基于智能終端的工業(yè)機器人導(dǎo)航交互控制仿真

蘇 晨，周 璇

(湖北工業(yè)大學(xué)工業(yè)設(shè)計學(xué)院，湖北武漢 430064)

1 引言

工業(yè)機器人是指在工業(yè)領(lǐng)域被廣泛使用的多關(guān)節(jié)機械手或者多自由度的機器裝置，其具備一定程度的自動性，可根據(jù)自身的動力能源和控制能力，完成工業(yè)作業(yè)[1]。通常情況下工業(yè)機器人由機械部分、傳感部分以及控制部分組成。并且，可分為六個子系統(tǒng)，分別為機械結(jié)構(gòu)系統(tǒng)、驅(qū)動系統(tǒng)、感知系統(tǒng)、機器人-環(huán)境交互系統(tǒng)、人機交互系統(tǒng)和控制系統(tǒng)[2]。智能終端在互聯(lián)網(wǎng)的蓬勃發(fā)展的推進下，成為機器人控制系統(tǒng)完成導(dǎo)航、定位的主要設(shè)備?；谥悄芙K端的導(dǎo)航控制過程中，定位系統(tǒng)分為相對定位傳感器和絕對定位傳感器，前者通過慣性導(dǎo)航單元(IMU)提供相對初始狀態(tài)的位姿完成導(dǎo)航定位；后者則是以GPS為主的定位系統(tǒng)。工業(yè)機器人在實際應(yīng)用過程中，導(dǎo)航定位采用兩者結(jié)合，并且聯(lián)合數(shù)個異構(gòu)網(wǎng)絡(luò)完成[3]，因此，存在網(wǎng)絡(luò)分布不均，覆蓋不完全的情況，使機器人很難實現(xiàn)準確的導(dǎo)航控制，無法定位。孔令文等人研究基于模糊神經(jīng)網(wǎng)絡(luò)的機器人自主導(dǎo)航閉環(huán)控制方法[4]，該方法采用閉環(huán)控制方法優(yōu)化模糊控制的邏輯推理能力和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力的結(jié)合算法，實現(xiàn)導(dǎo)航控制，該方法在導(dǎo)航控制過程中，位置對準性能較差，存在機器人定位偏差現(xiàn)象；季宇寒等人研究基于激光雷達的機器人導(dǎo)航控制方法[5]，該方法采用激光雷達完成導(dǎo)航控制，并通過無線網(wǎng)絡(luò)完成數(shù)據(jù)交互，但是當(dāng)網(wǎng)絡(luò)存在盲區(qū)時，則會影響導(dǎo)航結(jié)果。

因此，本文提出基于智能終端的工業(yè)機器人導(dǎo)航交互控制，實現(xiàn)工業(yè)機器人在網(wǎng)絡(luò)存在盲區(qū)時，依舊可以完成導(dǎo)航交互控制。

2 基于智能終端的工業(yè)機器人導(dǎo)航交互控制

2.1 工業(yè)機器人導(dǎo)航交互控制系統(tǒng)原理

工業(yè)機器人的導(dǎo)航交互控制目的是實現(xiàn)機器人在多源異構(gòu)網(wǎng)絡(luò)以及復(fù)雜環(huán)境下位置以及最佳規(guī)劃路線的獲取，其控制系統(tǒng)原理結(jié)構(gòu)如圖1所示。

圖1 工業(yè)機器人導(dǎo)航交互控制系統(tǒng)原理

為獲取工業(yè)機器人在移動時的動力學(xué)模型，針對基于智能終端的工業(yè)機器人導(dǎo)航交互控制的應(yīng)用，終端相對機器人和機器人相對于世界的位姿確定是基礎(chǔ)[6]。因此，設(shè)置S、V、W分別表示智能終端坐標系、工業(yè)機器人坐標系以及世界坐標系。

由于慣性傳感器在基于智能終端的工業(yè)機器人在導(dǎo)航交互控制過程中，不確定相對工業(yè)機器人的方向，因此，需采用對準手段對智能終端的慣性傳感器實行處理，包含智能終端陀螺儀相對終端位置的偏航角測量、基于重力加速度相對世界的俯仰角和翻滾角的測量[7]。由于不確定智能終端在工業(yè)機器人上的位置，因此，需獲取智能終端相對于機器人的偏航角，其通過自動對準法完成。則單次采樣的偏航角γS-V計算公式為

(1)

式中：ezV和eyzV分別表示z軸加速度、其與y軸合成加速度；y軸經(jīng)過卡爾曼濾波后的加速度用eyKF表示，其中

向世界坐標系中投射終端坐標系和機器人坐標系，完成工業(yè)機器人在世界坐標下的動力學(xué)模型。

2.2 工業(yè)機器人定位

將低功耗藍牙無線網(wǎng)絡(luò)部署在工業(yè)機器人移動環(huán)境內(nèi)，以此獲取其位置。在復(fù)雜環(huán)境中低功耗藍牙無線網(wǎng)絡(luò)存在很大的時變性，導(dǎo)致無線信號減弱，使模型無法準確完成定位。因此，通過基于指紋數(shù)據(jù)庫的匹配定位方法完成定位，其定位過程包含離線采樣和在線定位[8]；前者將低功耗藍牙無線網(wǎng)絡(luò)獲取的主要和次要數(shù)據(jù)存儲到指紋數(shù)據(jù)庫中，同時也完成經(jīng)度和緯度的存儲；后者為獲取最接近數(shù)據(jù)，則通過數(shù)據(jù)匹配，結(jié)合基于工業(yè)機器人運動模型獲取的系統(tǒng)狀態(tài)方程和觀測方程，完成機器人目標位置獲取，其中所匹配的數(shù)據(jù)包含低功耗藍牙無線網(wǎng)絡(luò)接收的信號強度向量以及指紋庫中的數(shù)據(jù)[9]。

2.2.1 狀態(tài)方程

控制系統(tǒng)狀態(tài)方程建立的依據(jù)是工業(yè)機器人運動模型，系統(tǒng)在k時刻的運動狀態(tài)向量為

(2)

Xk+1=AXk+Wk

(3)

式中：k時刻的噪聲向量、k+1時刻狀態(tài)方程的狀態(tài)向量以及狀態(tài)轉(zhuǎn)移矩陣分別用Wk、Xk+1以及A表示。其中

(4)

式中：T表示傳感器采樣的時間間隔。

2.2.2 觀測方程

為獲取系統(tǒng)的觀測方程，將低功耗藍牙無線網(wǎng)絡(luò)以及GPS(Global Positioning System，全球定位系統(tǒng))獲得的初步位置信息作為兩組不同的觀測量[10]。該方程為

Zk=HkXk+Gk

(5)

(6)

其中

(7)

式中：k時刻加速度傳感器在智能終端坐標系下積分所得速度、智能終端羅盤輸出的磁航角、k時刻的觀測白噪聲以及k時刻觀測方程的轉(zhuǎn)移矩陣分別用uk、φ、Gk以及Hk表示。且

(8)

結(jié)合工業(yè)機器人在導(dǎo)航過程中，低功耗藍牙無線網(wǎng)絡(luò)以及全球定位系統(tǒng)觀測噪聲存在的差異[11]，將2組觀測白噪聲融入后獲取模型集，其公式為

(9)

2.3 工業(yè)機器人路徑規(guī)劃

2.3.1A*算法

路徑規(guī)劃主要目的為完成工業(yè)機器人運動模型從起點至終點路徑序列，并有效避免碰撞[12]。以定位結(jié)果為基礎(chǔ)，采用A*算法完成工業(yè)機器人導(dǎo)航交互控制的路徑規(guī)劃，路徑規(guī)劃流程如圖2所示。

圖2 路徑規(guī)劃流程

該方法在柵格地圖上實行路徑規(guī)劃過程中，需通過OPEN表和CLOSE表完成節(jié)點的擴展和最優(yōu)節(jié)點的選取。

設(shè)置h(n)、(xn，yn)以及(xT，yT)分別表示啟發(fā)式信息、當(dāng)前節(jié)點以及目標節(jié)點，且(xn，yn)和(xT，yT)之間的直線距離可用h(n)表示，因此

(10)

A*算法的工業(yè)機器人路徑規(guī)劃步驟如下所述：

1)向OPEN表和CLOSE表中分別引入起點和障礙點。

2)向CLOSE表中引入具有最小f值的節(jié)點n，并且其屬于OPEN表中。

3)對n實行判斷，分析其是否為目標節(jié)點，如果是，最優(yōu)路徑的生成則以其前向指針為依據(jù)；反之，需生成后續(xù)節(jié)點m，其通過實行擴展完成。

4)將后繼節(jié)點m返回至n的指針建立在OPEN表中，并對f(m)=g(m)+h(m)求解。

5)為確定后繼節(jié)點m是否存在OPEN表中，通過增加判斷語句完成。m在判斷失敗時，融入

OPEN表中；在判斷成功時，對較擁有不同前向指針的f(m)實行比較，將最小f(m)值保留。

6)對g(m)、f(m)和m定位前向指針實行更新。

7)根據(jù)數(shù)值的大小正序排列，并在OPEN表中重新完成f值排序，并返回步驟2)。

2.3.2 基于24鄰域擴展優(yōu)化

由于A*算法在自動完成路徑規(guī)劃過程中，會存在路徑轉(zhuǎn)折現(xiàn)象，為獲取最佳的規(guī)劃路徑，采用24鄰域擴展對其實行優(yōu)化。將A*算法原有各節(jié)點的鄰域進行擴展，使其由8個增加到24個，擴展過程為：

1)對每個輸入點的擴展點四周的24個鄰接點實行檢查，并判斷其是否可接入擴展列表以及是否在網(wǎng)格圖范圍內(nèi)。

2)當(dāng)鄰接點為內(nèi)圈點，僅判斷其是否為障礙點即可，如果不是，將其加入擴展列表；如果是，則對該鄰接點與輸入點路徑中的1～2個點實行檢查，判斷是否在CLOSE表中，以及途經(jīng)點是否在CLOSE表中。

3 實驗測試分析

選取Microsoft Visual C++6.0軟件平臺仿真某包裝工廠的環(huán)境完成本文方法的仿真。該包裝工廠仿真環(huán)境(如圖3所示)的坐標系中隨機分布多種障礙物，工業(yè)機器人的起點和終點分別為環(huán)境中的A點和B點。

圖3 仿真界面

測試本文方法在網(wǎng)絡(luò)存在覆蓋盲區(qū)情況下，是否可有效完成工業(yè)機器人導(dǎo)航交互控制，結(jié)果如圖4所示。

圖4 控制結(jié)果

根據(jù)圖4的測試可知：仿真場景中存在一個面積為15m2的圓形區(qū)域的網(wǎng)絡(luò)覆蓋盲區(qū)，本文方法控制下，工業(yè)機器人可順利由A點到達B點，實現(xiàn)正確導(dǎo)航控制，是由于本文方法是通過低功耗藍牙無線網(wǎng)絡(luò)、GPS以及慣性傳感器多種方式結(jié)合完成工業(yè)機器人導(dǎo)航交互控制，因此，在出現(xiàn)網(wǎng)絡(luò)盲區(qū)時，依舊可完成導(dǎo)航交互控制，說明本文方法的導(dǎo)航交互控制性能較好。

工業(yè)機器人在導(dǎo)航交互控制過程中路徑規(guī)劃性能決定導(dǎo)航交互的結(jié)果，測試本文方法在不同障礙物數(shù)量情況下路徑規(guī)劃所需時間的結(jié)果和三種故障數(shù)量在不同地圖大小情況下路徑規(guī)劃結(jié)果，如圖5、圖6所示。

圖6 不同地圖大小下控制耗時測試結(jié)果

根據(jù)圖5和圖6的測試結(jié)果可知：環(huán)境中障礙物數(shù)量越多，路徑規(guī)劃所需時間則越多；在相同故障條件下，地圖大小的增加，則對規(guī)劃時間不造成影響。該結(jié)果表明，地圖的大小對于工業(yè)機器人導(dǎo)航交互控制過程中的路徑規(guī)劃所需時間不存在影響，障礙物的數(shù)量則是影響路徑規(guī)劃所需時間的原因。

在仿真環(huán)境中，針對優(yōu)化前和優(yōu)化后的路徑規(guī)劃結(jié)果進行對比，對比本文方法優(yōu)化后的路徑規(guī)劃性能，結(jié)果如表1所示。

表1 優(yōu)化前后各指標對比結(jié)果

根據(jù)表1測試結(jié)果可知：優(yōu)化后，擴展節(jié)點數(shù)量的增加，會使搜索時間小幅度增加，但是僅增加0.37s，影響可忽略不計，規(guī)劃的路徑距離結(jié)果則明顯優(yōu)于優(yōu)化前的路徑規(guī)劃距離結(jié)果。說明本文方法優(yōu)化后，可明顯提升路徑規(guī)劃效果。

智能終端的慣性傳感器的對準性能與導(dǎo)航交互控制存在較大關(guān)聯(lián)性，為分析本文方法慣性傳感器的對準性能，仿真設(shè)置智能終端陀螺儀零偏穩(wěn)定性約為79(°)/h(1σ)、加速度計偏置穩(wěn)定性約為1.1mg(1σ)、磁強計磁場強度測量誤差約為79nT(1σ)，選取基于模糊神經(jīng)網(wǎng)絡(luò)的機器人自主導(dǎo)航閉環(huán)控制方法(文獻[4]方法)和基于激光雷達的巡檢機器人導(dǎo)航控制方法(文獻[5]方法)，作為本文方法的對比方法，統(tǒng)計三種方法對于智能終端工業(yè)機器人導(dǎo)航交互控制的偏航角、俯仰角和翻滾角的計算結(jié)果，如表2所示。

表2 不同方法的指標對比

根據(jù)表2的測試結(jié)果可知：偏航角、俯仰角和翻滾角的計算結(jié)果中，本文方法的均值和方差均為最佳，明顯優(yōu)于兩種對比方法。說明本文方法的慣性傳感器的對準性能優(yōu)于兩種對比方法。

4 結(jié)論

本文研究基于智能終端的工業(yè)機器人導(dǎo)航交互控制方法，用于完成工業(yè)機器人的導(dǎo)航交互控制。經(jīng)多方面測試得出：本文方法可在障礙物數(shù)量較多的作業(yè)環(huán)境中有效完成導(dǎo)航交互控制，并且對路徑規(guī)劃優(yōu)化后，可有效縮短路徑路程，具備智能終端慣性傳感器的對準性能，說明本文方法適用于工業(yè)機器人導(dǎo)航交互控制。

本文方法在具備上述方面的創(chuàng)新和優(yōu)勢的同時，也存在一些不足，下一步的工作將針對以下幾方面進行深入研究：

1)在導(dǎo)航交互過程中，將針對工業(yè)機器人在移動過程中的最佳位姿展開研究，增強機器人的控制效果。

2)將預(yù)測系統(tǒng)引入導(dǎo)航控制中，實現(xiàn)規(guī)劃路徑的到達時間預(yù)測，制定最佳路程方案。

3)針對不同噪聲環(huán)境下導(dǎo)航交互控制結(jié)果進行測試，提升本文方法的多環(huán)境應(yīng)用性能。