Комплексирование данных системы управления мобильным роботом с использованием расширенного фильтра Калмана

Цель исследования. В статье рассматривается адаптация алгоритма расширенного фильтра Калмана для комплексирования данных датчиков физических величин мобильного робота.

Методы. Комплексирование информации – процесс объединения информации (данных) для определения или прогнозирования состояния объекта. Комплексирование обеспечивает повышение робастности управления роботом и точности машинного восприятия информации. Этот процесс схож с многократным проведением эксперимента с целью установить прямым и/или косвенным путями значение некоторой физической величины с требуемой точностью. В системе управления мобильным роботом комплексирование информации датчиков осуществляется одним или несколькими вычислительными устройствами (например, процессорами или микроконтроллерами) [1-5].

Результаты. Успехи в цифровой обработке сигналов и обработке изображений основаны на новых алгоритмах, повышении скорости обработки данных вычислительными устройствами и увеличении скорости доступа к данным, находящимся в хранилищах (запоминающих устройствах) и емкости последних. Вычислительными устройствами также выполняется усреднение и фильтрация сигналов отдельных датчиков и дальнейшее их согласование. Задача рационального объединения и обработки информации от различных измерителей может быть решена с помощью алгоритма фильтра Калмана. Алгоритм линейного фильтра Калмана и, в частности, алгоритм расширенного фильтра Калмана в ходе своей работы выполняют большой объем вычислений. В сравнении с линейным фильтром Калмана, при работе расширенного фильтра Калмана значительно возрастают требования к вычислительной мощности бортового вычислителя (вычислительного устройства, ЭВМ) мобильного робота.

Заключение. Главный эффект от комплексирования заключается в получении принципиально новой информации, которая не может быть получена от отдельных датчиков. Такой подход разгружает каналы передачи информации от больших (избыточных) потоков данных, идущих непосредственно от датчиков, и позволяет снизить требования к вычислительной мощности вычислительного устройства верхнего уровня структуры системы управления мобильным роботом.

1. Безмен П.А. Архитектура системы управления мобильным роботом // Естественные и технические науки. 2018. №6. С. 100-103.

2. Безмен П.А. Комплексирование данных системы управления мобильным роботом // Естественные и технические науки. 2018. №8. С. 154-157.

3. Безмен П.А. Устройства цифровой обработки сигналов в системах управления мобильными роботами // Актуальные проблемы современной науки. 2018. №4. С. 232-237.

4. Афра Б., Кападийя, А. DSP или FPGA? Как выбрать нужное устройство // Электроника: наука, технология, бизнес. 2008. № 8. С.54-57.

5. Ермолов И.Л. Расширение функциональных возможностей мобильных технологических роботов путем повышения уровня их автономности с использованием иерархической комплексной обработки бортовых данных: дис. ... д-ра техн. наук. М., 2012. 350 с.

6. Kalman R.E. A New Approach to Linear Filtering and Prediction Problems // Transactions of the ASME (American Society of Mechanical Engineers). Journal of Basic Engineering. 1960. Vol. 82 (1). P. 35-45.

7. Стратонович Р.Л. К теории оптимальной нелинейной фильтрации случайных функций // Теория вероятностей и ее применения. 1959. Т. 4, № 2. С. 239-242.

8. Kalman R.E., Busy, R.S. New Results in Linear Filtering and Prediction Theory // Transactions of the ASME (American Society of Mechanical Engineers). Journal of Basic Engineering. 1961. Vol. 83 (1). P. 95-108.

9. Bar-Shalom Y., Li, X.R., Kirubarajan T. Estimation with Applications to Tracking and Navigation: Theory Algorithms and Software // John Wiley & Sons, 2001. P. 584.

10. Анализ вычислительной сложности рекуррентных алгоритмов обработки данных в оптической когерентной томографии / М.А. Волынский, И.П. Гуров, П.А. Ермолаев, П.С. Скаков // Научно-технический вестник информационных технологий, механики и оптики. 2014. №6. С.35-40.