自适应无色卡尔曼滤波算法的设计及其在机器人状态参数估计中的应用

针对机器人系统的状态参数不能完全依靠离线模式进行预测估计的问题,基于麻省理工学院提出的MIT规则,设计了一种具有自适应功能的无色卡尔曼滤波算法。该方法以信息方差的实际值与估计值的差作为指标参数,利用梯度下降法更新未知参数实现自适应控制。通过理论分析和实验验证,当系统的噪声统计特性发生变化时,所提出的自适应滤波算法能够自动地调节自身参数,减少系统先验噪声信息对于滤波器性能的影响,有效地提高滤波器的稳定性和估计的准确性。