Improving Navigation in the nRF52 Robot

Abstract

Målet med denne oppgaven er å forbedre navigasjonssystemet til en autonom mobil robot for å redusere estimerings og posisjon kontroll avvik. I starten av oppgaven ble utført tester som identifiserte posisjons estimering og posisjon kontroll error. Roboten sine sensorer, Kalman filter, og PID kontroller var undersøkt for å lokalisere kilden til avviket. På grunn av avvik i enkoder målingene ble nytt software for å lese av enkoder pulsene implementert. I undesøkelsen av avvik i posisjon estimeringen ble det oppdaget at enkoder disken i høyre enkoder var løs. Nye enkodere ble derfor installert. De fysiske robot konstantene brukt i posisjon estimering ble oppdatert for å øke nøyaktigheten til posisjons estimeringen. Akselerometer målingen ble fjernet fra posisjon estimeringen på grunn av støy. Det ble oppdaget problemer med sensor bruken og gjennomføringen i Kalman filteret. Derfor ble et nytt extended Kalman filter implementert. Det nye Kalman filter bruker målinger fra enkoderene og gyroskopet sammen med en modell av roboten for å estimere roboten sin posisjon. Den nye PID kontrolleren ble implementert på roboten for mer nøyaktig styring av roboten sin posisjon. Den nye kontrolleren ble tunet for å redusere posisjon avviket som ble oppdaget i de initielle testene. i tillegg så ble integrasjon ledd inkludert for å motvirke friksjon relaterte problemer og for at roboten kan kjøre på flere typer underlag. En ny system implementasjon som optimalisere IR-sensor bruk er foreslått som videre arbeid for å forbedre kvaliteten og nøyaktigheten på kartlegging og kollisjons unngåelse De avsluttende testene antydet forbedring på navigasjonssystemet med en reduksjon i estimering error med 67%, eliminasjon av posisjon kontroll avvik med 74%, og en reduksjon av avviket mellom ønsket og virkelig posisjon med 61%. Roboten setter seg ikke lengre fast, men har fortsatt problemer med å kjøre små avstander nøyaktig. Endringene implementert i oppgaven har demonstrert forbedringer på roboten sine navigasjons evner. Roboten er et stort steg nærmere langtidsmålet med Lego prosjektet som er å klarlegge et område med flere roboter samtidig. Forbedringene har mest sannsynlig gjort roboten mer pålitelig og nøyaktig. Videre justering på Kalman filteret og posisjons kontrolleren kan forberede navigasjonssystemet mer, da det fortsatt er noe avvik mellom roboten sin ønsket og virkelig posisjon. Navigasjons avviket var vanskelig å eliminere på grunn av problemer med friksjon. Et nytt kontrollkort med ekstra innganger for full utnyttelse av sensorene og batteriovervåkning kan forbedre roboten enda mer mot langtidsmålet.

This thesis aims to improve the navigation system on an autonomous mobile robot to decrease position estimation and position control errors. Tests conducted at the start of the thesis identified position estimation and position control errors. The robot sensors, Kalman filter, and PID controller were investigated to locate the source of errors. Because of high deviations in the encoder measurements, new software for counting the encoder pulses was implemented. While troubleshooting the deviation in the position estimate, it was discovered that the right encoder disk was loose, and new encoders were installed toward the end of the thesis. Additionally, the physical robot constants used for position estimation were updated to increase the accuracy of the position estimate. However, the accelerometer measurements were heavily influenced by noise and are no longer used for position estimation. The investigation of the Kalman filter revealed several issues with initialization and sensor use. A new extended Kalman filter was implemented to suit the robot's nonlinear dynamics. The new Kalman filter uses measurements from the encoder and gyroscope together with a model of the system to estimate the robot's position. A new PID controller was implemented on the robot to control its position more accurately. The new PID controller was tuned to decrease the overshoot experienced in the initial test. Furthermore, integral action was added to counteract friction-related issues and enable the robot to drive on different surfaces. A new system implementation that optimizes the use of IR-sensor data is proposed as an area of further study to increase the quality and accuracy of mapping and collision avoidance. The final tests illustrate significant improvements to the robot’s navigation by reducing the estimation error by 67%, eliminating overshoot by 74%, and causing a decrease in position deviation between the actual and intended position by 61%. Moreover, steps to avoid the robot getting stuck have been implemented with success. However, the robot still has a problem with traversing small distances accurately. The changes implemented in this thesis demonstrated improvements to the robot's navigation capabilities. The robot has progressed toward the long-term goal of the Lego project which is for several robots to simultaneously map and maneuver the same environment. It is believed that the improvements to the estimation and position control have made the robot more reliable and accurate. Adjusting the Kalman filter and position controller more could further decrease the error, as some deviation still exists between the robot's actual position and the intended position. The navigation error was challenging to eliminate because of friction. A new control board with additional input pins for full utilization of the sensor's functionality and battery monitoring could improve the robot's functionality to achieve the long-term goal.