摘 要：為了提高工作效率并降低生產(chǎn)成本，需要實(shí)現(xiàn)生產(chǎn)運(yùn)輸過程的自動化，而運(yùn)輸過程的自動化通常使用自動導(dǎo)引車來實(shí)現(xiàn)。自動導(dǎo)引車不僅能夠減少人工數(shù)量，還能提高工作效率，從而降低生產(chǎn)成本，提高企業(yè)利潤，增強(qiáng)企業(yè)生存競爭力。文中通過比較幾種常用的導(dǎo)航方式，最終確定使用激光導(dǎo)航與紅外導(dǎo)航的組合導(dǎo)航方式導(dǎo)引本項(xiàng)目的火工品運(yùn)輸AGV行駛。試驗(yàn)結(jié)果表明，組合導(dǎo)航方式相對于其他單獨(dú)的導(dǎo)航方式可以提高導(dǎo)航精度。

關(guān)鍵詞：AGV；導(dǎo)航方法；組合導(dǎo)航；自動化

中圖分類號：TP242.2 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2016）09-0058-05

0 引 言

自動導(dǎo)引車（Automatic Guided Vehicle， AGV）是一種利用電磁或者光學(xué)等技術(shù)的自動導(dǎo)航設(shè)備，能夠沿著規(guī)定的路徑行駛，具有安全保護(hù)的無人駕駛物流運(yùn)輸設(shè)備。而AGV在運(yùn)行過程中主要完成路徑規(guī)劃、定位、導(dǎo)航、避障等任務(wù)，所以，導(dǎo)航是AGV運(yùn)輸過程的基本環(huán)節(jié)之一。導(dǎo)航主要研究在有障礙物的環(huán)境條件下，AGV如何實(shí)現(xiàn)從開始地到目標(biāo)地之間的行駛，即導(dǎo)航問題。文中以一種實(shí)用型火工品運(yùn)輸自動導(dǎo)引車為研究對象，主要闡述對其導(dǎo)航方法的研究[1]。

1 AGV常見的導(dǎo)航方法

導(dǎo)航方法就是已知初始節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)，導(dǎo)引AGV從初始節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)運(yùn)輸過程所使用的方法。目前常用的導(dǎo)航方法有電磁導(dǎo)航方式、磁帶導(dǎo)航方式、激光導(dǎo)航方式、超聲波導(dǎo)航方式、紅外線導(dǎo)航方式、光學(xué)導(dǎo)航方式、慣性導(dǎo)航方式及組合導(dǎo)航。

1.1 電磁導(dǎo)航方式

電磁導(dǎo)航是較為傳統(tǒng)的導(dǎo)航方式之一，電磁導(dǎo)航在AGV的行駛路徑上埋設(shè)金屬線，并在金屬線上加載固定導(dǎo)航頻率的電流，通過對導(dǎo)航頻率的識別來實(shí)現(xiàn)AGV導(dǎo)航。其優(yōu)點(diǎn)是導(dǎo)線隱蔽，不易污染和破損，導(dǎo)航原理簡單、可靠，對聲音光線無干擾且成本較低。但電磁導(dǎo)航具有路徑難以更改、擴(kuò)展，不適合現(xiàn)代工業(yè)柔性制造流程的需要，對復(fù)雜路徑的局限性大，并且電磁導(dǎo)航線路埋設(shè)需要破壞地面，不易施工和維護(hù)。

1.2 磁帶導(dǎo)航方式

磁帶導(dǎo)航與電磁導(dǎo)航相近，通過在工作場地的路面上貼磁帶代替在地面下埋設(shè)金屬線，通過磁感應(yīng)傳感器信號實(shí)現(xiàn)精確定位導(dǎo)航，相對于電磁導(dǎo)航，其靈活性好，無需破壞地面，改變或擴(kuò)充路徑比較容易。雖然磁帶鋪設(shè)簡單易行，但是行業(yè)內(nèi)目前使用的傳統(tǒng)的磁帶導(dǎo)航方式易受環(huán)路周圍金屬物質(zhì)的干擾，磁帶易受機(jī)械損傷而致使可靠性降低。

1.3 激光導(dǎo)航方式

激光導(dǎo)航是在AGV行駛路徑的周圍安裝位置精確的激光反射板（至少三塊以上），AGV通過激光掃描器發(fā)射激光束，同時采集由反射板反射的激光束來確定其當(dāng)前的位置和航向，并通過連續(xù)的三角幾何運(yùn)算來實(shí)現(xiàn)AGV導(dǎo)航。該技術(shù)最大的優(yōu)點(diǎn)是AGV定位精確，地面無需其他定位設(shè)施，行駛路徑靈活多變，能夠適合多種現(xiàn)場環(huán)境，是目前國外許多AGV生產(chǎn)廠家優(yōu)先采用的先進(jìn)導(dǎo)航方式。然而其缺點(diǎn)也同樣突出。激光導(dǎo)航方式的制造成本高，對環(huán)境的要求較為苛刻（外界光線、地面要求、能見度要求等），不適合使用于室外（易受雨、雪、霧的影響）環(huán)境。

1.4 超聲波導(dǎo)航方式

超聲波導(dǎo)航在AGV上安裝超聲波發(fā)射器，某兩個固定位置安裝超聲波接收器，取此兩點(diǎn)連線的中點(diǎn)為原點(diǎn)，通過三點(diǎn)法確定AGV坐標(biāo)位置從而實(shí)現(xiàn)導(dǎo)航。超聲波導(dǎo)航的優(yōu)點(diǎn)是具有安裝使用方便、成本低、抗電磁干擾能力強(qiáng)、不受光線煙霧影響、時間信息直觀等優(yōu)點(diǎn)，但是超聲波導(dǎo)航精度低、距離短、穩(wěn)定性差、不適合復(fù)雜環(huán)境導(dǎo)航。

1.5 紅外線導(dǎo)航方式

紅外線導(dǎo)航是AGV利用與中心線前部方向左右兩側(cè)分別成450°夾角的兩路紅外接收器來采集機(jī)器人所處環(huán)境中的紅外信號而實(shí)現(xiàn)導(dǎo)航的方式[2]。紅外導(dǎo)航的優(yōu)點(diǎn)為定位精確、成本低，但易受外界光線影響，所以非常適合室內(nèi)短距離導(dǎo)航。

1.6 光學(xué)導(dǎo)航方式

光學(xué)導(dǎo)航也稱為色帶導(dǎo)航，是在AGV的行駛路徑上涂漆或者粘貼色帶，通過對攝像機(jī)采入的色帶圖像信號進(jìn)行簡單處理（一般包括閾值處理、邊緣提取、濾波等步驟）而實(shí)現(xiàn)導(dǎo)航。其優(yōu)點(diǎn)是靈活性比較好，地面路線設(shè)置簡單易行，但是對色帶的污染和機(jī)械損傷十分敏感，對環(huán)境要求較高，導(dǎo)航可靠性、安全性極差，定位精度低，而且需要經(jīng)常維護(hù)。

1.7 慣性導(dǎo)航方式

慣性導(dǎo)航在AGV上安裝陀螺儀，在行駛區(qū)域的地面上安裝定位塊，AGV可通過對陀螺儀偏差信號（角速率）的計算及地面定位塊信號的采集來確定自身的位置和航向，從而實(shí)現(xiàn)導(dǎo)航。此項(xiàng)技術(shù)較早運(yùn)用于軍方，其主要優(yōu)點(diǎn)是技術(shù)先進(jìn)，較之有線導(dǎo)航，地面處理工作量小，路徑靈活性強(qiáng)。其缺點(diǎn)是制造成本較高，導(dǎo)航的精度和可靠性與陀螺儀的制造精度及其后續(xù)信號處理密切相關(guān)。

上述導(dǎo)航方式的優(yōu)缺點(diǎn)分析見表1所列。

表1 導(dǎo)航方式比較表

特點(diǎn) 電磁

導(dǎo)航 磁帶

導(dǎo)航 激光

導(dǎo)航 光學(xué)

導(dǎo)航 慣性

導(dǎo)航 紅外

導(dǎo)航 超聲波導(dǎo)航

維護(hù)成本 低 高 低 高 高 低 中等

靈活性 無 低 高 低 中等 高 中等

耐腐蝕性 有 中等 有 無 有 有 有

抗干擾性 低 中等 高 低 高 中等 高

室外工作 可以 可以 不可以 不可以 可以 不可以 不可以

安裝成本 中等 低 高 中等 高 低 中等

通過相互比較與分析評價，紅外導(dǎo)航和激光導(dǎo)航非常適合在室內(nèi)導(dǎo)航，而本課題的AGV主要工作于室內(nèi)，又因?yàn)閱畏N導(dǎo)航方式穩(wěn)定性較差，所以本課題選擇紅外導(dǎo)航和激光導(dǎo)航的組合導(dǎo)航方式。

1.8 組合導(dǎo)航

在組合導(dǎo)航方式下，為了保證AGV的定位精度，我們選擇以激光導(dǎo)航坐標(biāo)為基準(zhǔn)建立基準(zhǔn)坐標(biāo)系，在這個坐標(biāo)系中，選擇紅外導(dǎo)航和激光導(dǎo)航的交匯點(diǎn)作為切換基點(diǎn)，避免某些區(qū)域受障礙物、過道等因素的影響，在激光導(dǎo)航不能到達(dá)的區(qū)域選擇紅外導(dǎo)航，進(jìn)而達(dá)到紅外導(dǎo)航和激光導(dǎo)航兩者坐標(biāo)系的優(yōu)化融合，使得組合導(dǎo)航的定位精度、導(dǎo)航效果滿足本課題的項(xiàng)目要求，保障組合導(dǎo)航方式下AGV的安全運(yùn)行。

AGV組合導(dǎo)航系統(tǒng)主要由檢測單元、數(shù)據(jù)融合單元、運(yùn)動控制單元組成。其中檢測單元用來檢測AGV運(yùn)動信息或環(huán)境信息；數(shù)據(jù)融合單元可對檢測數(shù)據(jù)進(jìn)行處理并判斷AGV的運(yùn)動情況；運(yùn)動控制單元則根據(jù)AGV的運(yùn)動情況對其進(jìn)行運(yùn)動校正。

2 信息融合技術(shù)

信息融合技術(shù)是利用傳感器按時序獲取若干環(huán)境信息，并在某個規(guī)則下利用計算機(jī)加以自動分析、綜合，以完成所需決策和評估任務(wù)而進(jìn)行的信息處理技術(shù)。信息融合技術(shù)簡單來說就是在利用計算機(jī)將采集的信息通過某種算法綜合分析并作出決策的過程中所用到的信息處理技術(shù)[3，4]。而組合導(dǎo)航方式是信息融合的重要應(yīng)用之一，在組合導(dǎo)航方式中，我們選取激光導(dǎo)航與紅外導(dǎo)航相結(jié)合的方式。雖然單獨(dú)的激光導(dǎo)航和紅外導(dǎo)航等都是獨(dú)立完整的導(dǎo)航體系，其定位精度也相對準(zhǔn)確，但為了得到更為準(zhǔn)確的導(dǎo)航體系，我們選取激光導(dǎo)航與紅外導(dǎo)航的組合導(dǎo)航方式，其組合導(dǎo)航方式首先需要解決激光導(dǎo)航和紅外導(dǎo)航兩者坐標(biāo)系的優(yōu)化融合問題，而此問題也是組合導(dǎo)航的關(guān)鍵問題之一。

2.1 信息融合的算法

信息融合算法一般分為人工智能算法和概率統(tǒng)計算法，其中概率統(tǒng)計算法有時也稱為隨機(jī)類算法。人工智能算法包括模糊邏輯理論算法、神經(jīng)網(wǎng)絡(luò)算法、D-S證據(jù)推理算法和專家系統(tǒng)算法等；而概率統(tǒng)計算法主要有加權(quán)平均法、貝葉斯算法、卡爾曼濾波算法、產(chǎn)生式規(guī)則、統(tǒng)計決策理論算法和假設(shè)檢驗(yàn)算法等[5，6]。

2.1.1 模糊邏輯算法

模糊邏輯算法其實(shí)是一種多值邏輯理論算法，一般選擇0和1之間的實(shí)數(shù)表示真實(shí)度，相當(dāng)于隱含算子的前提，允許將多個傳感器信息融合過程中的不確定性直接表示在邏輯推理過程中。如果采用某種系統(tǒng)化的算法對融合過程中的不確定性進(jìn)行邏輯推理建模，則可以產(chǎn)生一個一致性的模糊邏輯推理。與概率統(tǒng)計類方法相比，邏輯推理有許多優(yōu)點(diǎn)，其在一定程度上克服了概率論所面臨的問題，即它對信息的表示和處理更加接近人類的思維方式，比較適合高層次應(yīng)用（如決策），但是邏輯推理本身還不夠成熟和系統(tǒng)化。此外，因?yàn)檫壿嬐评韺π畔⒌拿枋龃嬖诤艽蟮闹饔^因素，所以信息的表示和處理缺乏客觀性。模糊集合理論對于數(shù)據(jù)信息融合的實(shí)際價值在于它能夠外延到模糊邏輯。同時，模糊邏輯是一種多值邏輯，隸屬度可視為一個數(shù)據(jù)真值的不精確表示[7-9]。在多傳感器融合（Multiple Sensor Fusion， MSF）的過程中，存在的不確定性可以直接用模糊邏輯表示，然后使用多值邏輯推理，根據(jù)模糊集合理論的各種演算對命題進(jìn)行融合，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)融合，但其精度不高。

2.1.2 人工神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的容錯性以及自學(xué)習(xí)、自組織及自適應(yīng)性，能夠模擬復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)的這些特性和強(qiáng)大的非線性處理能力恰好滿足了多傳感器信息融合技術(shù)處理的要求。在多傳感器系統(tǒng)中，各信息源所提供的環(huán)境信息都具有一定程度的不確定性，而這些不確定信息的融合過程實(shí)際上是一個不確定性推理過程。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接受的樣本相似性確定分類的標(biāo)準(zhǔn)，此種確定方法主要表現(xiàn)在網(wǎng)絡(luò)的權(quán)值分布上。同時，可以采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識，得到不確定性推理機(jī)制。利用神經(jīng)網(wǎng)絡(luò)的信號處理能力和自動推理功能實(shí)現(xiàn)多傳感器信息融合[4，7-9]。

2.1.3 專家系統(tǒng)算法

專家系統(tǒng)（Expert System，ES）是隨著人工智能技術(shù)的發(fā)展而逐漸成長起來的一門新興學(xué)科，與自然語言理解和機(jī)器人一樣，成為人工智能研究的三大領(lǐng)域之一。

至今，專家系統(tǒng)還沒有提出一個統(tǒng)一完整的定義，一般是指一種問題求解的智能計算機(jī)程序系統(tǒng)，它利用存儲在計算機(jī)里的從某個領(lǐng)域?qū)＜夷抢铽@取的權(quán)威性知識和豐富經(jīng)驗(yàn)來解決該領(lǐng)域中具有相當(dāng)于專家水平的問題[10]。

2.1.4 加權(quán)平均算法

加權(quán)平均法是最簡單、最直觀的信號級融合方法，此方法將一組傳感器提供的冗余信息進(jìn)行加權(quán)平均處理，結(jié)果作為融合值，也是一種直接對數(shù)據(jù)源進(jìn)行操作的算法[7]。

2.1.5 貝葉斯估計算法

貝葉斯估計算法不僅為數(shù)據(jù)融合提供了一種手段，同時還是融合靜態(tài)環(huán)境中多傳感器高層信息的常用方法之一，使傳感器信息依據(jù)概率原則進(jìn)行組合。測量不確定性時以條件概率表示，當(dāng)傳感器組觀測的坐標(biāo)一致時，可以直接對傳感器數(shù)據(jù)進(jìn)行融合，但在大多數(shù)情況下，傳感器的測量數(shù)據(jù)信息要以間接方式采用貝葉斯估計算法進(jìn)行數(shù)據(jù)信息融合。多貝葉斯估計將每一個傳感器作為一個貝葉斯估計，然后將各個單獨(dú)物體的關(guān)聯(lián)概率分布合成一個聯(lián)合的后驗(yàn)概率分布函數(shù)，使聯(lián)合分布函數(shù)的似然函數(shù)為最小，提供多個傳感器數(shù)據(jù)信息的最終融合值，融合數(shù)據(jù)信息與環(huán)境的一個先驗(yàn)?zāi)Ｐ吞峁┝苏麄€環(huán)境的特征性描述[11，12]。

2.1.6 卡爾曼濾波算法

卡爾曼濾波（Kalman Filter，KF）算法是一種主要用于融合低層次實(shí)時動態(tài)的多傳感器冗余數(shù)據(jù)的算法，也是一種高效率的遞歸濾波算法。該算法用測量模型的統(tǒng)計特性進(jìn)行遞推，決定統(tǒng)計意義下的最優(yōu)融合和數(shù)據(jù)估計。如果系統(tǒng)具有線性動力學(xué)模型，且系統(tǒng)與傳感器的誤差符合高斯白噪聲模型，即簡單的卡爾曼濾波必須應(yīng)用在符合高斯分布的系統(tǒng)中，那么卡爾曼濾波算法將為融合數(shù)據(jù)提供唯一統(tǒng)計意義下的最優(yōu)估計[13]。卡爾曼濾波算法的遞推特性使系統(tǒng)處理不需要大量的數(shù)據(jù)存儲和計算。但采用單一的卡爾曼濾波器對多傳感器組合系統(tǒng)進(jìn)行數(shù)據(jù)統(tǒng)計時，存在很多嚴(yán)重的問題，比如在組合信息大量冗余的情況下，計算量將以濾波器維數(shù)的三次方劇增，實(shí)時性不能滿足；傳感器的子系統(tǒng)增加時，其故障也隨之增加，在某一系統(tǒng)出現(xiàn)故障而沒有被及時檢測出來時，故障將會污染整個系統(tǒng)，使其可靠性降低[14]。

2.1.7 產(chǎn)生式規(guī)則

產(chǎn)生式規(guī)則算法采用符號表示目標(biāo)特征和相應(yīng)傳感器信息間的聯(lián)系，與每一個規(guī)則相聯(lián)系的置信因子表示其不確定性程度。當(dāng)在同一個邏輯推理過程中，2個或2個以上規(guī)則形成一個聯(lián)合規(guī)則時，產(chǎn)生信息融合。采用產(chǎn)生式規(guī)則進(jìn)行信息融合的主要問題是，每個規(guī)則置信因子的定義與系統(tǒng)中其它規(guī)則的置信因子相關(guān)，如果系統(tǒng)中加入新的傳感器，需要引入與之相應(yīng)的附加規(guī)則[14，15]。

2.2 單種信息融合技術(shù)的擴(kuò)展或多種信息融合技術(shù)組合

在信息融合技術(shù)的多傳感器系統(tǒng)中，各信息源所提供的環(huán)境信息都具有一定程度的不確定性，對這些不確定信息的融合過程實(shí)際上是一個不確定的推理過程。在實(shí)際應(yīng)用中，為了獲得更加準(zhǔn)確的信息，可以將多種方法組合或者對一種方法進(jìn)行擴(kuò)展優(yōu)化。

2.2.1 模糊神經(jīng)網(wǎng)絡(luò)

模糊神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)與模糊理論的組合算法，是一種基于if-then模糊規(guī)則的網(wǎng)絡(luò)結(jié)構(gòu)，具有融合推理和自學(xué)習(xí)能力。同時，模糊神經(jīng)網(wǎng)絡(luò)一般采用誤差反向傳播（Back Propagation， BP）的算法，用于局部信息融合。

2.2.2 證據(jù)推理

證據(jù)理論是Dempster于1967年首先提出的，由他的學(xué)生Shafer于1976年進(jìn)一步發(fā)展起來的一種不精確的推理理論，也被稱為Dempster/Shafer 證據(jù)理論（D-S證據(jù)理論）。D-S證據(jù)理論最早應(yīng)用在專家系統(tǒng)中，具有處理不確定信息的能力。作為一種不確定推理方法，D-S證據(jù)理論的主要特點(diǎn)為滿足比貝葉斯概率論更弱的條件；具有直接表達(dá)“不確定”和“不知道”的能力[16]。同時，D-S證據(jù)理論是貝葉斯推理的一種擴(kuò)充，其具有基本概率賦值函數(shù)、信任函數(shù)和似然函數(shù)這3個基本要素。D-S證據(jù)理論算法擁有自上而下的推理結(jié)構(gòu)，共分為目標(biāo)合成級、推斷級、更新級三級。

（1）第1級：目標(biāo)合成級，其作用是把來自各獨(dú)立傳感器的觀測結(jié)果合成為一個總的輸出結(jié)果；

（2）第2級：推斷級，其作用是獲得各傳感器的觀測結(jié)果并進(jìn)行推斷，將各傳感器的觀測結(jié)果擴(kuò)展成一個目標(biāo)報告；

（3）第3級：更新級，由于各傳感器一般都存在隨機(jī)誤差，所以在時間上充分獨(dú)立的來自同一傳感器的一組連續(xù)的報告比任何單一的報告更可靠。因此，在推理和多傳感器融合之前，首先要更新傳感器的觀測數(shù)據(jù)[17，18]。

2.2.3 遺傳算法

遺傳算法（Genetic Algorithm，GA）是一種自適應(yīng)全局優(yōu)化概率類的搜索算法，不依賴具體的問題，其求解過程就是一組解迭代到另一組解的過程，降低了陷入局部最優(yōu)化解的可能性。

2.2.4 擴(kuò)展的卡爾曼濾波算法

卡爾曼最初提出的濾波理論只適用于線性系統(tǒng)，對于非線性領(lǐng)域，Bucy，Sunahara等人提出了擴(kuò)展的卡爾曼濾波（Extended Kalman Filter，EKF）理論，使得卡爾曼濾波理論進(jìn)一步應(yīng)用到非線性領(lǐng)域[19]。E-Kalman濾波和卡爾曼濾波一樣，也是最小方差下的一種最優(yōu)估計，此中估計通過遞進(jìn)的方法逐漸推進(jìn)，形成一個穩(wěn)定的估計濾波系統(tǒng)。E-Kalman濾波系統(tǒng)在運(yùn)行過程中存在兩種誤差（或者稱為噪聲），即原始數(shù)據(jù)來源傳感器的測量誤差和系統(tǒng)模型在運(yùn)行過程中出現(xiàn)的誤差，如Taytor展開式刪去二階及以上項(xiàng)誤差等，稱為過程誤差。過程誤差在系統(tǒng)建立后就不能再改變，所以為了估計的準(zhǔn)確性必須對傳感器的測量量濾波，即減小誤差。擴(kuò)展的卡爾曼濾波的目的是對那些實(shí)際需要但又無法測量的狀態(tài)量進(jìn)行估計，并且使得上述兩種誤差對估計值的影響最小，即估計誤差最小。E-Kalman濾波的基本思想是首先將非線性系統(tǒng)線性化，然后進(jìn)行卡爾曼濾波，因此EKF是一種次優(yōu)濾波。其后，多種二階廣義卡爾曼濾波方法的提出及應(yīng)用雖然進(jìn)一步提高了卡爾曼濾波對非線性系統(tǒng)的估計性能，但大大增加了運(yùn)算量。如由于二階濾波法考慮了Taylor級數(shù)展開的二次項(xiàng)，所以減少了由于線性化所引起的估計誤差。因此，在實(shí)際應(yīng)用中，二階EKF反而沒有一階EKF應(yīng)用廣泛。

在狀態(tài)方程或測量方程為非線性時，通常采用擴(kuò)展卡爾曼濾波（EKF）。EKF對非線性函數(shù)的Taylor展開式進(jìn)行一階線性化截斷，忽略其余高階項(xiàng)，從而將非線性問題轉(zhuǎn)化為線性，所以可以將卡爾曼線性濾波算法應(yīng)用于非線性系統(tǒng)中。EKF雖然可以應(yīng)用于非線性狀態(tài)估計系統(tǒng)中，但是該方法也有兩個缺點(diǎn)：

（1）當(dāng)非線性很強(qiáng)時，EKF違背了局部線性假設(shè)，Taylor展開式中被忽略的高階項(xiàng)帶來了較大的誤差時，EKF算法會使濾波發(fā)散；

（2）由于EKF在線性化處理時需要用到雅克比（Jacobian）矩陣，其大量的計算過程將導(dǎo)致該方法實(shí)現(xiàn)相對困難。

所以當(dāng)高斯白噪聲、線性系統(tǒng)、所有隨機(jī)變量服從高斯（Gaussian）分布時，擴(kuò)展卡爾曼濾波是最小方差準(zhǔn)則下的次優(yōu)濾波算法，其性能依賴于局部非線性度。

公式（1）為傳感器觀測模型，公式（2）為系統(tǒng)狀態(tài)模型。

yk=h（xk）+vk （1）

xk+1=f（xk）+ωk （2）

其中，yk為傳感器觀測者，xk為k時刻的估計值，vk 為測量誤差，ωk為系統(tǒng)誤差。通過對觀測量yk 的更新可獲得對狀態(tài)量xk的估計。

2.3 激光/紅外的E-Kalman濾波數(shù)據(jù)融合

激光/紅外組合導(dǎo)航數(shù)據(jù)處理系統(tǒng)的核心是E-Kalman濾波數(shù)據(jù)融合算法。此數(shù)據(jù)處理系統(tǒng)主要分成激光導(dǎo)航數(shù)據(jù)預(yù)處理、紅外導(dǎo)航數(shù)據(jù)預(yù)處理和數(shù)據(jù)融合處理三個部分。

數(shù)據(jù)融合處理將激光和紅外各自得到的車體位姿及其方差數(shù)據(jù)進(jìn)行融合，得到可靠性高的，滿足一定精度的穩(wěn)定的位姿數(shù)據(jù)。在融合處理算法中，依據(jù)紅外得到的位姿數(shù)據(jù)在短距離范圍內(nèi)有較高可靠性的特點(diǎn)，判斷激光的導(dǎo)航定位數(shù)據(jù)和方向角的可靠性，對激光導(dǎo)航數(shù)據(jù)進(jìn)行取舍，取舍后的激光導(dǎo)航數(shù)與紅外得到的位姿數(shù)據(jù)按照各自的方差按比例融合。得到滿足要求的AGV位姿數(shù)據(jù)。

3 導(dǎo)航試驗(yàn)

在門口、過道、拐角等地方試驗(yàn)時導(dǎo)航效果差異相對較大。組合導(dǎo)航橫縱向誤差如圖5（a）與圖5（b）所示。誤差比較見表2所列。

4 結(jié) 語

通過文章論述可以得出，基于EKF的組合導(dǎo)航曲線相較于激光導(dǎo)航曲線和紅外導(dǎo)航曲線更擬合路徑規(guī)劃曲線，所以基于EKF的組合導(dǎo)航均值誤差相對激光均值誤差和紅外均值誤差較小，說明相對單獨(dú)的導(dǎo)航方式，組合導(dǎo)航方式提高了導(dǎo)航精度。

參考文獻(xiàn)

[1]馬新露，趙林度，（德）魯?shù)隆な鏍柶?AGVS在中國的應(yīng)用與發(fā)展[J].物流技術(shù)，2006（12）：27-30.

[2]崔志恒，韓紅玲.紅外導(dǎo)航自主充電室內(nèi)移動機(jī)器人設(shè)計[J].實(shí)驗(yàn)室研究與探索，2012，31 （10）：33-36.

[3]吳陳.數(shù)據(jù)融合系統(tǒng)圖形界面的設(shè)計[J].造船技術(shù)，1998（11）：25-31.

[4]鄒永祥.基于神經(jīng)網(wǎng)絡(luò)的信息融合技術(shù)與應(yīng)用[D].成都：成都理工大學(xué)，2008.

[5]肖本賢，劉海霞，張松燦，等.基于多傳感器行為融合基礎(chǔ)上的AGV導(dǎo)航研究[J].系統(tǒng)仿真學(xué)報，2005，17（8）：1939-1943.

[6]侯立梅.基于多傳感器數(shù)據(jù)融合智能導(dǎo)航車的算法研究[D].秦皇島：燕山大學(xué)，2013.

[7]嚴(yán)懷成，黃心漢，王敏.多傳感器數(shù)據(jù)融合技術(shù)及其應(yīng)用[J].傳感器技術(shù)，2005，24（10）：1-4.

[8]沈大威.無線傳感器網(wǎng)絡(luò)分布式監(jiān)測研究與應(yīng)用[D].成都：電子科技大學(xué)，2008.

[9]雷海霞.網(wǎng)絡(luò)化傳感器與多傳感器數(shù)據(jù)融合技術(shù)的應(yīng)用研究[D].重慶：重慶大學(xué)，2008.

[10]樊亞文.多源監(jiān)測信息集成與融合專家系統(tǒng)的研究應(yīng)用[D].南京：河海大學(xué)，2006.

[11]王在濤.混合交通自適應(yīng)控制系統(tǒng)虛擬監(jiān)測器技術(shù)研究[D].長春：吉林大學(xué)，2008.

[12]唐曉茜.多傳感器螺栓預(yù)緊檢測方法研究[D].杭州：浙江工業(yè)大學(xué)，2009.

[13]華鑫鵬，張輝宜，張嵐.多傳感器數(shù)據(jù)融合技術(shù)及其研究進(jìn)展[J].中國儀器儀表，2008（5）：40-43.

[14]鄒玉鳳.在用車操縱穩(wěn)定性快速測量方法研究[D].長春：吉林大學(xué)交通學(xué)院，2009.

[15]萬孟森.多傳感器數(shù)據(jù)融合技術(shù)在區(qū)間估計中的應(yīng)用[D].贛州：江西理工大學(xué)，2009.

[16]李琦，吳軍軍，梁炎明，等.基于紅外陣列傳感器的數(shù)據(jù)融合技術(shù)[J].傳感技術(shù)學(xué)報，2011，24（4）：548-553.

[17]劉亞雄.基于數(shù)據(jù)融合的無線傳感器執(zhí)行器網(wǎng)絡(luò)數(shù)據(jù)可靠傳輸[D].上海：上海交通大學(xué)，2012.

[18]楊勝利.老虎臺煤礦沖擊地壓多指標(biāo)信息融合預(yù)警技術(shù)研究[D].北京：中國礦業(yè)大學(xué)，2015.

[19]張宗.基于蒙特卡洛方法的改進(jìn)粒子濾波算法[D].北京：北京交通大學(xué)，2011.