Пётр Анатольевич Безмен, кандидат технических наук, доцент
Petr A. Bezmen, Candidate of Engineering Sciences, Associate Professor
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.
Purpose of research. The article deals with the adaptation of the algorithm of the extended Kalman filter for the integration of data from sensors of physical values of a mobile robot
Methods. Integration of data is the process of information (data) fusion for determination or prediction of the state of an object. Integration provides increased robustness of robot control and accuracy of machine perception of information. This process is similar to repeated experiments in order to determine in direct and/or indirect ways the value of a physical quantity with the required accuracy. In the control system of a mobile robot, the integration of sensor data is carried out by one or more computing devices (for example, processors or microcontrollers) [1-5].
Results. Advances in digital signal processing and image processing are based on new algorithms, increasing the speed of data processing by computing devices and increasing the speed of access to data stored in storage (storage devices) and the capacity of the latter. Computing devices also perform averaging and filtering of signals of individual sensors and their further matching. The problem of sustainable integration and processing of information from different measuring devices can be solved with the help of the Kalman filter algorithm. The Kalman linear filter algorithm and, in particular, the extended Kalman filter algorithm perform a large amount of computation in the course of their work. In comparison with the linear Kalman filter, the extended Kalman filter significantly increases the requirements for the computing power of the onboard computer (computing device, computer) of amobile robot.
Conclusion. The main effect of integration is to obtain fundamentally new information that cannot be obtained from individual sensors. This approach relieves data channels of large (excessive) data flows coming directly from the sensors, and reduces the requirements for computing power of the computing device of the upper level of the structure of the mobile robot control system.
The authors declare that there are no conflicts of interest present.