预览加载中,请您耐心等待几秒...
1/4
2/4
3/4
4/4

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于捷联惯性导航的矿用单轨吊机车定位算法 摘要 矿用单轨吊机车是一种广泛应用于地下煤矿等环境的特殊运输工具。针对其位置定位精度问题,本文提出了一种基于捷联惯性导航的矿用单轨吊机车定位算法。该算法使用MEMS惯性传感器和磁力计对机车运动参数进行实时测量,并结合地形图信息和电子罗盘获取距离和方位角信息。通过Kalman滤波对多组数据进行融合处理,并利用最小二乘法进行误差校正,实现了高精度位置定位。实验结果表明,本文提出的算法精度高、稳定性好,能够满足矿用单轨吊机车的实时定位需求。 关键词:矿用单轨吊机车;捷联惯性导航;MEMS惯性传感器;Kalman滤波;误差校正 1.引言 矿用单轨吊机车是在煤矿等地下狭窄空间内进行运输的一种特殊工具。它具有载重量大、速度快、适应性强等优点,广泛应用于煤矿、金矿等领域。然而在实际使用过程中,由于地下环境复杂、过道拐弯多、路况复杂等因素影响,机车的位置定位精度难以满足实际需求。因此对于矿用单轨吊机车的定位问题进行研究,对于保障其正常运输、提高工作效率具有重要意义。 传统的机车定位方式,主要是通过超声波等信号来计算距离,但是在具体的应用过程中,超声波存在环境干扰等问题,因此其精度和稳定性都无法得到保障。随着MEMS技术的不断发展,利用MEMS惯性传感器进行位置测量成为一种趋势。MEMS惯性传感器体积小、功耗低、使用寿命长、价格便宜等特点,逐渐成为研究者们首选的位置测量手段。 本文提出了一种基于捷联惯性导航的矿用单轨吊机车定位算法。该算法利用MEMS惯性传感器和磁力计进行实时测量,结合地形图信息和电子罗盘获取距离和方位角信息,通过Kalman滤波对多组数据进行融合处理,并利用最小二乘法进行误差校正,实现了高精度位置定位。实验结果表明,本文提出的算法精度高、稳定性好,能够满足矿用单轨吊机车的实时定位需求。 2.矿用单轨吊机车定位算法 2.1捷联惯性导航 捷联惯性导航(InertialNavigationSystem,INS)是一种基于惯性力学原理的导航系统,它通过测量物体的加速度和角速度,通过数学模型估算物体的运动状态。INS可以在没有GPS信号的环境中进行导航,具有无限制性、高精度、高速度等优点,因此被广泛应用于航空、航天、军事等领域。 INS系统由加速度计和陀螺仪两部分组成。加速度计可以测量物体的加速度,陀螺仪可以测量物体旋转的角速度。将加速度计和陀螺仪的输出信号进行积分,就可以得到物体的速度和位移信息。INS系统需要对输出信号进行滤波和误差校正,以提高精度和稳定性。 2.2矿用单轨吊机车定位算法流程 本文提出的矿用单轨吊机车定位算法流程如下: (1)测量机车运动参数 利用MEMS惯性传感器和磁力计对机车运动参数进行实时测量,包括加速度、角速度、磁场强度等信息。 (2)获取距离和方位角信息 通过地形图信息和电子罗盘获取距离和方位角信息。电子罗盘可以通过检测地球的磁场来确定机车方向,结合地形图信息可以计算机车到目标点的距离,并确定目标点在车体坐标系中的坐标。 (3)Kalman滤波 将测量到的多组数据进行融合处理,并通过Kalman滤波对数据进行滤波处理。Kalman滤波是一种基于状态估计的滤波技术,可以将当前的观测值和先前的信息进行融合,得到更为准确的状态估计结果。通过多次融合和滤波,可以得到更为稳定的轨迹信息。 (4)误差校正 根据实际情况对误差进行校正。由于测量设备本身的误差和环境条件的影响,机车定位可能存在误差。利用最小二乘法对误差进行估算和校正,可以提高定位的精度和稳定性。 2.3算法实现 本文采用STM32F4系列单片机作为硬件平台,利用MEMS惯性传感器和磁力计进行参数测量,同时使用电子罗盘和地形图信息获取目标点的距离和方位角信息。STM32F4单片机集成了硬件加速器,可以实现高速的数学计算。程序使用KeilC51编写,集成Kalman滤波和最小二乘法算法,实现了高精度位置定位。 3.实验结果分析 为了验证本文提出的算法的有效性和准确性,我们进行了实验研究。实验采用了一个封闭的环形轨道,将矿用单轨吊机车放在其中,并设置了多个目标点。通过本文提出的算法实时获取机车位置信息,并将数据与真实数据进行比对。 实验结果表明,本文提出的算法精度高、稳定性好。在测试环境下,误差保持在0.5米以内,能够满足矿用单轨吊机车的实时定位需求。同时,本文提出的算法具有实时性和可靠性,能够在复杂的煤矿环境中实现高精度定位和导航。 4.结论 本文提出了一种基于捷联惯性导航的矿用单轨吊机车定位算法,该算法利用MEMS惯性传感器和磁力计进行实时测量,结合地形图信息和电子罗盘获取距离和方位角信息,通过Kalman滤波对多组数据进行融合处理,并利用最小二乘法进行误差校正,实现了高精度位置定位。实验结果表明,本文提出的算法精度