[发明专利]一种基于改进粒子群算法的全向移动智能轮椅机器人参数辨识方法

权利要求书

1.一种基于改进粒子群算法的智能轮椅机器人参数辨识方法，包括准备阶段和辨识阶段，

准备阶段包括：

利用数学推导及运动学特性分析得到全向移动智能轮椅机器人运动学模型表达式；

其特征在于包括以下辨识阶段：

辨识轮椅机器人横向运动参数最优值阶段

步骤一：仅控制轮椅机器人横向运动，并利用视觉传感器采集轮椅机器人产生的横向运动位置及姿态信息；

步骤二：系统参数初始化；

步骤三：根据目标函数计算每个粒子的适应度J_x，并记录当前所有的粒子位置；

步骤四：更新群体中所有粒子的位置和速度；

步骤五：根据目标函数计算更新后粒子的适应度J_x，寻找每个粒子的局部最优解，并从局部最优解中寻找截至目前所有粒子的全局最优解；所述的局部最优解指当前迭代与前次迭代相比，每个粒子中适应度小的粒子位置；所述的全局最优解是指所有迭代过程中，所有粒子里适应度值最小的粒子位置；

步骤六：根据适应度值对更新后的粒子进行排序，找出适应度最小的粒子，并且所有其他粒子都继承该粒子的位置和速度；

步骤七：判断是否达到最大迭代次数，如果达到，则停止搜索，此时得到的全局最优解即为横向运动辨识参数最优值，否则返回步骤四继续搜索；

辨识轮椅机器人纵向运动参数最优值阶段

仅控制轮椅机器人纵向运动，并利用视觉传感器采集轮椅机器人产生的纵向运动位置及姿态信息；重复步骤二到步骤七过程，即得到轮椅机器人纵向运动辨识参数最优值；

辨识轮椅机器人姿态运动参数最优值阶段

仅控制轮椅机器人的姿态，利用视觉传感器采集轮椅机器人产生的运动位置及姿态信息，重复步骤二到步骤七过程，即得到轮椅机器人姿态运动辨识参数最优值；

输出所有参数辨识结果，即横向运动、纵向运动及姿态运动辨识参数的最优值；

其中：

所述的准备阶段中，全向移动智能轮椅机器人运动学模型如下所示：

其中，R为麦克纳姆轮的半径，为轮椅机器人在车体坐标系O_r(x_r,y_r)中的速度向量，V_x,V_y,V_θ分别为轮椅机器人横向运动、纵向运动及姿态运动对应的速度值，O_r(x_r,y_r)是以轮椅机器人底盘几何中心作为原点的车体坐标系，ω_i(i＝1,2,3,4)为麦克纳姆轮i绕轮毂旋转的角速度，l和w分别为麦克纳姆轮在车体坐标系O_r(x_r,y_r)中到x_r轴和y_r轴的距离，k₁₁,k₁₂,k₁₃,k₁₄,k₂₁,k₂₂,k₂₃,k₂₄,k₃₁,k₃₂,k₃₃,k₃₄即为需要辨识的参数，k₁＝[k₁₁,k₁₂,k₁₃,k₁₄]^T为轮椅机器人横向运动时需要辨识的参数，k₁₁,k₁₂,k₁₃,k₁₄分别对应麦克纳姆轮1,2,3,4的角速度系数；k₂＝[k₂₁,k₂₂,k₂₃,k₂₄]^T为轮椅机器人纵向运动时需要辨识的参数，k₂₁,k₂₂,k₂₃,k₂₄分别对应麦克纳姆轮1,2,3,4的角速度系数，k₃＝[k₃₁,k₃₂,k₃₃,k₃₄]^T为轮椅机器人姿态运动时需要辨识的参数，k₃₁,k₃₂,k₃₃,k₃₄分别对应麦克纳姆轮1,2,3,4的角速度系数。