基于SAPI的雙驅(qū)雙向AGV語音控制系統(tǒng)的設(shè)計(jì)

陳 亞，張栗銘，張雪峰，李歡歡，寇海波

(北京石油化工學(xué)院機(jī)械工程學(xué)院，北京 102617)

隨著科技的不斷發(fā)展，機(jī)器人被廣泛地運(yùn)用在工業(yè)、醫(yī)療以及軍事等領(lǐng)域[1]。讓各種機(jī)器聽懂人類的語言并根據(jù)獲得的信息完成相應(yīng)的任務(wù)，可以使人的雙手從控制機(jī)器人工作中解脫出來，從而大幅提高工作效率[2]。語音識(shí)別技術(shù)的研究目的就是讓機(jī)器“聽懂”人類的語言，使機(jī)器人能夠更好地為人類服務(wù)[3]。目前對(duì)特定人語音孤立詞識(shí)別的主要方法包括動(dòng)態(tài)時(shí)間規(guī)整(DTW)、矢量量化(DQ)和隱馬爾可夫模型(HMM)等[4]。Microsoft公司的Speech SDK語音開發(fā)包就是以HMM為基礎(chǔ)建立并提供有語音應(yīng)用程序編程接口SAPI，是構(gòu)建語音識(shí)別平臺(tái)的基礎(chǔ)，能夠使語音技術(shù)與機(jī)器人控制系統(tǒng)有機(jī)結(jié)合。使用Speech SDK語音開發(fā)包能夠縮短開發(fā)周期，方便進(jìn)行二次開發(fā)[5]。

筆者采用Speech SDK語音開發(fā)包構(gòu)建雙驅(qū)雙向AGV的語音識(shí)別開發(fā)平臺(tái)，在基于平板電腦及其外圍模塊的控制方式基礎(chǔ)上增加語音識(shí)別功能，在完成語音的準(zhǔn)確識(shí)別后，驅(qū)動(dòng)雙驅(qū)雙向AGV實(shí)現(xiàn)前進(jìn)、后退、停止、左轉(zhuǎn)、右轉(zhuǎn)等一系列動(dòng)作。該系統(tǒng)既能保證雙驅(qū)雙向AGV穩(wěn)定可靠地運(yùn)行，又能實(shí)現(xiàn)對(duì)雙驅(qū)雙向AGV實(shí)時(shí)的語音控制，豐富了人機(jī)交互方式，幫助企業(yè)提高了生產(chǎn)效率[6]。

1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

1.1 雙驅(qū)雙向AGV語音識(shí)別控制系統(tǒng)結(jié)構(gòu)

以雙驅(qū)雙向AGV為控制對(duì)象，采用PMAC (programmable multi-axes controller)運(yùn)動(dòng)控制卡作為控制器，并基于Speech SDK語音開發(fā)包構(gòu)建具有語音識(shí)別功能的雙驅(qū)雙向AGV控制系統(tǒng)，該系統(tǒng)結(jié)構(gòu)如圖1所示。

雙驅(qū)雙向AGV控制系統(tǒng)主要由2部分組成：上位機(jī)(工業(yè)平板電腦)和下位機(jī)(PMAC運(yùn)動(dòng)控制卡)，共同構(gòu)成開放式控制系統(tǒng)。其中上位機(jī)為工業(yè)平板電腦，選用對(duì)微軟語音開發(fā)包兼容性好、安全性高、多任務(wù)處理穩(wěn)定可靠的Window XP操作系統(tǒng)，該操作系統(tǒng)支持麥克風(fēng)作為外設(shè)對(duì)語音輸入進(jìn)行數(shù)據(jù)采集，判斷并識(shí)別語音，激活響應(yīng)函數(shù)，控制雙驅(qū)雙向AGV的運(yùn)動(dòng)，同時(shí)處理其他傳感器信息實(shí)現(xiàn)對(duì)AGV的實(shí)時(shí)導(dǎo)航糾偏控制。下位機(jī)為PMAC運(yùn)動(dòng)控制卡，主要負(fù)責(zé)實(shí)時(shí)采集外圍傳感器信號(hào)，并將數(shù)據(jù)通過網(wǎng)口送入上位機(jī)，實(shí)時(shí)處理上位機(jī)發(fā)出的指令，驅(qū)動(dòng)電機(jī)完成相應(yīng)動(dòng)作。筆者采用工業(yè)平板電腦+PMAC運(yùn)動(dòng)控制卡作為雙驅(qū)雙向AGV的控制系統(tǒng)，不僅結(jié)構(gòu)簡(jiǎn)單、開發(fā)周期短、穩(wěn)定性好，而且可擴(kuò)展性強(qiáng)，具有對(duì)運(yùn)動(dòng)實(shí)時(shí)控制的能力。

1.2 系統(tǒng)工作原理

用戶通過麥克風(fēng)輸入語音指令，上位機(jī)接收用戶語音信號(hào)，提取語音命令，與語音模板中的信息匹配，若匹配成功，則執(zhí)行響應(yīng)函數(shù)，創(chuàng)建新線程并給下位機(jī)發(fā)送運(yùn)動(dòng)指令，實(shí)現(xiàn)對(duì)雙驅(qū)雙向AGV的運(yùn)動(dòng)控制，運(yùn)動(dòng)結(jié)束，則關(guān)閉線程；若匹配失敗，則繼續(xù)匹配。下位機(jī)接收上位機(jī)的運(yùn)動(dòng)指令，并根據(jù)上位機(jī)對(duì)磁導(dǎo)航傳感器的處理信息，驅(qū)動(dòng)直流無刷電機(jī)差速運(yùn)轉(zhuǎn)，實(shí)現(xiàn)對(duì)雙驅(qū)雙向AGV的運(yùn)動(dòng)控制。

2 雙驅(qū)雙向AGV運(yùn)動(dòng)控制分析

運(yùn)動(dòng)學(xué)模型的建立是實(shí)現(xiàn)對(duì)AGV語音控制的基礎(chǔ)。雙驅(qū)雙向AGV通過非接觸式的磁條導(dǎo)引方式沿著預(yù)定路線循跡行走，雙驅(qū)雙向AGV的運(yùn)動(dòng)學(xué)模型如圖2所示。通過實(shí)時(shí)調(diào)節(jié)前后驅(qū)動(dòng)模塊左右驅(qū)動(dòng)輪A、B、C、D的速度，利用差速糾偏原理協(xié)調(diào)控制驅(qū)動(dòng)電機(jī)，實(shí)現(xiàn)雙驅(qū)雙向AGV沿預(yù)定軌跡行駛的運(yùn)動(dòng)控制。

假定A和B為第1個(gè)驅(qū)動(dòng)模塊左右輪，運(yùn)動(dòng)速度分別為Va和Vb，C和D為第2個(gè)驅(qū)動(dòng)模塊左右輪，運(yùn)動(dòng)速度分別為Vc和Vd，2個(gè)驅(qū)動(dòng)模塊間距為S，2個(gè)驅(qū)動(dòng)輪間距為L(zhǎng)，驅(qū)動(dòng)輪半徑為R。A輪和B輪中點(diǎn)的速度為Vo1，C輪和D輪之間的中點(diǎn)的速度為Vo2。假定整個(gè)AGV是一個(gè)剛體在平面內(nèi)運(yùn)動(dòng)，AGV 2個(gè)驅(qū)動(dòng)模塊左右各輪在平面內(nèi)只做純滾動(dòng)，無滑動(dòng)情況出現(xiàn)。

根據(jù)不同的運(yùn)動(dòng)路線，雙驅(qū)雙向AGV的運(yùn)動(dòng)可分為直線運(yùn)動(dòng)和轉(zhuǎn)彎運(yùn)動(dòng)。當(dāng)雙驅(qū)雙向AGV沿著直線運(yùn)動(dòng)時(shí)，2個(gè)驅(qū)動(dòng)模塊的4個(gè)驅(qū)動(dòng)輪的速度相等。AGV沿著軌跡在運(yùn)動(dòng)的過程中不可避免的會(huì)產(chǎn)生一定的偏差，當(dāng)AGV運(yùn)動(dòng)發(fā)生偏差時(shí)，根據(jù)磁導(dǎo)航傳感器采集到的位置信息確定AGV偏離磁條中心的距離，通過糾偏算法，調(diào)節(jié)一側(cè)驅(qū)動(dòng)輪的速度下降，另一側(cè)驅(qū)動(dòng)輪的速度維持不變，利用差速原理實(shí)時(shí)調(diào)整兩驅(qū)動(dòng)模塊左右驅(qū)動(dòng)輪速度，控制AGV保持直線運(yùn)動(dòng)。

當(dāng)AGV進(jìn)入彎道時(shí)，轉(zhuǎn)彎過程可以分為3個(gè)階段，如圖3所示。第1階段，第1個(gè)驅(qū)動(dòng)模塊進(jìn)入彎道，開始轉(zhuǎn)彎，第2個(gè)驅(qū)動(dòng)模塊仍沿直線軌跡運(yùn)動(dòng)；第2階段，2個(gè)驅(qū)動(dòng)模塊都進(jìn)入彎道，同時(shí)轉(zhuǎn)彎；第3階段，第1個(gè)驅(qū)動(dòng)模塊已經(jīng)完成轉(zhuǎn)彎，開始沿直線軌跡運(yùn)動(dòng)，第2個(gè)驅(qū)動(dòng)模塊仍在轉(zhuǎn)彎。

通過分析計(jì)算[7]，得到在這3個(gè)階段4個(gè)驅(qū)動(dòng)輪的瞬時(shí)速度關(guān)系為：

(1)第1階段：

其中：R為磁條鋪設(shè)半徑；θ為第1個(gè)驅(qū)動(dòng)模塊轉(zhuǎn)過的角度。

(2)第2階段：

Va=Vc， Vb=Vd

(3)第3階段：

其中：σ為第2個(gè)驅(qū)動(dòng)模塊轉(zhuǎn)過的角度。

通過分析4個(gè)驅(qū)動(dòng)輪在轉(zhuǎn)彎不同階段的瞬時(shí)速度關(guān)系，當(dāng)接收到轉(zhuǎn)彎的語音指令后，控制驅(qū)動(dòng)輪的運(yùn)動(dòng)速度繼而實(shí)現(xiàn)對(duì)雙驅(qū)雙向AGV的轉(zhuǎn)彎運(yùn)動(dòng)。

3 軟件設(shè)計(jì)

3.1 軟件總體結(jié)構(gòu)

基于SAPI的雙驅(qū)雙向AGV軟件控制流程如圖4所示。首先系統(tǒng)進(jìn)行語音識(shí)別模塊初始化，SAPI提供了完善的COM接口，根據(jù)COM規(guī)范的要求，首先調(diào)用CoInitializeEx函數(shù)對(duì)COM庫(kù)進(jìn)行初始化。當(dāng)進(jìn)程不再使用COM庫(kù)函數(shù)時(shí)，必須調(diào)用CoUninitializeEx函數(shù)釋放系統(tǒng)資源[8]。然后初始化語音識(shí)別的各接口，完成識(shí)別引擎、識(shí)別上下文接口的創(chuàng)建，并設(shè)置識(shí)別消息和感興趣的事件，最后對(duì)識(shí)別的語音內(nèi)容建立語法規(guī)則，完成語音識(shí)別平臺(tái)的構(gòu)建。用戶通過麥克風(fēng)輸入語音指令，進(jìn)程對(duì)識(shí)別的語音進(jìn)行匹配，如果匹配成功，則根據(jù)識(shí)別的語音內(nèi)容進(jìn)行消息響應(yīng)，從而驅(qū)動(dòng)AGV執(zhí)行相應(yīng)的動(dòng)作；如果匹配失敗，則繼續(xù)進(jìn)行語音識(shí)別并匹配。

3.2 基于SDK5.1的語音平臺(tái)

微軟的SDK提供有語音應(yīng)用程序編程接口SAPI(Speech Application Programming Interface)、語音聽寫引擎TTS(Text To Speech)以及連續(xù)語音識(shí)別引擎MCSR (Microsoft Continuous Speech Recognition)[9]。SAPI是基于COM技術(shù)實(shí)現(xiàn)的組件編程接口，封裝了操作系統(tǒng)底層硬件，提供具有高度適應(yīng)性的直接語音管理、訓(xùn)練向?qū)Ч芾?、資源、語音識(shí)別SR(Speech Recognition)管理等，所以，語音識(shí)別SAPI的調(diào)用符合COM規(guī)范。SAPI層、應(yīng)用程序接口API層和設(shè)備驅(qū)動(dòng)接口DDI(DeepSpar Disk Imager)層三者之間的結(jié)構(gòu)圖如圖5所示。

應(yīng)用程序是通過SAPI與API(Application Programming Interface)層之間進(jìn)行交互，語音引擎是通過SAPI與DDI(DeepSpar Disk Imager)層進(jìn)行通信[10]。利用接口函數(shù)，屏蔽了底層驅(qū)動(dòng)與識(shí)別算法的開發(fā)，大大簡(jiǎn)化了語音開發(fā)的難度。根據(jù)開發(fā)的XML(Extensible Markup Language)文件確定需要匹配的詞匯，開發(fā)者可以根據(jù)需要定義詞匯，大大降低詞匯檢索量，提高識(shí)別速度。

3.3 語音識(shí)別模塊軟件實(shí)現(xiàn)

利用SAPI開發(fā)語音應(yīng)用程序，將程序嵌入到機(jī)器人運(yùn)動(dòng)控制系統(tǒng)中，通過用戶的語音輸入使雙驅(qū)雙向AGV接受指令，實(shí)現(xiàn)機(jī)器人前進(jìn)、后退、轉(zhuǎn)向以及停止等動(dòng)作，具體步驟如下。

(1)創(chuàng)建XML文件(CmdCtrl.xml)，定義需要機(jī)器人識(shí)別的命令。

前進(jìn)

后退

左轉(zhuǎn)

右轉(zhuǎn)

停止

(2)語音識(shí)別系統(tǒng)初始化。語音識(shí)別系統(tǒng)初始化包含多個(gè)步驟，初始化模塊流程圖如圖6所示。

通過CoInitializeEx函數(shù)初始化COM接口，在程序的頭文件中定義建立語音識(shí)別需要的接口對(duì)象。

//語音識(shí)別引擎對(duì)象

CComPtr m_cpRecognizer;

//語音命令的語法對(duì)象

CComPtr m_cpCmdGrammar;

//語音識(shí)別的上下文接口對(duì)象

CComPtr m_cpRecoCtxt;

//初始化COM口

CoInitializeEx(NULL，COINIT_APARTMENTTHREADED) ;

//創(chuàng)建識(shí)別引擎：共享型服務(wù)

hr=m_cpRecognizer.CoCreateInstance (CLSID_SpInprocRecognizer);

//創(chuàng)建識(shí)別的上下文接口

hr=m_cpRecognizer->CreateRecoContext (&m_cpRecoCtxt);

//設(shè)置識(shí)別消息

hr=m_cpRecoCtxt->SetNotifyWindowMessage (m_hWnd，WM_RECOEVENT，0，0);

//設(shè)置觸發(fā)事件

Const ULONGLONG ullInterest=SPFEI (SPEI_RECOGNITION);

hr=m_cpRecoCtxt-> SetInterest(ullInterest，ullInterest);

//設(shè)置語法規(guī)則

Hr=m_cpRecoCtxt-> CreateGrammar (100，&m_cpCmdGrammar);

//加載語法詞典

Hr=m_cpCmdGrammar-> LoadCmdFromFile (wszXMLFile，SPLO_DYNAMIC);

(3)語音識(shí)別系統(tǒng)初始化之后，識(shí)別引擎開始工作，當(dāng)系統(tǒng)匹配到正確的命令輸入，在消息響應(yīng)函數(shù)中對(duì)動(dòng)作進(jìn)行實(shí)現(xiàn)。

//消息相應(yīng)函數(shù)RecoEvent()

void CSpeechReco::RecoEvent()

{

…

};

(4)在程序退出之前需要卸載系統(tǒng)資源，即在析構(gòu)函數(shù)中釋放COM。

CoUninitializeEx();

雙驅(qū)雙向AGV控制系統(tǒng)識(shí)別到正確的指令后，執(zhí)行相應(yīng)動(dòng)作。

3.4 人機(jī)交互界面的軟件實(shí)現(xiàn)

基于微軟提供的Microsoft Visual C++6.0面向?qū)ο蟮目梢暬砷_發(fā)環(huán)境開發(fā)了人機(jī)交互界面，結(jié)果如圖7所示。該控制程序采用的是命令識(shí)別模式自定義匹配詞匯，通過點(diǎn)擊“語音識(shí)別”，完成語音初始化的創(chuàng)建，經(jīng)麥克風(fēng)輸入命令，再由系統(tǒng)匹配識(shí)別，從而控制AGV完成“前進(jìn)”、“后退”、“左轉(zhuǎn)”、“右轉(zhuǎn)”以及“停止”等相關(guān)動(dòng)作指令。

4 語音實(shí)驗(yàn)

針對(duì)雙驅(qū)雙向AGV的語音識(shí)別以及指令控制效果進(jìn)行實(shí)驗(yàn)測(cè)試。實(shí)驗(yàn)選擇在安靜的環(huán)境下進(jìn)行，實(shí)驗(yàn)場(chǎng)地如圖8所示。任意選擇1人完成語音樣本的錄入，即前進(jìn)、后退、停止、左轉(zhuǎn)、右轉(zhuǎn)等指令。并隨機(jī)抽取5人，其中男生2人、女生3人完成語音字典中的5條指令，規(guī)定每位測(cè)試者隨機(jī)讀取5條指令20次，實(shí)驗(yàn)結(jié)果如表1所示。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)語音識(shí)別模塊的正確識(shí)別率達(dá)到90%以上。

表1 語音實(shí)驗(yàn)結(jié)果

5 結(jié)論

以雙驅(qū)雙向AGV為控制對(duì)象，基于SAPI語音應(yīng)用程序編程接口完成了語音系統(tǒng)的開發(fā)，通過麥克風(fēng)輸入語音，再經(jīng)語音識(shí)別處理能夠控制雙驅(qū)雙向AGV完成前進(jìn)、后退、左轉(zhuǎn)、右轉(zhuǎn)、停止等動(dòng)作。該系統(tǒng)不僅增加了人機(jī)交互的多樣性，而且也降低了設(shè)備操作的復(fù)雜性，提高了企業(yè)自動(dòng)化水平和生產(chǎn)效率。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)語音模塊在安靜的環(huán)境下的正確識(shí)別率達(dá)90%，并且雙驅(qū)雙向AGV能在用戶的指令下正確完成相應(yīng)的運(yùn)動(dòng)。