Resumen

La comprensión precisa de la movilidad es esencial para los vehículos autónomos sobre orugas de alto rendimiento en circunstancias difíciles, aunque la compleja interacción oruga/terreno es difícil de modelizar. Se presenta e identifica un modelo de deslizamiento basado en los centros instantáneos de rotación (ICRs) de las bandas de rodadura para predecir el movimiento del vehículo a corto plazo. A diferencia de muchos estudios de investigación que estiman las ubicaciones actuales de los ICRs utilizando mediciones de velocidad para los controladores de retroalimentación, nos centramos en la predicción de las trayectorias de avance mediante la estimación de las ubicaciones de los ICRs utilizando mediciones de posición. Las ubicaciones de los ICRs se parametrizan sobre las velocidades de rodadura de ambas orugas y los parámetros cinemáticos se estiman en tiempo real utilizando un filtro de Kalman extendido (EKF) sin requerir conocimiento previo de los parámetros del terreno. Los resultados de la simulación verifican que el algoritmo propuesto funciona mejor que el método tradicional cuando las frecuencias de medición de la pose son bajas. Se realizan experimentos con un vehículo de orugas de 13,6 toneladas de peso. Los resultados demuestran que los errores de posición y rumbo predichos se reducen en torno al 75% y la reducción de los errores de pose es superior al 24% en ausencia del sistema de posicionamiento global cinemático en tiempo real (GPS RTK).

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Movilidad; vehículos autónomos sobre orugas; modelo de deslizamiento; centros instantáneos de rotación (ICR); trayectorias de avance; filtro de Kalman ampliado (EKF).
• Keywords:Mobility; autonomous tracked vehicles; slip model; instantaneous centers of rotation (ICRs); forward trajectories; extended Kalman filter (EKF)