CN111812299A - 基于轮式机器人的土壤参数辨识方法、装置及存储介质 - Google Patents
基于轮式机器人的土壤参数辨识方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111812299A CN111812299A CN202010694346.1A CN202010694346A CN111812299A CN 111812299 A CN111812299 A CN 111812299A CN 202010694346 A CN202010694346 A CN 202010694346A CN 111812299 A CN111812299 A CN 111812299A
- Authority
- CN
- China
- Prior art keywords
- wheel
- soil
- slip
- formula
- state data
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003993 interaction Effects 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 230000002452 interceptive effect Effects 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010008 shearing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D61/00—Motor vehicles or trailers, characterised by the arrangement or number of wheels, not otherwise provided for, e.g. four wheels in diamond pattern
- B62D61/10—Motor vehicles or trailers, characterised by the arrangement or number of wheels, not otherwise provided for, e.g. four wheels in diamond pattern with more than four wheels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Tires In General (AREA)
Abstract
本发明提供了一种基于轮式机器人的土壤参数辨识方法、装置及存储介质,方法包括:分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据;根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。本发明的技术方案能够在单一地形中获取到足够数量的交互状态数据,对土壤参数进行全面辨识,辨识精度高,且计算复杂度小。
Description
技术领域
本发明涉及土壤参数检测技术领域,具体而言,涉及一种基于轮式机器人的土壤参数辨识方法、装置及存储介质。
背景技术
采用轮式机器人探索星球环境或野外环境时,由于星球表面或野外环境的土壤通常都是松软的,轮式机器人的车轮容易发生滑转或沉陷,导致轮式机器人的牵引效率降低,偏离预定运动轨迹,甚至出现车轮陷入土壤中无法继续前进的情况。
基于地面力学理论进行轮式机器人与土壤的轮地交互研究,可以根据土壤相关参数确定轮式机器人的最佳控制策略,是提高轮式机器人在星球环境或野外环境中运动性能的重要手段。因此,需要在轮式机器人刚刚到达星球或野外环境,就能尽可能全面地辨识当地的土壤参数。
但是,一方面,若通过轮式机器人大范围的运动来采集数据进行土壤参数辨识,在不清楚土壤参数的情况下,轮式机器人容易发生轮转或沉陷。另一方面,星球表面或野外环境小范围内的地形单一,通过轮式机器人在小范围内运动采集数据时,无法获取到足够数量的数据对土壤参数进行全面辨识。
发明内容
本发明解决的问题是现有技术中在地形单一的环境中,无法获得足够数量的数据对土壤参数进行全面辨识。
为解决上述问题,本发明提供一种基于轮式机器人的土壤参数辨识方法、装置及存储介质。
第一方面,本发明提供了一种基于轮式机器人的土壤参数辨识方法,包括:
分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据。
根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。
第二方面,本发明提供了一种基于轮式机器人的土壤参数辨识装置,包括:
调速模块,用于分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据。
处理模块,用于根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。
第三方面,本发明提供了一种基于轮式机器人的土壤参数辨识装置,包括存储器和处理器;
所述存储器,用于存储计算机程序。
所述处理器,用于当所述计算机程序被执行时,实现如上所述的基于轮式机器人的土壤参数辨识方法。
第四方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的基于轮式机器人的土壤参数辨识方法。
本发明的基于轮式机器人的土壤参数辨识方法、装置及存储介质的有益效果包括:当轮式机器人处于地形单一的环境中时,分别调节轮式机器人各个车轮的转速,使得各个车轮分别以不同的滑转率在土壤上转动,并获取此时各个车轮与土壤交互的交互状态数据。其中,滑转率用于表示车轮的转动状态,通过不断调节各个车轮的转速,就可获得足够数量的交互状态数据,且获得的交互状态数据能够覆盖车轮的各个转动状态,根据各个转动状态的交互状态数据就可全面地辨识土壤参数。本发明的技术方案能够在单一地形中获取到足够数量的交互状态数据,对土壤参数进行全面辨识,辨识精度高,且计算复杂度小。
附图说明
图1为本发明实施例的一种基于轮式机器人的土壤参数辨识方法的流程示意图;
图2为本发明实施例的车轮的滑转率与转动状态之间的对应关系图;
图3为本发明实施例的车轮的滑转率与其产生的牵引力之间的关系曲线图;
图4为本发明实施例的六轮星球车的结构示意图;
图5为本发明实施例的处于低滑转或低滑移状态的车轮受力状态图;
图6为本发明实施例的推力系数TC与滑转率s之间的关系曲线图;
图7为本发明实施例的牵引力系数PC与滑转率s之间的关系曲线图;
图8为本发明实施例的阻力系数RC与滑转率s之间的关系曲线图;
图9为本发明实施例的一种基于轮式机器人的土壤参数辨识装置的结构示意图。
附图标记说明:
1、摄像头,2、工控机,3、六维力传感器。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
如图1所示,本发明实施例提供的一种基于轮式机器人的土壤参数辨识方法,包括:
步骤100,分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据。
具体地,车轮的滑转率可用于反映车轮的转动状态。
步骤200,根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。
本实施例中,当轮式机器人处于地形单一的环境中时,分别调节轮式机器人各个车轮的转速,使得各个车轮分别以不同的滑转率在土壤上转动,并获取此时各个车轮与土壤交互的交互状态数据。其中,滑转率用于表示车轮的转动状态,通过不断调节各个车轮的转速,就可获得足够数量的交互状态数据,且获得的交互状态数据能够覆盖车轮的各个转动状态,根据各个转动状态的交互状态数据就可全面地辨识土壤参数。本发明的技术方案,能够在单一地形中获取到足够数量的交互状态数据,对土壤参数进行全面辨识,辨识精度高,且计算复杂度小。
具体地,车轮的滑转率可采用第一公式进行计算,第一公式包括:
其中,s为车轮的滑转率,r为车轮半径,ω为车轮转动时的角速度,v为车轮实际移动速度。
优选地,如图2所示,所述转动状态包括纯滑移、高滑移、低滑移、无滑转滑移、低滑转、高滑转和纯滑转,分别调节各个所述车轮的转速,使各个所述车轮的所述转动状态覆盖所有的所述转动状态。
需要说明的是,本实施例中不涉及对超滑移和超滑转两种状态的研究。
具体地,在小范围单一的地形中,可通过分别调节轮式机器人各个车轮的转速,来获得不同的滑转率。下面采用左右对称结构的六轮星球车进行具体说明,为了避免引入转向力矩增加参数辨识复杂度,控制六轮星球车沿直线运动,因此在分别调节六轮星球车各个车轮的转速时,使得左右对称的两个车轮的转速相同。
在野外环境或星球环境中,土质松软,六轮星球车在土壤上正常运行时,即六轮星球车的各个车轮的转速相同时,车轮处于低滑转状态,此时车轮的滑转率s0的数值通常在[0,0.4]之间。根据第一公式和六轮星球车的运动学参数确定六轮星球车的车轮实际运动速度,由第二公式表示,第二公式包括:
其中,ω1为六轮星球车的前轮转动时的角速度,ω2为六轮星球车的中轮转动时的角速度,ω3为六轮星球车的后轮转动时的角速度。
当六轮星球车在土壤上正常运行,车轮的滑转率s0为0.1时,分别调节六轮星球车前轮、中轮和后轮转动时的角速度,得到的各个车轮的滑转率如表1所示:
表1六轮星球车各个车轮的滑转率
其中,表1的第一行表示六轮星球车的前轮对应的角速度ω1与后轮对应的角速度ω3之间的比值,表1的第一列表示六轮星球车的中轮对应的角速度ω2与后轮对应的角速度ω3之间的比值,中间部分(s1,s2,s3)中s1表示前轮的滑转率,s2表示中轮的滑转率,s3表示后轮的滑转率。
表1中车轮角速度比例为负数时,表示对应的两组车轮的转动方向相反,即一组车轮向前转,一组车轮向后转,比例的符号表示方向,而不表示数值大小,其中,ω3不为零。滑转率为负数时,表示对应的车轮处于滑移状态。表1中“--”表示车轮转动方向与六轮星球车的实际移动方向相反,例如:六轮星球车向前运动,但是有一组车轮向后转动,这种情况为超滑转或超滑移情况,本实施例中不对这种现象进行讨论,仅用“--”替代,不计算该组车轮的滑转率。
对表1中的数据进行分析,可知表中滑转率的数值范围为[-0.84,0.97],表示分别调节六轮星球车三组车轮的转速,能够使得车轮的转动状态覆盖高滑移、低滑移、无滑转滑移、低滑移和高滑转状态,当转速比例的取值越密集时,获得的车轮在不同转动状态时的交互状态数据越多。
获取车轮处于纯滑转状态的交互状态数据时,可调节三组车轮的角速度ω1=ω、ω2=0和ω3=-ω(ω≠0),ω为标定转速,即使得六轮星球车的前轮和后轮以相同的角速度分别向前和向后旋转,而中轮保持静止状态,此时,六轮星球车的机体速度为零,前轮和后轮均处于纯滑转状态。
获取车轮处于纯滑移状态的交互状态数据时,可调节前轮和中轮同向旋转,且后轮的角速度ω3=0,此时六轮星球车的机体速度与车轮前进方向相同,后轮处于纯滑移状态。
车轮的滑转率与其产生的牵引力之间的关系曲线如图3所示,车轮在滑转率较大时,能够产生较大的牵引力,对于运动学结构与左右对称结构的六轮车不同的其它轮式机器人,仍然可以通过分别调节各个车轮的转速来获得不同转动状态下的交互状态数据。
另外,获取车轮处于侧偏状态的交互状态数据时,可调节两个前轮向相反的方向分别转动相同的角度,即一个前轮向左转、另一个前轮向右转,并以相同的角速度转动,其它车轮均以相同的角速度同时向前或向后转动,此时前轮朝向与机体前进方向存在一定的侧偏角,前轮处于侧偏状态。
优选地,分别调节各个车轮的转速,使得各个车轮处于对应的转动状态,采用数据采集装置实时获取交互状态数据,交互状态数据包车轮的沉陷量、滑转率和车轮在转动过程中受到的法向支持力、挂钩牵引力和驱动阻力矩,数据采集装置包括视觉检测装置和力觉检测装置。
如图4所示,视觉检测装置包括摄像头1,摄像头1包括单目摄像头、深度摄像头或双目摄像头等,摄像头1可安装在轮式机器人的悬架上,保持随车轮平动的状态,镜头正对车轮,因此能够稳定地采集车轮和土壤之间的交互图像。数据处理模块可采用工控机2,工控机2可为倍福箱式工控机,能够存储摄像头1采集的轮壤交互视频和图像,并实时进行处理,获得车轮的沉陷量和滑转率。沉陷量表示车轮在土壤中的下陷程度,滑转率表示车轮在土壤中的打滑程度。
力觉检测装置包括安装在每个车轮轮轴上的六维力传感器3,用于检测运动过程中各个车轮的受力和力矩数据。采集的数据包括车轮的法向支持力、挂钩牵引力和驱动阻力矩,其中,法向支持力对车轮起到法向支撑的作用,挂钩牵引力对车轮起到牵引前进的作用,驱动阻力矩则是土壤阻碍车轮转动并使其获得向前动力所产生的。通过扩展的差分模拟量采集模块采集六维力传感器信号。
力觉检测装置、视觉检测装置和工控机2之间通过基于串行通信数据包的形式发送和接收数据,实现数据通信。由于不同传感器检测的数据,需要对数据间进行通信和时间对齐,因此需要力觉检测装置和视觉检测装置在采集数据时同时输出对应的时间戳,根据对应的时间戳将检测的沉陷量、滑转率、法向支持力、挂钩牵引力和驱动阻力矩数据进行对齐。
优选地,在所述获取各个所述车轮转动时与所述土壤之间的交互状态数据之后,还包括:
对获取的所有所述交互状态数据依次进行去重处理和平滑去噪处理,获得去噪后的交互状态数据。
具体地,首先对所有的交互状态数据进行去重处理,去除重复的数据,再对去重后的数据进行平滑去噪,能够去除噪点数据,使数据更平滑稳定。
基于所述滑转率,对所述去噪后的交互状态数据进行间隔采样,获得预处理后的交互状态数据。
具体地,根据各个交互状态数据对应的滑转率,以标定的滑转率间隔进行采样,例如可每间隔0.1的滑转率,采集交互状态数据。并且,可通过采样,筛选出6至8组车轮处于低滑转或低滑移状态的交互状态数据,3至5组车轮处于高滑转或高滑移状态的交互状态数据。
本优选的实施例中,通过对获得的所有交互状态数据进行去重和平滑去噪,能够取出噪点数据,提高数据的稳定性和平滑性。并且对去噪后的交互状态数据进行筛选,能够在保证后续土壤参数辨识精度的情况下,降低计算复杂度,提高计算速度。
优选地,所述交互状态数据包括所述车轮的滑转率、沉陷量、法向支持力、挂钩牵引力和驱动阻力矩,在所述根据所述转动状态和所述交互状态数据确定土壤参数之前,还包括:
对于处在低滑转或低滑移状态的所述车轮,所述车轮的受力状态如图5所示,建立所述车轮的力学积分模型,所述力学积分模型由第三公式表示,所述第三公式包括:
其中,FN为所述车轮的所述法向支持力,FDP为所述车轮的所述挂钩牵引力,MR为所述车轮的所述驱动阻力矩,W为所述车轮的法向载荷,FR为所述车轮的前进阻力,T为所述车轮的电机驱动力矩,r为车轮半径,b为车轮宽度,rs为车轮等效剪切半径,θ为轮地作用角,θ1为车轮进入角,θ2为车轮离去角,θm为车轮最大应力角,τ1(θ)和τ2(θ)为所述车轮与土壤之间的切应力,σ1(θ)和σ2(θ)为所述车轮与土壤之间的正应力,(e,l)为挂钩牵引力和驱动阻力矩等效力的作用点位置。
根据预设的正应力分布模型、预设的切应力分布模型和所述力学积分模型确定所述土壤参数的计算公式。
具体地,由于星球环境或野外环境中,土质松软,土壤回弹量较小,因此车轮离去角θ2≈0,车轮进入角θ1和车轮最大应力角θm之间的关系可通过接触角系数c1和c2来表示。正应力分布模型可采用Wong-Reece提出的正应力分布模型,通过组合沉陷指数Ks计算得到正应力的分布;切应力分布模型可采用Janosi提出的切应力分布模型,通过土壤内聚力参数c、土壤内摩擦角参数和土壤的剪切变形模量参数K或土壤侧向剪切变形模量Ky计算切应力的分布。
优选地,所述预设的正应力分布模型由第四公式表示,所述第四公式包括:
具体地,在Wong-Reece提出的正应力分布模型的基础上,提出第四公式表示的变沉陷指数的正应力分布模型,适于研究车轮在软地、硬地中发生滑转、滑移、侧偏和转向时的正应力分布情况。
沉陷指数N不再是土壤的固有参数,而同时受到车轮构型参数、土壤参数和运动状态参数的影响。只需要针对不同的车轮运动工况,建立相应的沉陷指数模型,即可模拟车轮的动态沉陷效应。轮地相互作用中地面力学模型的研究就可等同于对沉陷指数N计算模型的研究,研究不同的运动工况下沉陷指数的计算模型,可由第五公式表示,第五公式包括:
N=n0+n1s+n2s2,
其中,n0、n1、n2为沉陷指数的计算系数。
优选地,所述土壤参数包括接触角系数PI={c1,c2,c3}、承压特性参数PII={n0,n1,n2,Ks}和剪切特性参数所述根据预设的正应力分布模型、预设的切应力分布模型和所述力学积分模型确定所述土壤参数的计算公式包括:
结合所述正应力分布模型、所述切应力分布模型和所述力学积分模型分别确定所述接触角系数的计算公式、所述承压特性参数的计算公式和所述剪切特性参数的计算公式,所述接触角系数的计算公式由第六公式表示,所述第六公式包括:
FDP=f(PⅠ,FN,MR,z,s),
其中,PⅠ=f-1(FDP,FN,MR,z,s),FDP为所述挂钩牵引力,PⅠ为所述接触角系数,FN为所述法向支持力,MR为所述驱动阻力矩,z为所述车轮的所述沉陷量,s为所述滑转率。
具体地,根据第三公式中挂钩牵引力的计算公式可得到接触角系数的计算公式,对于轮式机器人,车轮的驱动阻力矩MR与驱动力矩平衡,也可根据车轮的电机电流计算得到;车轮的法向支持力FN和挂钩牵引力FDP可通过力觉检测装置检测得到,也可以通过准静力学分析计算得到;车轮的沦陷量可通过视觉检测装置检测得到;通过测量车轮的驱动速度ωr和前进线速度vx即可计算车轮的滑转率s,设置多个不同的滑转率进行计算,即可辨识得到足够精度的接触角系数PⅠ。
所述承压特性参数的计算公式由第七公式表示,所述第七公式包括:
FN=g(PⅠ,PⅡ,MR,z,s),
其中,PⅡ=g-1(PⅠ,FN,MR,z,s),PⅡ为所述承压特性参数。
具体地,车轮与地面之间的驱动阻力矩MR的计算仅需要考虑切应力,采用驱动阻力矩MR代替第三公式中法向力计算中的切应力,就可得到承压特性参数的计算公式。根据辨识得到的接触角系数PⅠ和采集得到的法向支持力FN、驱动阻力矩MR、沉陷量z和滑转率s,就可辨识得到土壤承压特性参数PⅡ。
所述剪切特性参数的计算公式由第八公式表示,所述第八公式包括:
MR=h(PⅠ,PⅢ,FN,z,s),
其中,PⅢ=h-1(PⅠ,MR,FN,z,s),PⅢ为所述剪切特性参数。
具体地,根据辨识得到的接触角系数PⅠ和采集得到的法向支持力FN、驱动阻力矩MR、沉陷量z和滑转率s,就可辨识得到土壤剪切特性参数PⅢ。
优选地,所述根据所述转动状态和所述交互状态数据确定土壤参数包括:
将所述低滑转或低滑移状态对应的所述交互状态数据依次代入所述所述接触角系数的计算公式、所述承压特性参数的计算公式和所述剪切特性参数的计算公式,分别获得所述接触角系数、所述承压特性参数和所述剪切特性参数。
优选地,所述土壤参数还包括所述车轮与土壤之间的外摩擦角,所述根据所述转动状态和所述交互状态数据确定土壤参数包括:
对于处于所述纯滑转或所述纯滑移状态的所述车轮,根据所述车轮对应的所述交互状态数据,采用第九公式确定所述外摩擦角,所述第九公式包括:
其中,δ为所述车轮与土壤之间的所述外摩擦角,FDP为所述挂钩牵引力,FN为所述法向支持力。
具体地,在星球环境或野外环境中运动的轮式机器人的车轮通常采用轮刺式车轮,当车轮处于纯滑转或纯滑移状态时,车轮不在转动,轮刺的刨土作用减弱,此时可通过处于纯滑转或纯滑移状态的车轮的交互状态数据计算车轮与土壤之间的外摩擦角δ。
优选地,在所述获取各个所述车轮转动时与所述土壤之间的交互状态数据之后,还包括:
根据所述交互状态数据确定各个所述车轮的转动性能指标,所述转动性能指标包括电机的推力系数、牵引力系数和车轮的阻力系数。
具体地,土壤参数辨识的目的是用于判断轮式机器人的在该环境中的通过性,从而更好地控制轮式机器人运动,提高轮式机器人在星球环境或野外环境中的通行能力。因此,根据轮式机器人与土壤之间的交互状态数据来确定用于驱动车轮的电机的推力系数、电机的牵引力系数和车轮受到的阻力系数,其中推力系数表示电机的性能指标,牵引力系数表示电机的爬坡能力指标,阻力系数表示车轮的牵引能力指标。
根据所述交互状态数据,采用第十公式确定对应的所述车轮的所述推力系数,所述第十公式包括:
其中,TC为所述推力系数,T为电机驱动力矩,FN为所述法向支持力,rs为车轮等效剪切半径。
具体地,根据图5所示处于低滑转或低滑移状态的车轮的受力状态,计算各驱动力矩,其中,由经验值可知l≈rs,l约等于rs,各驱动力矩的计算公式由第十一公式表示,第十一公式包括:
根据所述交互状态数据,采用第十二公式确定对应的所述车轮的所述牵引力系数,所述第十二公式包括:
其中,PC为所述牵引力系数,FDP为所述挂钩牵引力,W为法向载荷,αcl为地面的斜坡角度。
根据所述交互状态数据,采用第十三公式确定对应的所述车轮的所述阻力系数,所述第十三公式包括:
其中,RC为所述阻力系数,(e,l)为等效力的作用点位置坐标。
具体地,经预处理后的交互状态数据代入上述公式,就可以计算出不同滑转率下的推力系数TC、牵引力系数PC和阻力系数RC,根据等效力坐标点位置的横坐标e和为车轮等效剪切半径rs可估算出阻力系数RC。其中,推力系数TC随滑转率s的变化而变化的曲线如图6所示,牵引力系数PC随滑转率s的变化而变化的曲线如图7所示,阻力系数RC随滑转率s的变化而变化的曲线如图8所示。
优选地,在所述根据所述转动状态和所述交互状态数据确定土壤参数之后,还包括:
当所述轮式机器人开始工作后,获取所述轮式机器人的所述车轮在受到不同垂直载荷时的所述交互状态数据。
根据所有的所述交互状态数据对切应力模型和挂钩牵引力模型进行优化,其中,优化后的所述切应力模型由第十四公式表示,所述第十四公式包括:
其中,τ(θ)为车轮的切应力,c为土壤内聚力参数,σ(θ)为车轮的正应力,为土壤内摩擦角参数,cτ1和cτ2为切应力修正系数,为所述轮式机器人的机体垂直地面时的载荷,FN为所述法向支持力,j为土壤位移,K为土壤的剪切变形模量参数。
优化后的所述挂钩牵引力模型由第十五公式表示,所述第十五公式包括:
其中,FDP为所述挂钩牵引力,b为车轮宽度,cDP1和cDP2为挂钩牵引力修正系数,θ为轮地作用角,θ1为车轮进入角,θ2为车轮离去角,θm为车轮最大应力角,rs为车轮等效剪切半径,r为车轮半径。
具体地,轮式机器人后续在星球环境或野外环境的探索过程中,会经历上坡或下坡,上坡或下坡时轮式机器人的机体重量不变,但是与接触面之间的夹角会发生变化,此时根据力学积分模型和切应力分布模型中各参数的变化,以机体垂直地面时的载荷为基准,引入修正系数对模型进行优化。
本优选的实施例中,优化后的模型能够更好地预测轮式机器人的车轮在不同坡度上行驶时与土壤之间的交互状态数据。
如图9所示,本发明实施例提供的一种基于轮式机器人的土壤参数辨识装置,包括:
调速模块,用于分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据。
处理模块,用于根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。
本发明另一实施例提供的一种基于轮式机器人的土壤参数辨识装置包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当所述计算机程序被执行时,实现如上所述的基于轮式机器人的土壤参数辨识方法。该装置可为工控机或计算机等。
本发明再一实施例提供的一种计算机可读存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的基于轮式机器人的土壤参数辨识方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。在本申请中,所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
虽然本发明公开披露如上,但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (13)
1.一种基于轮式机器人的土壤参数辨识方法,其特征在于,包括:
分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据;
根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。
2.根据权利要求1所述的基于轮式机器人的土壤参数辨识方法,其特征在于,在所述获取各个所述车轮转动时与所述土壤之间的交互状态数据之后,还包括:
对获取的所有所述交互状态数据依次进行去重处理和平滑去噪处理,获得去噪后的交互状态数据;
基于所述滑转率,对所述去噪后的交互状态数据进行间隔采样,获得预处理后的交互状态数据。
3.根据权利要求1所述的基于轮式机器人的土壤参数辨识方法,其特征在于,所述转动状态包括纯滑移、高滑移、低滑移、无滑转滑移、低滑转、高滑转和纯滑转,分别调节各个所述车轮的转速,使各个所述车轮的所述转动状态覆盖所有的所述转动状态。
4.根据权利要求3所述的基于轮式机器人的土壤参数辨识方法,其特征在于,所述交互状态数据包括所述车轮的滑转率、沉陷量、法向支持力、挂钩牵引力和驱动阻力矩,在所述根据所述转动状态和所述交互状态数据确定土壤参数之前,还包括:
对于处在低滑转或低滑移状态的所述车轮,建立所述车轮的力学积分模型,所述力学积分模型由第三公式表示,所述第三公式包括:
其中,FN为所述车轮的所述法向支持力,FDP为所述车轮的所述挂钩牵引力,MR为所述车轮的所述驱动阻力矩,W为所述车轮的法向载荷,FR为所述车轮的前进阻力,T为所述车轮的电机驱动力矩,r为车轮半径,b为车轮宽度,rs为车轮等效剪切半径,θ为轮地作用角,θ1为车轮进入角,θ2为车轮离去角,θm为车轮最大应力角,τ1(θ)和τ2(θ)为所述车轮与土壤之间的切应力,σ1(θ)和σ2(θ)为所述车轮与土壤之间的正应力;
根据预设的正应力分布模型、预设的切应力分布模型和所述力学积分模型确定所述土壤参数的计算公式。
6.根据权利要求4所述的基于轮式机器人的土壤参数辨识方法,其特征在于,所述土壤参数包括接触角系数、承压特性参数和剪切特性参数,所述根据预设的正应力分布模型、预设的切应力分布模型和所述力学积分模型确定所述土壤参数的计算公式包括:
结合所述正应力分布模型、所述切应力分布模型和所述力学积分模型分别确定所述接触角系数的计算公式、所述承压特性参数的计算公式和所述剪切特性参数的计算公式,所述接触角系数的计算公式由第六公式表示,所述第六公式包括:
FDP=f(PⅠ,FN,MR,z,s),
其中,PⅠ=f-1(FDP,FN,MR,z,s),FDP为所述挂钩牵引力,PⅠ为所述接触角系数,FN为所述法向支持力,MR为所述驱动阻力矩,z为所述车轮的所述沉陷量,s为所述滑转率;
所述承压特性参数的计算公式由第七公式表示,所述第七公式包括:
FN=g(PⅠ,PⅡ,MR,z,s),
其中,PⅡ=g-1(PⅠ,FN,MR,z,s),PⅡ为所述承压特性参数;
所述剪切特性参数的计算公式由第八公式表示,所述第八公式包括:
MR=h(PⅠ,PⅢ,FN,z,s),
其中,PⅢ=h-1(PⅠ,MR,FN,z,s),PⅢ为所述剪切特性参数。
7.根据权利要求6所述的基于轮式机器人的土壤参数辨识方法,其特征在于,所述根据所述转动状态和所述交互状态数据确定土壤参数包括:
将所述低滑转或低滑移状态对应的所述交互状态数据依次代入所述接触角系数的计算公式、所述承压特性参数的计算公式和所述剪切特性参数的计算公式,分别获得所述接触角系数、所述承压特性参数和所述剪切特性参数。
9.根据权利要求4至8任一项所述的基于轮式机器人的土壤参数辨识方法,其特征在于,在所述获取各个所述车轮转动时与所述土壤之间的交互状态数据之后,还包括:
根据所述交互状态数据确定各个所述车轮的转动性能指标,所述转动性能指标包括电机的推力系数、牵引力系数和车轮的阻力系数;
根据所述交互状态数据,采用第十公式确定对应的所述车轮的所述推力系数,所述第十公式包括:
其中,TC为所述推力系数,T为电机驱动力矩,FN为所述法向支持力,rs为车轮等效剪切半径;
根据所述交互状态数据,采用第十二公式确定对应的所述车轮的所述牵引力系数,所述第十二公式包括:
其中,PC为所述牵引力系数,FDP为所述挂钩牵引力,W为法向载荷,αcl为地面的斜坡角度;
根据所述交互状态数据,采用第十三公式确定对应的所述车轮的所述阻力系数,所述第十三公式包括:
其中,RC为所述阻力系数,(e,l)为等效力的作用点位置坐标。
10.根据权利要求4至8任一项所述的基于轮式机器人的土壤参数辨识方法,其特征在于,在所述根据所述转动状态和所述交互状态数据确定土壤参数之后,还包括:
当所述轮式机器人开始工作后,获取所述轮式机器人的所述车轮在受到不同垂直载荷时的所述交互状态数据;
根据所有的所述交互状态数据对切应力模型和挂钩牵引力模型进行优化,其中,优化后的所述切应力模型由第十四公式表示,所述第十四公式包括:
其中,τ(θ)为车轮的切应力,c为土壤内聚力参数,σ(θ)为车轮的正应力,为土壤内摩擦角参数,cτ1和cτ2为切应力修正系数,为所述轮式机器人的机体垂直地面时的载荷,FN为所述法向支持力,j为土壤位移,K为土壤的剪切变形模量参数;
优化后的所述挂钩牵引力模型由第十五公式表示,所述第十五公式包括:
其中,FDP为所述挂钩牵引力,b为车轮宽度,cDP1和cDP2为挂钩牵引力修正系数,θ为轮地作用角,θ1为车轮进入角,θ2为车轮离去角,θm为车轮最大应力角,rs为车轮等效剪切半径,r为车轮半径。
11.一种基于轮式机器人的土壤参数辨识装置,其特征在于,包括:
调速模块,用于分别调节轮式机器人的各个车轮的转速,控制各个所述车轮分别以不同的滑转率在土壤上转动,并获取各个所述车轮转动时与所述土壤之间的交互状态数据;
处理模块,用于根据所述滑转率确定各个所述车轮的转动状态,并根据所述转动状态和所述交互状态数据确定土壤参数。
12.一种基于轮式机器人的土壤参数辨识装置,其特征在于,包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于当所述计算机程序被执行时,实现如权利要求1至10任一项所述的基于轮式机器人的土壤参数辨识方法。
13.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至10任一项所述的基于轮式机器人的土壤参数辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694346.1A CN111812299A (zh) | 2020-07-17 | 2020-07-17 | 基于轮式机器人的土壤参数辨识方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694346.1A CN111812299A (zh) | 2020-07-17 | 2020-07-17 | 基于轮式机器人的土壤参数辨识方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111812299A true CN111812299A (zh) | 2020-10-23 |
Family
ID=72866663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010694346.1A Pending CN111812299A (zh) | 2020-07-17 | 2020-07-17 | 基于轮式机器人的土壤参数辨识方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111812299A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742310A (zh) * | 2022-04-22 | 2022-07-12 | 山东省人工智能研究院 | 基于轮地相互作用的地形可通过性地图构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103158713A (zh) * | 2013-03-11 | 2013-06-19 | 河南科技大学 | 一种拖拉机智能控制方法与智能控制系统 |
CN107526886A (zh) * | 2017-08-22 | 2017-12-29 | 北京卫星环境工程研究所 | 月面实际行走过程中的月壤机械参数确定方法 |
CN110989605A (zh) * | 2019-12-13 | 2020-04-10 | 哈尔滨工业大学 | 一种三体智能系统架构及探测机器人 |
-
2020
- 2020-07-17 CN CN202010694346.1A patent/CN111812299A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103158713A (zh) * | 2013-03-11 | 2013-06-19 | 河南科技大学 | 一种拖拉机智能控制方法与智能控制系统 |
CN107526886A (zh) * | 2017-08-22 | 2017-12-29 | 北京卫星环境工程研究所 | 月面实际行走过程中的月壤机械参数确定方法 |
CN110989605A (zh) * | 2019-12-13 | 2020-04-10 | 哈尔滨工业大学 | 一种三体智能系统架构及探测机器人 |
Non-Patent Citations (3)
Title |
---|
丁亮: ""月/星球车轮地作用地面力学模型及其应用研究"", 《中国优秀博士学位论文全文数据库 信息科技辑》 * |
解晓琳等: "适用于松软地面的可变形轮牵引特性分析", 《农业机械学报》 * |
陶建国等: "月球车刚性车轮与土壤相互作用的力学模型与测试", 《空间科学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742310A (zh) * | 2022-04-22 | 2022-07-12 | 山东省人工智能研究院 | 基于轮地相互作用的地形可通过性地图构建方法 |
CN114742310B (zh) * | 2022-04-22 | 2022-09-16 | 山东省人工智能研究院 | 基于轮地相互作用的地形可通过性地图构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pasterkamp et al. | The tyre as a sensor to estimate friction | |
Osinenko et al. | A method of optimal traction control for farm tractors with feedback of drive torque | |
CN104354700B (zh) | 一种基于无迹卡尔曼滤波的车辆参数在线估计方法 | |
EP2802950B1 (de) | Autonomes arbeitsgerät | |
CN106394561B (zh) | 一种车辆的纵向车速的估计方法和装置 | |
CN107727417B (zh) | 一种人机共驾转向系统硬件在环仿真测试平台 | |
CN111717416B (zh) | 一种星球探测车导向轮的控制方法及控制系统 | |
CN102407849A (zh) | 基于移动对象的目标轨迹来支持移动对象的驾驶的设备 | |
CN111605729A (zh) | 星球探测车车轮主动跟随控制方法、系统及星球探测车 | |
CN111812299A (zh) | 基于轮式机器人的土壤参数辨识方法、装置及存储介质 | |
CN111762339B (zh) | 一种星球探测车车轮在线机器学习控制方法 | |
FR3028828A1 (fr) | Detecteur de sous-virage et de survirage pour vehicule automobile | |
Kegelman | Learning from professional race car drivers to make automated vehicles safer | |
Van Gennip | Vehicle dynamic modelling and parameter identification for an autonomous vehicle | |
CN109204599B (zh) | 基于同轴式轮腿结构的主动姿态与全轮转向协同控制方法 | |
CN109033017B (zh) | 一种丢包环境下的车辆侧倾角与俯仰角估计方法 | |
EP3039398B1 (de) | Verfahren zur simulation von kurvenfahrten | |
CN106768577A (zh) | 一种车辆轮胎垂直载荷监测装置及方法 | |
CN115406669A (zh) | 一种多轴特种车辆侧翻指标优化方法 | |
Kang | Terrain parameter estimation and traversability assessment for mobile robots | |
Seneviratne et al. | The modelling and estimation of driving forces for unmanned ground vehicles in outdoor terrain | |
Beal | Independent wheel effects in real time estimation of tire-road friction coefficient from steering torque | |
Siegrist et al. | Tyre-force estimation by Kalman inverse filtering: applications to off-highway mining trucks | |
CN111114528A (zh) | 一种应用在独立悬挂式四转四驱智能车的多轴转向驱动方法 | |
Miao et al. | Path-tracking errors for active trailer steering off-highway: a simulation study |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201023 |