作者：赵贝贝; 徐雪松; 张凤云期望模型扩张无味卡尔曼滤波移动机器人传感器故障诊断
摘要：针对移动机器人多传感器单个或组合故障的情况,提出一种基于EMA_UKF（expected mode augmentation-unscented Kalman filter）方法,用于解决传统固定结构交互多模型算法（FSMM）因模型数量多而造成实时性较差,以及扩展卡尔曼滤波（EKF）计算复杂且精度不高的问题。EMA_UKF方法将期望模型扩张算法（EMA）与无味卡尔曼滤波方法（UKF）相结合,首先利用模型集合自适应来确定期望模型;然后用期望模型扩张初始模型集,通过UKF滤波得到接近真实模型状态的估计结果,判断传感器故障类型。最后,通过与传统的FSMM方法的实验对比,表明该方法能够有效地判断出移动机器人单个或组合传感器故障类型,并且明显地提高了诊断精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
