基于振動信號的輪式機器人地面分類方法研究.pdf

1、為了在行星(如月球和火星)表面探測及在地球表面的危險環(huán)境(如沙漠、沼澤、火災(zāi)現(xiàn)場、核輻射區(qū)域等)中作業(yè),要求自主移動機器人能自主地識別環(huán)境,完成使命,避免處于危險境地。地面識別或地面分類是環(huán)境識別中重要的一部分。機器人安全有效地穿越不同的地面需要與之相適應(yīng)的控制策略。當?shù)孛姘l(fā)生變化時,自主移動機器人應(yīng)能適應(yīng)所穿越的地面。研究地面分類可以解決自主移動機器人在復(fù)雜地面的通過性問題,對于提高移動機器人的自主移動性能十分重要。
　　本文在

2、深入分析綜合國內(nèi)外同類研究的基礎(chǔ)上,從地面分類特征提取以及分類器設(shè)計這兩個基本層次展開對自主輪式機器人地面分類相關(guān)理論與技術(shù)問題的研究。
　　本文設(shè)計了數(shù)據(jù)采集的實驗,以四輪移動機器人為實驗平臺,在機器人左前輪輪臂上安裝x、y、z向加速度計和z向傳聲器。機器人在沙、碎石、草、土和瀝青五種地面上分別以六種速度行駛,提取車輪與地面相互作用的加速度和聲壓信號作為地面分類的原始數(shù)據(jù)。
　　對原始數(shù)據(jù)進行時域幅值分析,提取地面特征,對

3、于每個傳感器數(shù)據(jù)選用若干個幅值域參數(shù)作為地面特征。對于傳統(tǒng)的k-近鄰(kNN)方法來說,有k值選擇問題;用kNN方法解決多類分類問題采用投票法決策,當出現(xiàn)票數(shù)相同的情況時,目前尚沒有更好的決策策略,盡管隨機挑選法是一個實用的策略,但分類精度會降低。針對以上兩個問題,本文給出改進的kNN方法,即給出k值的選擇方法;對于多種地面分類出現(xiàn)兩種以上(包含兩種)得票數(shù)相同的情況,給出kNN循環(huán)尋優(yōu)的方法。
　　對于傳統(tǒng)的概率神經(jīng)網(wǎng)絡(luò)(PNN

4、)方法來說,有平滑因子?的估計問題,估計得好有利于提高分類精度。以前的學者認為對于所有的樣本應(yīng)選用同一個?或?qū)τ谙嗤S數(shù)的樣本選用相同的?,但這種選法不能保證對于所有的測試樣本?都是最優(yōu)的或較優(yōu)的,甚至得不到測試結(jié)果。針對這一問題,本文給出改進的PNN方法,即給出平滑因子?的迭代尋優(yōu)方法。
　　應(yīng)用現(xiàn)有的一對一支持向量機(SVM)方法解決多類分類問題采用投票法決策,當出現(xiàn)票數(shù)相同的情況時,目前尚沒有更好的決策策略。針對這個問題,本

5、文提出改進的一對一SVM方法,即利用LIBSVM中的一對一SVM二值分類程序,對于多種地面分類出現(xiàn)兩種以上(包含兩種)得票數(shù)相同的情況,提出新的算法。從分類準確率和數(shù)據(jù)處理時間兩個方面對改進的kNN、改進的PNN及改進的一對一SVM方法進行比較。
　　基于時間序列重構(gòu)的吸引子軌跡矩陣奇異值分解(SVD)的方法原用于故障診斷領(lǐng)域,用于降低原信號中的噪聲。本文給出基于奇異值分解(SVD)的特征提取方法,即利用振動信號時間序列重構(gòu)的吸引