非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

考虑关节回差的工业机器人精度补偿方法

工业机器人由于绝对定位精度低的缺点一直难以应用于航空航天高精制造领域。影响机器人定位误差的因素较多,对精确建立其误差模型提出了严峻的挑战。现有的建模方法通常将机器人定位误差与其位姿关联,忽略了同一位姿下关节回差对其定位误差的影响。为提高工业机器人绝对定位精度,提出了一种考虑关节回差的工业机器人误差相似度精度补偿方法。基于改进的Denavit-Hartenberg模型建立了包含机器人几何误差、坐标系误差和传动误差的综合辨识模型,利用最小二乘法辨识了关节回差。根据辨识得到的关节回差等参数构建了误差相似度模型,使用3种型号的机器人验证了该方法对提高机器人绝对定位精度的可行性和通用性,最终通过KUKA KR500-3机器人进行了制孔试验验证。试验结果表明,该方法相较于传统方法将机器人定位误差降低了约0.1 mm,精度提高了30%以上,制孔孔位精度从0.701 mm提升至0.134 mm,为有效提高工业机器人的绝对定位精度提供了一种技术手段。     

顾及空间分布和NLOS的UWB室内可信定位方法

针对现行室内可信定位存在的三维定位精度低与结果可信度难以定量评估的难点，提出了一种可信超宽带（UWB）室内定位模型。该方法采用无迹卡尔曼滤波和IGG-III抗差理论模型，解决了UWB定位中的非线性化和非视距误差问题；同时，为提高该方法定位结果的可信度，进一步构建了一种兼顾UWB基站空间分布和非视距误差的可信精度评估模型。与现有模型相比，提出的方案可有效实现基于UWB的室内高精度可信定位。仿真和实测数据结果表明：1）与传统最小二乘结果相比，该方法可提高30%~40%的UWB定位精度；2）引入IGG-III抗差模型可提高11%的定位精度；3）非线性化误差对UWB定位精度的影响不尽相同，约为22%~50%；4）提出的可信度评估模型可实时准确评估UWB定位精度。     

基于最优基站选择的超宽带和惯导融合定位方法

为提高基于超宽带的室内定位精度,设计了一种超宽带和惯性导航组融合定位方法.首先,采用基于改进马氏距离的异常值检测方法对超宽带测距过程中的异常值进行了剔除;然后,采用紧耦合滤波以超宽带测距值作为扩展Kalman滤波观测量,以惯性导航的位姿信息作为扩展Kalman滤波预测量,通过超宽带测距来不断校正惯性导航解算的数据融合定位方法.针对定位环境基站多功率消耗大且远距离基站观测数据非视距问题影响定位精度,提出了一种基于协方差矩阵迹作为度量信息的最优基站选择算法.采用传统轮询方法和最优基站选择方法对小车进行了矩形运动实验,实验结果表明:相比传统的轮询算法,采用最优基站选择方法的定位精度提高了15.3％,验证了本文方法的有效性.     

基于深度神经网络的机器人定位误差补偿方法

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用。为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法。首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO–DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比。试验结果表明,基于GPSO–DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57%。该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度。     

基于UWB的多目标测控通信技术

针对较高码率的多目标测控通信需求,提出了一种基于超宽带和扩频技术的解决方案,给出了其多用户的调制解调方法,分析了其在多用户情况下的误码率性能。针对超宽带阵列信号的特点,给出了基于时延-相位-幅度修正的信号处理方法。该解决方案可以利用超宽带纳秒级的窄脉冲,实现1m以内的测距定位精度,其研究在航天测控领域有较大的现实意义。     

改进的Chan-粒子滤波算法超宽带室内三维定位

针对超宽带室内定位时容易受到非视距误差的影响，导致定位精度大大下降，甚至无法准确定位的问题，提出了一种融合粒子滤波的改进Chan定位新方法。首先，在Chan定位方法中引入模拟退火算法，对到达时间差（TDOA）算法的测量值进行优化，获得初步定位的最优解；然后，采用粒子滤波对测量值进行再次优化，粒子重采样后得到的中心位置即为目标节点的精确位置。仿真和实验结果均表明，该算法能有效提高在非视距环境下超宽带室内定位的精度，较好地消除非视距误差的干扰。     

机器人精度补偿技术与应用进展

当今工业机器人加工技术越来越多地被应用于航空、航天、高铁、船舶等高端制造领域中的制孔、铆接、铣削、磨削等工艺。然而,由于工业机器人定位精度低限制了其自身发展及其在高精制造业中的进一步应用;因此,开展机器人精度补偿技术研究对提高机器人定位精度十分重要。对工业机器人精度补偿技术的研究现状进行综述,分析了机器人的定位误差来源,梳理了当前在提高机器人定位精度方面的研究方法和技术以及目前的应用进展,总结了未来工业机器人定位精度提升方法的趋势,可为工业机器人在制造业的应用发展提供指导。     

基于机械关节反馈的机器人精度补偿技术

工业机器人因其高柔性和低成本而正被越来越多地应用于飞机自动化装配生产线中,但其绝对定位精度差一直是制约其发展的瓶颈。为了进一步提高机器人末端的定位精度,提出了基于机械关节反馈的机器人定位精度补偿方法,该方法通过在机器人的关节处安装绝对式光栅尺,将关节伺服引入到机器人的控制中,来实现机器人关节的闭环控制,从而降低关节误差对末端位置的影响,提高关节的定位精度。试验结果表明,机器人的绝对定位误差由补偿前的最大值1.125mm降低到0.167mm,该方法能够有效地降低机器人的绝对定位误差,实现机器人的高精度控制。     

面向大型卫星的可移动混联机器人加工技术

大型卫星结构件加工过程中面临多次吊装和转移风险,针对“卫星不动,工具移动”制造方法定位误差大的问题,提出一种可移动混联机器人加工大尺寸结构件的新方法。基于全向移动平台与机器人视觉引导相结合的粗-精定位策略,采用初步定位和精确定位的“两步定位法”提高移动式混联机器人加工的定位精度。构建可移动混联机器人加工系统,并在大型卫星结构件上开展铣削验证实验。实验结果表明：移动式混联机器人提高了卫星舱体功能面的加工精度,1 600 mm×800 mm范围内4个压紧点的加工平面度达到0.08 mm,共面度达到0.2 mm,距离公差为0.6 mm。混联机器人的高刚度特性为实现卫星舱体高精、高效的原位加工提供了可行性。     

基于TOF的UWB可移动基站快速自定位算法

针对运动场中超宽带(UWB)可移动基站的位置获取需要人工测量、定位不方便的问题,提出了基于飞行时间(TOF)的UWB可移动基站快速自定位方法.首先根据基站布局情况确定局部坐标系,建立基于UWB基站间相互测距信息的各基站坐标方程,采用最小二乘法对各基站的坐标进行解算,进而分析其定位误差.最后通过实验验证了算法的可行性和稳定性.实验结果表明,可移动基站平均定位精度在0.05m以内.相对于传统的人工测量方式,基站自定位可有效节省基站布设时间,减少工作量.     

基于MEMS/UWB组合的室内定位方法

在深入研究超宽带（UWB）与车载低成本MEMS的定位原理和算法的基础上,提出了采用UWB辅助MEMS定位的算法,以抑制MEMS的发散并提高定位精度。设计了两者的融合定位算法,完成了基于MEMS/UWB的室内定位技术研究。最终试验运动253.4m,MEMS定位误差小于0.61m,MEMS/UWB融合定位误差小于0.07m。试验结果表明,MEMS/UWB算法与单独的MEMS定位算法相比,有效地提高了定位精度与定位稳定性。     

基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

UWB与GNSS结合的室内外一体化定位系统设计

针对电力北斗安全应用、自动驾驶导航等应用场景对室内外一体化无缝定位的迫切需求,设计了一种将UWB与GNSS结合的一体化无缝定位系统.通过将UWB标签与小型化GNSS模块集成到手持智能设备上形成一体化定位终端,服务器软件对卫导结果与超宽带定位结果进行融合,输出连续定位结果.实验结果表明,该系统可以实现人员的室内外一体化无缝定位,室内环境下的静态定位精度小于10cm,该系统已应用于大型发电厂和变电站的人员安全防护管理项目.     

基于UWB的运动场定位系统设计

针对现代体育运动中对运动员位置跑动及生理数据的监测需求,在简要分析了运动员定位及数据传输需求的基础上,将UWB定位及通信与MEMS传感技术相结合,提出了一种基于超宽带及MEMS传感技术的运动员定位训练系统解决方案,并对系统进行了设计。在户外对人员跑动及生理数据监测进行了测试,测试结果表明,通过所设计的运动员定位训练系统可以实时地追踪运动员的运动轨迹和生理数据,平均定位精度在25cm以内。     

基于AP10的室内飞艇控制系统研究

提出了一种室内飞艇飞行控制系统方案,详细介绍了改制方法。本方案以AP10系统为核心,采用UWB定位技术,利用自行设计的RC接收机与控制系统代替原有的RC接收系统,成功将改制后的AP10系统应用于室内飞艇上,实现了一套室内飞艇自动驾驶仪。将室内飞艇自动驾驶仪装在飞艇上进行飞行试验,结果证明：飞艇飞行能够按照预定航迹飞行,且具备了自主起降功能,达到了预期效果。     

NETEX UWB test results

The goal of the Defense Advanced Research Projects Agency's (DARPA) Networking in Extreme Environments (NETEX) program is to create a wireless networking technology for the military user that enables robust connectivity in harsh environments and support its integration into new and emerging sensor and communication systems. Phase 1, resulted in a thorough understanding of the effects of ultra wide band (UWB) system operation on existing military spectrum users based on modeling, simulation, and measurements. In order to accomplish this task, the DARPA Advanced Technology Office (ATO) procured a set of UWB emitters and broadband antennas to use as interference sources and contracted with the Naval Air Warfare Center Aircraft Division (NAWC AD) Electromagnetic Environmental Effects (E/sup 3/) Division to provide candidate victim systems from the existing (legacy) US naval aircraft and shipboard inventory for testing. Testing was conducted on seventeen legacy systems during October 2002 through March 2003. The purpose of this paper is to provide a brief overview of the results of these tests. This paper will provide a brief discussion of the UWB emissions as described by the US Federal Communications Commission (FCC) and describe the generic UWB emitter used for these tests. It will then provide a discussion of the results as they apply to the purpose of the NETEX program.