标，θ_c为机身当前方向角；p_c＝[X_c,Y_c,θ_c]^T表示质点在大地坐标系中的当前位姿，(X_d,Y_d)为质点在大地坐标系中的期望坐标，θ_d为期望方向角；p_e＝[x_e,y_e,θ_e]^T为质点在机身坐标系xoy中的位姿偏差，(x_e,y_e)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，θ_e为方向角偏差；ω_c表示机身当前转向角速度，v_c为机身当前行进速度；ω_d表示机身的期望转向角速度，v_d为机身的期望行进速度；

(2)系统控制律如下：

k_x,k_y,k_θ分别对应偏差项x_e,y_e,θ_e的伴随系数,k_x,k_y,k_θ取值为正时p_e在控制指令[v_c,ω_c]^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v_c与转角速度ω_c，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：

ω_L，ω_R分别表示左右履带驱动轮的角速度；i_L，i_R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，ω_L与ω_R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：

Q_k+1＝Q_k+△Q_k+ε_k

p′_{e_k+1}＝[Q_k+1(1),Q_k+1(2),Q_k+1(3)]^T+δ_k+1

Q＝[x_e,y_e,θ_e,ω_L ^*,ω_R ^*]^T为系统的状态向量，且ω_L ^*＝ω_L(1-i_L),ω_R ^*＝ω_R(1-i_R)；Q_k为状态向量在k时刻的取值，k＝1,2,3,…；Q_k+1为状态向量在k+1时刻取值；△Q_k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p_e在k+1时刻的观测值，也是状态向量Q_k+1的前三个分量：Q_k+1(1)＝x_{e_k+1},Q_k+1(2)＝y_{e_k+1},Q_k+1(3)＝θ_{e_k+1}，与k+1时刻的观测误差δ_k+1之和；

过程误差ε_k为k时刻履带打滑对机身行进速度及转向角速度的影响：ε_k＝[0,0,0,ε_L,ε_R]^T；ε_L,ε_R的大小水平由打滑率与左右驱动轮转速ω_L、ω_R的理论值共同决定；取打滑率i(i_L、i_R)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,ε_L,ε_R为按[a,b]决定的均匀分布随机获取的误差值；

观测误差δ_k+1即为k+1时刻位姿偏差p_e＝[x_e,y_e,θ_e]^T的测量误差：δ_k+1＝[δ_x,δ_y,δ_θ]^T；取坐标偏差x_e,y_e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θ_e则服从均值为标准差为σ_θ的正态分布，σ、σ_θ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，δ_x,δ_y为按σ所决定的正态分布随机获取的误差值,δ_θ为按σ_θ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Q_k、过程误差ε_k与k+1时刻的观测误差δ_k+1及它们各自的协方差矩阵P_εk,P_δk，采用SVD-Unscented卡尔曼滤波对k+1时刻的状态量Q_k+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Q_k+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[v_c,ω_c]^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。