2024年7月3日
星期三
|
欢迎来到维普•公共文化服务平台
登录
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
赵贝贝
作品数:
2
被引量:0
H指数:0
供职机构:
华东交通大学
更多>>
发文基金:
国家自然科学基金
江西省教育厅科学技术研究项目
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
张凤云
郑州铁路局
徐雪松
华东交通大学电气与自动化工程学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
期刊文章
1篇
学位论文
领域
2篇
自动化与计算...
主题
2篇
移动机器人
2篇
无味卡尔曼滤...
2篇
滤波
2篇
卡尔曼
2篇
卡尔曼滤波
2篇
机器人
2篇
故障诊断
2篇
感器
2篇
传感
2篇
传感器
1篇
UKF
1篇
EMA
1篇
传感器故障
1篇
传感器故障诊...
机构
2篇
华东交通大学
1篇
郑州铁路局
作者
2篇
赵贝贝
1篇
徐雪松
1篇
张凤云
传媒
1篇
科学技术与工...
年份
2篇
2017
共
2
条 记 录,以下是 1-2
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于EMA_UKF的移动机器人传感器故障诊断
2017年
针对移动机器人多传感器单个或组合故障的情况,提出一种基于EMA_UKF(expected mode augmentation-unscented Kalman filter)方法,用于解决传统固定结构交互多模型算法(FSMM)因模型数量多而造成实时性较差,以及扩展卡尔曼滤波(EKF)计算复杂且精度不高的问题。EMA_UKF方法将期望模型扩张算法(EMA)与无味卡尔曼滤波方法(UKF)相结合,首先利用模型集合自适应来确定期望模型;然后用期望模型扩张初始模型集,通过UKF滤波得到接近真实模型状态的估计结果,判断传感器故障类型。最后,通过与传统的FSMM方法的实验对比,表明该方法能够有效地判断出移动机器人单个或组合传感器故障类型,并且明显地提高了诊断精度。
赵贝贝
徐雪松
张凤云
关键词:
无味卡尔曼滤波
移动机器人
传感器故障诊断
移动机器人传感器的多模型故障诊断方法研究
随着科学技术的发展,移动机器人也越来越普遍存在于人们的日常生活中。在未知情况下工作的机器人,常会受到一些环境的影响导致其内部元件产生损坏,影响机器人正常工作。尤其是一些特殊领域的机器人,例如危险环境或航空航天等远程控制环...
赵贝贝
关键词:
移动机器人
传感器
故障诊断
无味卡尔曼滤波
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张