研究人员提出了一种证据加权多速率惯性融合方法，用于高振动工业运输场景中的负载位移重建，在该场景中，惯性位移重建容易受到加速度偏置、姿态误差、振动干扰和虚假零速决策的影响。使用多速率惯性数据和高带宽振动/冲击观测。主惯性通道用于运动动力学建模，低频惯性和姿态信息

　　研究人员提出了一种证据加权多速率惯性融合方法，用于高振动工业运输场景中的负载位移重建，在该场景中，惯性位移重建容易受到加速度偏置、姿态误差、振动干扰和虚假零速决策的影响。使用多速率惯性数据和高带宽振动/冲开云体育官方入口击观测。主惯性通道用于运动动力学建模，低频惯性和姿态信息用于约束轨迹趋势，高带宽振动和冲击响应被转换为运动否决证据，从而削弱高振动条件下不可靠的静止决策。采用Dempster–Shafer风格证据融合模型来估计运动、静止和未知置信度，并将静止置信度传播到ZUPT（零速更新）门控、协方差加权、多分支位移融合和关键帧因子图优化。实验结果表明，所提出的方法能够实现稳定的负载位移重建，同时输出可解释的诊断信息，包括位移、速度、静止概率、ZUPT触发、残差和漂移风险。因此，为难以部署外部参考的高振动工业场景提供了一个可诊断和可审计的惯性位移重建框架。

　　**论文解读：证据加权多速率惯性融合方法在工业负载位移重建中的应用**

　　在现代智能制造、机器人负载搬运和数字孪生驱动的状态感知维护中，负载、夹具或运动部件的位移轨迹不仅描述几何运动，还服务于路径验证、运输重复性评估、异常检测和维护决策。现有位移测量常依赖外部参考工具，如光学运动捕捉、激光位移计、编码器、视觉系统或视觉-加速度融合。然而，工业现场存在遮挡、空间受限、光照变化、金属结构干扰和强机械振动，使得这些外部基准难以长期稳定部署。惯性传感器自包含、小型化、易于安装，适合安装在运动负载上，但位移需通过加速度二次积分获得，微小的偏置、姿态误差、重力泄漏、同步误差和振动干扰会迅速放大。因此，本研究聚焦的问题为：在多采样率运动姿态识别、强振动且缺乏独立外部测量的工业运输条件下，如何将不同频段的观测转化为运动、静止和未知三种可信证据，并将这种不确定性传递到ZUPT（零速更新）、协方差加权和因子图位移重建过程中。

　　惯性位移重建主要受两类因素限制：一是加速度计偏置、姿态误差和重力泄漏在轨迹重建中迅速累积；二是ZUPT的有效性依赖于静止检测的可靠性。工业负载运输中，低速刚体运动、机械抖动、连续振动和局部冲击可能交替出现，单一加速度阈值难以稳定区分运动和静止。若运动段被误判为静止，错误的零速约束会抑制实际速度；若静止段被漏判，二次积分漂移会持续累积。因此，更合适的处理方式是将静止状态描述为带有不确定性的证据量。多速率数据在工业负载位移重建中具有不同的信息角色：主惯性通道提供高时间分辨率的运动动力学信息，但易受高频噪声和积分漂移影响；低频惯性和姿态通道有助于提供轨迹趋势、姿态辅助和静止段稳定性；高带宽振动通道主要反映连续机械扰动和局部结构振动；高带宽冲击通道对短期冲击、碰撞或突发扰动更敏感。高频振动和冲击观测主要描述局部动态响应，不能直接代表刚体平移位移，若直接二次积分，易将局部振动和冲击误判为低频位移漂移。因此，本研究将振动和冲击信息转化为运动否决证据：当高频振动或冲击活动显著时，当前时刻的静止置信度降低；当高频活动微弱时，仅表示缺乏明显运动否决证据，仍保留未知置信度。这样，多速率数据从简单信号叠加转变为面向不确定性管理的证据协作。Dempster–Shafer证据理论能够描述多源信息中的不确定性、冲突证据和认知不确定性，已用于多源信息融合、故障诊断和风险评估。流形预积分为惯性关键帧传播提供了严格模型；iSAM2/Bayes-tree方法和因子图优化框架已成为机器人感知、视觉-惯性里程计和多传感器导航中较为成熟的后端优化工具。这些方法为将低频轨迹先验、惯性动态约束和零速约束整合到本研究所用的关键帧平滑模型中提供了方法论基础。基于因子图的融合已扩展到GPS/VIO集成、UWB/IMU协同定位和鲁棒雷达-惯性里程计，而自适应多传感器和多惯性融合策略也针对异构和动态变化环境进行了研究。在此背景下，本研究专门关注振动信息告知的静止状态不确定性在工业负载位移重建中的统一传播。

　　为了应对静止状态识别中的不确定性、多速率观测的异构信息角色以及高振动工业负载运输中外部参考系统部署的困难，研究人员开发了一种证据加权多速率惯性位移重建框架。方法贡献在于面向场景的异构多速率观测集成以及静止状态不确定性在重建过程中的一致传播。与传统将静止检测视为独立二值预处理步骤的流程不同，该框架将运动、静止和未知状态表示为连续证据质量，并将由此产生的置信度通过ZUPT激活、协方差自适应、多分支位移融合和关键帧因子图优化进行传播。主要贡献包括：(1) 构建了针对多速率惯性、振动和冲击观测的角色感知证据模型，高频振动和冲击信息作为运动否决证据而非直接积分用于位移，从而降低高频扰动下虚假零速约束的风险；(2) 开发了统一的置信度传播机制，使静止置信度持续调节ZUPT激活和协方差，并进一步纳入位移融合和因子图优化；(3) 开发了基于分支一致性、残差粗糙度和静止段漂移的自适应位移融合策略，以平衡高动态响应性和低频稳定性；(4) 为外部参考有限的工业环境建立了可诊断的评估框架，提供位移、速度、ZUPT激活、残差和可靠性输出，用于结果解释和后续数字孪生应用。

　　实验在圆柱形负载运输场景中开展，传感器组件刚性安装于负载内部，同步采集惯性、振动和冲击响应。实验系统包含1 kHz主三轴加速度通道、200 Hz惯性/姿态通道、30 kHz三轴振动监测通道和50 kHz三轴冲击监测通道。所有数据统一映射到1 ms主时间轴，并完成信号校准、导航系加速度构建、运动-静止-未知证据估计、置信度加权ZUPT、多分支位移先验构建和关键帧因子图重建。参考轨迹仅用于离线精度评估，未引入任何重建方法。

　　研究人员采用的关键技术方法包括：(1) 多速率观测框架与信号预处理：将不同采样率通道（1 kHz主惯性、200 Hz低频惯性/姿态、30 kHz振动、50 kHz冲击）统一到1 ms主时间轴，通过校准、坐标变换和重力补偿获得导航系加速度，低频通道通过插值提供轨迹软先验，高频通道提取均方根（RMS）和峰值等活动特征作为运动否决证据；(2) 高频驱动的运动否决证据建模：基于Dempster–Shafer证据理论，将高频振动和冲击活动特征转化为运动否决证据，与低频惯性证据融合，得到运动、静止和未知置信度，并构建连续静止置信度；(3) 置信度加权ZUPT与多分支位移先验：根据静止置信度自适应调整ZUPT协方差和激活强度，低频分支生成位移和速度软先验，其可靠性根据分支一致性、残差粗糙度和静止段漂移动态调整；(4) 证据加权关键帧因子图重建：构建关键帧因子图，集成低频位置/速度软先验、主惯性动态传播约束、证据加权ZUPT、加速度偏置随机游走约束、运动段单向弱约束和静止段位置锁定约束，通过最小化联合目标函数联合优化关键帧位置、速度和加速度偏置。

　　**3.1 位移重建结果比较**：通过对比两种基线：多速率滤波与加权融合，不使用振动/冲击运动否决证据和因子图平滑；基线：自适应静止检测、ZUPT和关键帧因子图平滑，不使用高频振动/冲击观测评估静止决策可靠性），实验表明，所提出的方法在X、Y、Z三个方向及三维RMSE上均达到最低值。三维RMSE为0.652 m，较基线%，较基线%。单轴RMSE分别为0.274 m、0.522 m和0.280 m，均低于对比方法。改进主要来源于三个方面：振动/冲击运动否决证据降低了高振动区间虚假ZUPT触发风险；置信度加权ZUPT根据静止置信度调整零速约束强度，避免过度抑制不确定运动段；关键帧因子图将低频轨迹先验、主惯性动态约束和偏置平滑约束纳入统一优化框架，提高了轨迹连续性和平台稳定性。

　　**3.2 参数敏感性分析**：采用单参数敏感性分析，选取五个代表性固定参数（稳定化项、基本零速协方差、候选静止阈值、基本位置先验噪声密度、加速度偏置随机游走噪声密度），分别变化至标称值的60%、80%、100%、120%和140%。结果表明，标称配置下三维RMSE为0.6524 m，各参数在测试范围内引起的三维RMSE最大相对变化分别为0.416%、1.721%、1.036%和0.305%（其中候选静止阈值结果不变），Z方向RMSE几乎不变，主要变化出现在水平重建。标称配置位于或接近三维RMSE曲线的下包络，表明所选参数的适度扰动不会实质性影响重建精度。

　　**讨论**：实验结果表明，所提出的证据加权多速率惯性融合方法在高振动圆柱负载运输场景中能实现更稳定的位移重建。与基本多速率融合和ZUPT-因子图平滑方法相比，在X、Y、Z三个方向及三维RMSE上均取得更低误差。这表明将低频惯性/姿态信息、主惯性动态信息和振动/冲击观测信息进行功能划分是必要的：低频通道提供轨迹趋势和尺度约束，主惯性通道保留运动动力学，振动和冲击通道用于判断零速假设是否可靠。将高带宽观测转化为运动否决证据有助于减少高振动区间虚假ZUPT对真实运动的抑制。从误差分布看，重建误差不仅由单一零速检测环节决定，还与加速度积分面积、姿态补偿误差、低频轨迹先验稳定性和运动过渡段速度尾项有关。ZUPT能有效抑制静止段速度漂移，但仅靠固定强度零速约束难以处理高振动条件下的状态不确定性。本研究通过运动否决证据和置信度加权机制缓解了这一问题，并通过因子图平滑进一步提高了轨迹连续性。

　　**结论**：本研究提出了一种证据加权多速率惯性融合方法，用于高振动和有限参考条件下的工业负载位移重建。高带宽振动和冲击响应被转化为运动否决证据，与低频惯性证据融合以估计静止置信度，并将其传播到ZUPT加权、多分支先验和关键帧因子图平滑中。圆柱负载实验表明，所提出的方法在X、Y、Z方向及三维RMSE上均低于两种对比方法；提高了平台稳定性和阶段性位移重建；并输出可解释的诊断信息，如静止置信度、ZUPT激活、残差和漂移风险。残留的方向依赖性和过渡段误差表明，姿态补偿和振动诱发偏置建模需要进一步改进，而在更广泛的运动轮廓和振动条件下的验证仍是未来工作的重要方向。