基于无线传感器网络的机器人分布式导航方法研究

论文摘要

无线传感器网络(WSN)是一种全新的监测物理世界的工具,其“无处不在”的特点可使人们获得被测环境中任意位置的所有信息。尽管如此,WSN仍是一个被动的测量系统,而机器人则具有和环境主动交互的功能,将两者结合可以组建一个对环境智能响应的双向测控系统。本课题受黑龙江省自然基金资助,旨在研究工作在未知环境下基于传感器网络的机器人自主导航算法。目前,很多学者开始研究基于WSN的移动机器人自主导航技术,但大都首先通过网络或其它设备获得移动机器人的空间坐标,然后利用传统导航方法对机器人实现自主导航,在导航定位精度和使用便捷性方面都存在诸多问题。本文采用RSSI势场量化的坐标空间描述机器人状态和导航空间,有效避免将RSSI值转换为几何距离时引入的模型误差,将导航计算分散到多个信标节点中并行实施,减小了机器人节点的计算负担,简化了机器人自身硬件设计的复杂度,充分发挥了WSN的群体计算能力。论文主要完成的研究工作如下:(1)建立了机器人相对于WSN信标节点的导航空间模型,采用RSSI势场量化的坐标空间描述机器人状态和导航目标,直接将RSSI值作为导航系统的被控量,在很大程度上减少了信道传输模型误差对导航定位精度的影响;(2)在WSN信标节点大规模部署的情况下,设计了一种基于匹配系数的最优链路束搜索算法,利用减法聚类算法获得分段导航目标节点,将机器人的导航目标分为若干个局部目标节点区域,使机器人在宽约束条件下快速到达目的地。(3)设计了一种高效的硬件分组粒子滤波算法对节点间RSSI信号进行滤波处理,将粒子迭代更新计算分配到各个信标节点中并行执行,省去了重采样的步骤,减少了中间计算结果对节点存储空间的占用,提高了算法的实时性,使RSSI值和节点间距离呈单调函数关系,从而便于单信标节点导航决策,仿真和实验均优于卡尔曼滤波。(4)采用多元回归分析多节点间的相关信息得出了统计意义下的RSSI信号单步预测结果,同时结合信道传输模型和机器人运动规律,建立了机器人在RSSI量化坐标空间中的导航运动模型。(5)设计了一种基于多目标群体决策协调技术的导航控制量融合方法,将每个信标节点作为独立的导航决策单元,给定其独立的导航期望RSSI值,融合每个节点的决策信息,根据多目标最优化理论寻求最大程度满足决策节点控制诉求的全局次优导航策略,实验表明系统可以到达1m以内的导航精度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 移动机器人导航技术
• 1.2.1 机器人的定义及发展
• 1.2.2 移动机器人系统
• 1.2.3 移动机器人自主导航技术现状
• 1.3 无线传感器网络（WSN）技术
• 1.3.1 WSN 体系架构
• 1.3.2 WSN 通信协议
• 1.3.3 ZigBee 技术的协议结构
• 1.4 WSN 在移动机器人导航中的研究现状
• 1.5 存在的问题及发展方向
• 1.6 本文的主要内容
• 第2章 导航系统环境建模及多目标节点路径规划
• 2.1 引言
• 2.2 WSN 节点定位技术
• 2.2.1 常用节点间测距技术
• 2.2.2 基于测距的节点定位计算方法原理
• 2.2.3 基于非测距技术的节点定位方法
• 2.2.4 现有节点定位方法存在的问题及对机器人导航的影响
• 2.3 WSN 环境下的机器人导航空间建模
• 2.3.1 机器人导航中的定位问题
• 2.3.2 机器人导航中的空间环境建模问题
• 2.3.3 基于RSSI 势场量化的坐标空间
• 2.3.4 局部坐标空间关联
• 2.4 动态大规模网络多链路最优路径选择
• 2.4.1 最优路径规划问题
• 2.4.2 局部多目标节点的最优路径规划原理
• 2.4.3 局部多目标节点路径规划搜索算法
• 2.5 本章小结
• 第3章 基于分组MH 粒子滤波的RSSI 信号预处理技术研究
• 3.1 引言
• 3.2 粒子滤波原理
• 3.2.1 序贯重要性采样原理（SIS）
• 3.2.2 退化现象
• 3.2.3 重要性函数的选取和重采样
• 3.2.4 SIS 粒子滤波在WSN 节点硬件实现的问题
• 3.3 易于WSN 节点硬件实现的快速高效粒子滤波算法
• 3.3.1 基于马尔科夫蒙特卡罗（MCMC）的粒子滤波
• 3.3.2 分组MH 采样粒子滤波算法
• 3.4 分组粒子滤波在RSSI 信号去噪中的应用
• 3.4.1 RSSI 信号噪声问题
• 3.4.2 WSN 环境下的机器人运动模型
• 3.4.3 粒子滤波算法在WSN 中的具体实现
• 3.4.4 计算复杂度分析
• 3.5 分组MH 粒子滤波算法验证
• 3.5.1 仿真分析
• 3.5.2 实验验证
• 3.6 本章小结
• 第4章 多节点决策信息融合算法研究
• 4.1 引言
• 4.2 基于WSN 的分布式导航决策系统组成
• 4.3 基于模糊控制的单信标节点决策单元设计
• 4.3.1 单信标节点决策单元的控制目标
• 4.3.2 单节点模糊控制决策单元设计
• 4.3.3 单信标节点导航算法仿真验证
• 4.4 基于多目标群体决策协调技术的多节点控制量融合
• 4.4.1 多目标群体决策理论
• 4.4.2 信标节点控制量融合中的多目标群体决策问题
• 4.4.3 信标节点导航效度评价
• 4.5 多目标群体决策多节点组合导航算法验证
• 4.5.1 仿真分析
• 4.5.2 实验分析
• 4.6 本章小结
• 第5章 分布式移动机器人自主导航系统设计与实现
• 5.1 引言
• 5.2 分布式导航系统硬件平台设计
• 5.2.1 传感器节点硬件设计
• 5.2.2 机器人硬件系统设计
• 5.3 TI ZStack ZigBee 协议栈移植
• 5.3.1 ZStack 协议栈的构成
• 5.3.2 网络协调器初始化过程
• 5.3.3 节点加入网络过程
• 5.4 分布式导航算法在ZigBee 应用层的实现
• 5.4.1 RSSI 信号预处理算法流程及通信协议设计
• 5.4.2 单信标节点导航算法实现
• 5.4.3 机器人节点导航协调控制算法实现
• 5.5 仿真和实验研究
• 5.5.1 连续导航仿真验证
• 5.5.2 区域导航算法实验验证
• 5.6 分布式导航系统误差分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文及其它成果
• 致谢
• 个人简历