一種基于UWB的護理機器人定位系統(tǒng)

陳新興 趙英寶 劉慧賢 楊雪松 張運慶

摘要：護理機器人大部分時間在室內(nèi)工作，由于室內(nèi)環(huán)境比室外復雜且定位環(huán)境惡劣，因此需要具有很高的定位精度。

為了更好地解決護理機器人的定位問題，建立了一種基于超寬帶（UWB）的高精度護理機器人定位系統(tǒng)。首先，采用基于信號到達時間的定位模型，不需標簽與基站之間的時鐘同步，只需3個基站時鐘同步來獲取護理機器人上的標簽距離各個基站的位置信息;其次，將收集到的位置信息通過室內(nèi)局域網(wǎng)傳輸給利用Matlab搭建的上位機系統(tǒng);最后，在上位機系統(tǒng)內(nèi)進行偏最小二乘法線性回歸，再通過遺傳算法進一步對數(shù)據(jù)進行優(yōu)化得到精確的位置信息，并進行仿真分析。結果表明，系統(tǒng)的定位精度相比于TDOA模型直接定位有較大的提高，能達到護理機器人的定位要求?；诔瑢拵Ъ夹g的定位方法還可以應用于倉儲物流小車等其他室內(nèi)移動設備的高精度定位。

關鍵詞：機器人控制;超寬帶;定位;偏最小二乘法;遺傳算法;護理機器人

中圖分類號：TP273文獻標識碼：A

doi： 10.7535/hbgykj.2020yx03010

Abstract：

Nursing robots work indoors most of the time，

high positioning accuracy of the nursing robot is needed due to the more complex and poorer positioning working environment indoors compared with that of outdoors.

In order to better solve the problem of the positioning system of nursing robots，

a highprecision nursing robot positioning system based on ultrawideband （UWB） was established in this paper. Firstly， there was no need of clock synchronization between the tag and the base station， and only three base station clocks were demanded to be synchronized to obtain the position information of the tag on the nursing robot from each base station by using the positioning model based on time of arrival. Then， the collected position information was transmitted to the host computer system built by Matlab through the indoor local area network. Finally， partial least squares linear regression was performed in the host computer system， and the data was further optimized by genetic algorithm to obtain accurate position information. Simulation analysis shows that the positioning accuracy with this system is greatly improved compared to the direct positioning with TDOA model， which can meet the positioning requirements of nursing robots. The positioning system based on UWB can also be applied to highprecision positioning of other indoor equipment such as the mobile dolly of warehousing logistics.

Keywords：

robot control;UWB; positioning; partial least squares; genetic algorithm; nursing robot

人口老齡化已經(jīng)成為嚴重的社會問題[1]。在中國社會護理力量嚴重不足、護理行業(yè)面臨著巨大壓力的情況下，迫切需要護理方面的智能設備幫助對老年人的身心健康?，F(xiàn)有的護理機器人定位技術盡管在一定的環(huán)境下有較好的性能，但是由于護理機器人大部分時間都是工作在室內(nèi)，室內(nèi)的環(huán)境相對室外來說比較復雜，定位環(huán)境極其惡劣，因此需要具有很高的定位精度[2]。傳統(tǒng)的定位方式主要包括紅外線定位、超聲波定位、藍牙定位、WIFI定位等。這些定位方式各有優(yōu)點，但也有明顯的短板，詳見表1。在現(xiàn)有的無線定位技術中，UWB（超寬帶）無線電相比于其他定位方式具有很大的優(yōu)勢，首先UWB信號的頻譜范圍比大多數(shù)定位技術的頻譜范圍要寬，不但具有特別小的發(fā)射功率，同時還具有極強的穿透力。經(jīng)多年研究，UWB技術已經(jīng)取得了一定的發(fā)展，已被應用于室內(nèi)定位方案。

筆者設計了一種基于超寬帶（UWB）定位的護理機器人系統(tǒng)，通過UWB確定位置信息，

利用Matlab的上位機環(huán)境優(yōu)化數(shù)據(jù)，實現(xiàn)護理機器人的精確定位。

1護理機器人的整體結構

所設計的護理機器人系統(tǒng)包含了UWB定位系統(tǒng)、運動控制系統(tǒng)、直流電機和驅(qū)動器、無線通信系統(tǒng)等，如圖1所示。

護理機器人本體部分主要包括可移動的底盤和外殼，底部采用大輪與小輪呈90°的全向輪來使護理機器人進行直線行駛或者進行轉彎運動。護理機器人的運動控制系統(tǒng)以STM32F10C8T6作為核心控制器，與UWB定位系統(tǒng)、無線通信模塊等通過RS232接口進行連接。本文主要對UWB定位系統(tǒng)進行研究。

2超寬帶定位系統(tǒng)

2.1UWB定位技術

超寬帶[36]是一種不使用載波的無線通信技術，它利用間隔時間（小于1 ns）極短的能量脈沖，通過調(diào)制與排序的方法將脈沖擴展到所需的頻率范圍內(nèi)。超寬帶具有很多優(yōu)點，例如：傳輸速率高;發(fā)射功率小于1 mW就可以實現(xiàn)通信要求，這一點也就大大降低了對電源的要求，并且穿透能力極強，具有一定的抗干擾能力。

2.2UWB定位系統(tǒng)建立

建立了一種UWB定位系統(tǒng)，系統(tǒng)主要有4個基站和1個定位標簽組成，本文所選用的通信模塊是DecaWace公司生產(chǎn)的DWM1000定位模塊[7]。DWM1000模塊定位芯片是目前世界上

精度最高的室內(nèi)定位芯片，同時有著極其強大的抗多徑衰落能力，在高衰落的位置環(huán)境中還可以進行很可靠的通信。將定位的4個基站放在房間內(nèi)的4個固定位置，并將標簽安放在護理機器人的頂部位置，為護理機器人的定位收集原始數(shù)據(jù)。

2.3UWB定位模型建立

本設計采用了TDOA（到達時間差）算法[8]來求解定位標簽的位置。TDOA定位方法的工作原理是通過檢測UWB信號從標簽到達2個基站的絕對傳播時間的相差值，而不是利用飛行時間來確定標簽的位置信息，這種方式降低了標簽與基站時鐘同步的要求。利用3個基站的方式能夠得到3個TDOA，得到標簽與固定的基站距離的差值。TDOA信號傳輸模型如圖2所示。

圖2中t1，t2，t3分別是指UWB信號從護理機器人標簽位置到達基站1、基站2、基站3的傳播時間，如果護理機器人所在位置的標簽坐標設為（x，y），那么，基站1的坐標為（X1，Y1），基站2的坐標為（X2，Y2），基站3的坐標為（X3，Y3）。利用TDOA的測量值可以建立如式（1）所示護理機器人標簽位置的方程組。求解此方程組即可得到護理機器人的標簽坐標。

2.4基于偏最小二乘法的遺傳算法

TDOA定位的方法又被稱為雙曲線定位方法，本文2.3節(jié)已經(jīng)介紹了TDOA定位方法，如式（1）所示方程組是非線性方程組，而直接利用TDOA算法解出的位置信息誤差較為嚴重，不足以達到護理機器人的定位精度。因此，在TDOA模型基礎上提出了偏最小二乘法的遺傳算法對位置信息進行研究驗證，得到了更為精確的護理機器人上的標簽信息。PLSGA算法的主要原理是根據(jù)偏最小二乘法[9]建立模型，通過計算得到與真實位置信息較為接近的初始位置信息，再通過遺傳算法[1011]的選擇、交叉、變異等一些遺傳學的操作來尋找最優(yōu)解，直到所需要的結果。遺傳算法具有良好的全局搜索能力[12]，更快地收斂于最優(yōu)結果，但是遺傳算法對初始種群的選擇有很強的依賴性，因此，把偏最小二乘法的估計位置信息作為遺傳算法的初始值而不是用隨機數(shù)去設置初始值。算法步驟如下。

1） 輸入一組新測量得到的TDOA數(shù)值，通過偏最小二乘法建立回歸方程，并且計算出坐標初始值信息。

3）選擇操作，利用選擇算子對初始種群進行處理，這種方式可以保證基因的完整性。

4）交叉操作，通過模仿生物進化過程為新的物種進行染色體交叉。

5）變異操作，用其他的基因團代替原來的基因團，通過新的基因產(chǎn)生新的個體，這樣可以使種群保持多樣性，有效避免早熟。

6）判斷是否達到最大迭代次數(shù)，若沒有達到，則轉回第2步;若達到，將適應度的最大值的個體進行輸出，算法結束。

算法流程圖如圖3所示。

2.5基于偏最小二乘法的遺傳算法仿真分析

通過對護理機器人的定點基站3進行測試，收集測試到的數(shù)據(jù)，利用Matlab軟件[15]對基于最小二乘法的遺傳算法進行仿真分析，測試時基站3位置坐標分別為（0，0），（5 120，0），（0，3 560），護理機器人標簽位置為（2 200，3 300）。遺傳算法的參數(shù)設置分別為種群規(guī)模50，交叉率0.5，變異率0.01，最大進化代數(shù)70，仿真結果如圖4—圖8所示。由于偏最小二乘法對定位精度的提高很少，因此直接將PLSGA的誤差與TDOA模型計算的誤差進行對比。

定點測試仿真結果表明，當進化到50代時，得到了最優(yōu)的適應度均值為9.4，圖5可以看到，PLSGA算法更靠近真實值且集中，TDOA算法更發(fā)散。在圖6和圖7中可以看出TDOA直接計算的最大誤差為20 cm，PLSGA算法最大誤差為12 cm。在此基礎上使用了如式（4）所示的均方根誤差（RMSE）算法評價指標，對仿真結果進行了分析，得到了表2定點測試的RMSE。表2表明所設計的PLSGA算法提高了系統(tǒng)定位精度。

2.6基于偏最小二乘法的遺傳算法實驗測試

在上述仿真基礎上搭建了實驗測試平臺對系統(tǒng)的功能進行測試，實驗所用機器人底座如圖9所示，在房間內(nèi)放置3個基站，人工對基站位置進行測量，3個基站所處位置的位置坐標為（0，0），（0，9 000），（9 000，0）。打開護理機器人上位機系統(tǒng)，把基站的位置坐標輸入給上位機系統(tǒng)，并完成上位機與護理機器人標簽的通信，開始進行護理機器人的定位，重復2次并記錄實驗結果。改變護理機器人標簽點的位置，進行2次測試，再一次改變護理機器人標簽點位置并記錄實驗結果，結果如圖10和表3所示。

3結語

通過以上分析可知，所建立的基于UWB護理機器人室內(nèi)定位系統(tǒng)實現(xiàn)了護理機器人的定位。為了提高定位精度，在TDOA模型的基礎上設計了基于偏最小二乘法遺傳算法的聯(lián)合定位算法，采用偏最小二乘法對TDOA模型測量得到的數(shù)據(jù)進行初步估計，并將其作為遺傳算法的初始種群對護理機器人標簽位置進行精確計算?；赨WB技術的定位方法不僅僅局限于護理機器人，還可以應用于其他室內(nèi)設備的高精度定位，例如倉儲物流中移動小車的定位等。

為了節(jié)約成本，本次設計中只進行了護理機器人底座的設計，沒有對護理機器人的整體進行設計，本文的實驗是在LOS環(huán)境中進行的，雖然進行了無跡卡爾曼濾波，但在NLOS環(huán)境中護理機器人的定位精度還是會受到一定的影響。今后還需對這些方面作進一步的改善和研究。

參考文獻/References：

[1]郭冉，王俊.世界人口發(fā)展趨勢和人口轉變——理論與現(xiàn)實[J].人口與社會，2019，35（3）：5263.

GUO Ran， WANG Jun.World population trends and demographic transition： Theory and reality[J].Population and Society，2019，35（3）：5263.

[2]唐科萍， 許方恒， 沈才樑. 基于位置服務的研究綜述[J]. 計算機應用研究，2012，29（12）： 44324436.

TANG Keping， XU Fangheng， SHEN Cailiang. Survey on locationbased services[J]. Application Research of Computers， 2012，29（12）： 44324436.

[3]郭麗娟. 人性化家用護理機器人護理方式及產(chǎn)品功能設計研究[D]. 天津：河北工業(yè)大學，2013.

GUO Lijuan. The Design and Research of Nursing Mode and Function of Humanized Household Nursing Robot[D]. Tianjin：Hebei University of Technology， 2013.

[4]PORCINO D， HIRT W. Ultrawideband radio technology： Potential and challenges ahead[J]. IEEE Communications Magazine， 2003， 41（7）： 6674.

[5]LIU L， LIU Z， XIE H， et al. Numerical simulation of UWB impulse radar vital sign detection at an earthquake disaster site[J]. Ad Hoc Networks， 2014， 13（1）： 3441.

[6]許哲琪. 基于無線網(wǎng)絡的定位技術研究[D]. 北京：北京交通大學，2019.

XU Zheqi.Research on Location Technology Base on Wireless Network[D]. Beijing：Beijing Jiaotong University，2019.

[7]盧靖宇， 余文濤， 趙新， 等. 基于超寬帶的移動機器人室內(nèi)定位系統(tǒng)設計[J]. 電子技術應用，2017，43（5）：2528.

LU Jingyu， YU Wentao， ZHAO Xin，et al. Design of indoor positioning system for mobile robot based on ultrawideband[J]. Application of Electronic Technique， 2017， 43（5）： 2528.

[8]朱永龍. 基于UWB的室內(nèi)定位算法研究與應用[D].濟南： 山東大學， 2014.

ZHU Yonglong. Research and Application of the Algorithm for the Indoor Positioning Based on UWB[D]. Jinan：Shandong University， 2014.

[9]羅批， 郭繼昌， 李鏘， 等. 基于偏最小二乘法回歸建模的探討[J].? 天津大學學報， 2002，35（6）：783786.

LUO Pi， GUO Jichang， LI Qiang， et al. Modeling construction based on partial leastsquares regression[J]. Journal of Tianjin University，2002， 35（6）： 783786.

[10]韓瑞鋒. 遺傳算法原理與應用實例[M]. 北京：兵器工業(yè)出版社， 2010.

[11]趙宇蘭. 基于退火遺傳算法的多連接查詢優(yōu)化應用研究[J]. 山西電子技術，2018（6）：9396.

ZHAO Yulan. Research on multijoin query optimization based on annealinggenetic algorithm[J]. Shanxi Electronic Technology， 2018 （6）： 9396.

[12]劉奕岑，徐蔚鴻，陳沅濤，等. 具有適應度選擇調(diào)整策略的混沌遺傳算法及其應用[J]. 計算機技術與自動化， 2019，38（2）：814.

LIU Yicen，XU Weihong， CHEN Yuantao，et al. Chaos genetic algorithm with fitness selection adjustment strategy and its application[J].Computer Technology and Automation， 2019，38（2）：814.

[13]武裝. 幾種改進的智能優(yōu)化算法及其應用[M].北京：科學技術文獻出版社，2018.

[14]REYNOLDS J， REZGUI Y， KWAN A，et al. A zonelevel， building energy optimisation combining an artificial neural network， a genetic algorithm， and model predictive control[J]. Energy， 2018， 151：729739.

[15]許國根， 趙后隨， 黃智勇， 等. 最優(yōu)方法及其MATLAB實現(xiàn)[M]. 北京：北京航天航空大學出版社， 2018.