Resumen

Los manipuladores redundantes son adecuados para trabajar en entornos estrechos y complejos gracias a su flexibilidad. Sin embargo, un gran número de articulaciones y eslabones largos y delgados dificultan la obtención de la pose precisa del efector final del manipulador redundante directamente a través de los codificadores. En este artículo, se propone un método de estimación de la pose mediante la fusión de sensores de visión, sensores inerciales y codificadores. En primer lugar, de acuerdo con las características complementarias de cada unidad de medida en los sensores, se corrigen y mejoran los datos originales. Además, se adopta un algoritmo de filtro de Kalman (KF) mejorado para la fusión de datos estableciendo la predicción de movimiento no lineal del efector final y el modelo de actualización de sincronización de los sensores multirate. Por último, se utiliza la red neuronal de función de base radial (RBF) para ajustar de forma adaptativa los parámetros de fusión. En los experimentos se comprueba que el método propuesto consigue mejores resultados en cuanto a error de estimación y frecuencia de actualización que el filtro de Kalman ampliado (EKF) original y el algoritmo de filtro de Kalman no perfeccionado (UKF), especialmente en entornos complejos.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:entornos complejos, filtro kalman original ampliado, enlaces largos y delgados, predicción no lineal del movimiento, método de estimación de la pose, función de base radial, modelo de actualización de la sincronización, filtro kalman no perfeccionado, algoritmo, codificadores
• Keywords:complex environments, original extended kalman filter, long slender links, nonlinear motion prediction, pose estimation method, radial basis function, synchronization update model, unscented kalman filter, algorithm, encoders