1背景
由于移动机器人车体的非线体轮胎与地面的轻微滑动和非完整约束等原因。无法建立一个精确数学模型.使许多基于模型的移动机器人运动方案存在困难
移动机器人的运动控制。精确地进行自定位是一个基本的要求/自定位就是获得机器人相对于一个固定坐标系的位置和方向角统称为位姿)。
通常是利用固定在驱动轮轴上的光电编码器这一内部传感器。通过测量各电机的运动增量推算出机器人的位置及方向角，这种方法对外部环境无特殊要求.但严重缺点是每次的测量噪声均被累加/当实际行走轨线较长时。累加的噪声很快就将实际的测量数据湮没。
本文提出了一种基于模糊神经网络的移动机器人在线逆模型学习控制方法!同时用卡尔曼滤波器来融合超声波传感器的测量以用于复位光电编码器从而进行自定位"并且为了保证实时性采用了一 种基于回塑式的算法"
2传感器
2.1光电编码
光电编码器安装在移动机器人的驱动前轮轴上与前轮同步转动"由光电编码器测出脉冲数!可求出前轮转过的距离。若采样时间取得足够短，通过计算出在 4时间内机器人位置的横T纵坐标和方向的变化量!进 行累加!可推出机器人在全局坐标中的位置和方向从 而完成自定位信息"从上述光电编码器的工作原理中 可知!每一次定位中!测量噪声也被累加起来了!因此! 当实际的轨线较长时!仅采用光电编码器的定
位是不 准确的1S