贾士伟等

摘要针对一款自主研发的轮式农业移动机器人，提出了一种基于BP神经网络的轮式农业移动机器人定位估计方法。该机器人为前驱模式，依靠差速完成转向。定位方法是在前期的神经网络训练过程中，以左轮、右轮的驱动脉冲数为输入，以左右轮行进长度为输出，训练函数采用Bayesian规则；在后期的定位推算中，则假设机器人左右轮行进轨迹为两段同心圆弧，进而计算机器人几何中心位移。在与最小二乘定位估计方法的实验对比中，基于BP神经网络的定位估计方法具有更高的定位精度和更小的估计方差。

关键词移动机器人；BP神经网络；最小二乘法；定位

中图分类号S126；TP242.3文献标识码

A文章编号0517-6611（2015）21-364-04

移动机器人定位是机器人实现自主导航的关键。现有的定位方法大致可分为绝对定位和相对定位2类[1-3]。绝对定位要求机器人在不指定初始位置的情况下确定自己的位置，主要是为了解决机器人的“绑架”问题[4]，其主要定位方法包括导航信标定位[5-8]、主动或被动标识定位[9-11]、基于多传感器融合信息的定位[12-13]、GPS定位[14]和概率定位[15]等；相对定位是指机器人在给定初始位置的条件下确定自己的位置。相对定位是机器人定位处理中重要的研究方向。

相对定位主要包括惯性导航定位和测程法定位。在惯性导航定位方法中，通常使用的传感器有加速度计、电磁罗盘、陀螺仪等[16]。加速度计对漂移特别敏感，测量误差比较大；陀螺仪虽然可以提供较为精确的航向信息，但它的测量值受静态偏差漂移的影响很大；……