農(nóng)業(yè)采摘機(jī)械臂軌跡跟蹤控制

李亞飛

(西南交通大學(xué)希望學(xué)院,四川 成都 610400)

0 引言

機(jī)械臂作為一種新興的輔助人力進(jìn)行作業(yè)的執(zhí)行機(jī)構(gòu)，在工程機(jī)械焊接、汽車零部件裝配、農(nóng)業(yè)果園采摘生產(chǎn)、零部件機(jī)加工、大型設(shè)備整機(jī)涂裝等領(lǐng)域應(yīng)用廣泛。機(jī)械臂通過控制系統(tǒng)對(duì)驅(qū)動(dòng)它運(yùn)動(dòng)的電動(dòng)機(jī)進(jìn)行控制，完成多自由度的運(yùn)動(dòng)，這些控制系統(tǒng)可通過多種算法進(jìn)行運(yùn)算，常見的算法有模糊控制、自適應(yīng)控制、柔性算法控制、剛性算法控制和分段控制等。實(shí)際應(yīng)用表明，這些算法能在一定程度上提高機(jī)械臂的控制精度。

為了提高機(jī)械臂的控制精度，國(guó)內(nèi)的專家學(xué)者對(duì)機(jī)械臂的控制方法進(jìn)行了大量的研究，徐寶珍等[1]通過終端滑膜技術(shù)對(duì)工業(yè)領(lǐng)域應(yīng)用的機(jī)械臂控制方法進(jìn)行研究，通過自適應(yīng)控制方法實(shí)現(xiàn)了對(duì)機(jī)械臂執(zhí)行機(jī)構(gòu)的有效控制，控制精度與改善前相比也有了較大幅度的提升;張磊等[2]為了對(duì)焊接機(jī)器人的機(jī)械臂進(jìn)行精準(zhǔn)控制，通過MATLAB對(duì)建立的機(jī)械臂仿真模型進(jìn)行軌跡模擬，通過自適應(yīng)技術(shù)對(duì)機(jī)械臂末端的焊接執(zhí)行裝置進(jìn)行控制，研究表明該算法能有效提供機(jī)械臂的焊接精度和穩(wěn)定性；蔡軍等[3]為了探索柔性部件的控制方法，在實(shí)驗(yàn)室中通過仿真軟件和建模軟件對(duì)機(jī)械臂的柔性迭代控制算法進(jìn)行模擬，為今后在實(shí)驗(yàn)室開展柔性部件的控制算法提供方法借鑒；席寶成等[4]對(duì)軍工領(lǐng)域的機(jī)械臂進(jìn)行研究，為了提高軍事裝備中傳送彈藥機(jī)械臂的穩(wěn)定性，通過模糊控制算法中的分段PD算法對(duì)其運(yùn)行軌跡進(jìn)行研究，該算法的加入使得軍事裝備的穩(wěn)定性得到明顯改善；浙江工業(yè)大學(xué)的丁科新[5]通過函數(shù)算法對(duì)工業(yè)機(jī)械臂的運(yùn)行軌跡進(jìn)行規(guī)劃和控制，通過模擬不同工況條件下機(jī)械臂的軌跡方向，不斷改善函數(shù)的算法，提高了對(duì)機(jī)械臂的控制能力；顏廷闊[6]針對(duì)現(xiàn)代裝備制造領(lǐng)域的機(jī)械臂運(yùn)行軌跡進(jìn)行預(yù)測(cè)，通過建立數(shù)學(xué)模型，預(yù)測(cè)機(jī)械臂的運(yùn)行軌跡，通過控制算法對(duì)其軌跡進(jìn)行規(guī)劃，以提高其控制精度；孫軍等[7]通過LABVIEW等仿真軟件對(duì)機(jī)械臂的軌跡進(jìn)行規(guī)劃研究，通過訓(xùn)練算法模型，提高控制的精度，為改善機(jī)械臂的控制穩(wěn)定性提供參考；北京郵電大學(xué)的黃飛[8]對(duì)剛性機(jī)械臂進(jìn)行軌跡規(guī)劃，建立了六自由度機(jī)械臂的仿真模型，通過算法對(duì)其進(jìn)行控制，通過改善算法提高對(duì)機(jī)械臂末端執(zhí)行機(jī)構(gòu)的控制穩(wěn)定性。

上面研究了國(guó)內(nèi)各行業(yè)應(yīng)用的機(jī)械臂控制方法，但是，農(nóng)業(yè)采摘機(jī)械臂與工業(yè)中應(yīng)用的焊接機(jī)械臂和汽車零部件裝配機(jī)械臂作業(yè)工況差異很大[9]。焊接機(jī)械臂和汽車零部件裝配機(jī)械臂等工業(yè)中應(yīng)用的機(jī)械臂抓取的物體是固定的或者是結(jié)構(gòu)化的，且作業(yè)環(huán)境也是結(jié)構(gòu)化的。但是，農(nóng)業(yè)采摘機(jī)械臂在運(yùn)動(dòng)過程中由于采摘物重力不同、形狀不一致、空間分布無規(guī)則、現(xiàn)場(chǎng)應(yīng)用環(huán)境非結(jié)構(gòu)化等因素的影響，容易出現(xiàn)抖動(dòng)、采摘效率低等問題[10]。因此，需要控制系統(tǒng)通過算法提前模擬機(jī)械臂在不同影響因素下的運(yùn)行軌跡，或者通過算法和函數(shù)等手段對(duì)其運(yùn)動(dòng)軌跡進(jìn)行規(guī)劃。

果園的蘋果空間分布不規(guī)則，果園環(huán)境非結(jié)構(gòu)化導(dǎo)致通過算法進(jìn)行機(jī)械臂采摘軌跡規(guī)劃時(shí)效率較低，仿真模型的網(wǎng)格不易收斂。為提高機(jī)械臂采摘運(yùn)動(dòng)軌跡規(guī)劃的效率，改善原有算法存在的弊端，本研究以果園的蘋果采摘機(jī)械臂為研究對(duì)象，通過基于深度梯度控制算法的分步空間約束策略和分步遷移算法對(duì)其在工作條件下的運(yùn)行軌跡進(jìn)行規(guī)劃分析，并且通過CoppeliaSim軟件進(jìn)行仿真分析，以驗(yàn)證改善后算法的有效性。

1 機(jī)械臂軌跡規(guī)劃原理

利用機(jī)械臂對(duì)果園中的蘋果進(jìn)行自動(dòng)化采摘時(shí)會(huì)遇到兩方面的問題：①蘋果的位置分布是無規(guī)則的，屬于非結(jié)構(gòu)化的三維空間排布；②機(jī)械臂在采摘蘋果時(shí)，由于樹枝和綠葉的遮擋，使得機(jī)械臂的采摘難度進(jìn)一步加大。

這兩個(gè)問題體現(xiàn)在機(jī)械臂采摘軌跡規(guī)劃數(shù)值模擬時(shí)，就演變成了另外兩個(gè)問題：①由于蘋果所處位置的無規(guī)則分布使得在進(jìn)行軌跡規(guī)劃數(shù)值模擬時(shí)模型網(wǎng)格不易收斂，需要增加求解步數(shù)，降低了運(yùn)算效率；②由于樹枝和綠葉的遮擋作用，使得機(jī)械臂在采摘時(shí)還需躲避枝葉等障礙物，仿真搭建場(chǎng)景的難度進(jìn)一步加大，運(yùn)算時(shí)間更長(zhǎng)。為解決上述問題，本研究分別提出了兩個(gè)對(duì)應(yīng)的解決措施：基于深度梯度控制算法的分步空間約束策略和分步遷移策略。

1.1 基于深度梯度控制算法的分步空間約束策略

針對(duì)蘋果所處位置無規(guī)則分布的問題，在進(jìn)行軌跡規(guī)劃模擬時(shí)引入空間平面約束，以降低采摘軌跡的場(chǎng)景復(fù)雜狀況。在原有深度梯度控制算法的基礎(chǔ)上，增加分步式空間平面約束，仿真模型依然采用原來的模型，只是在模型的仿真空間中增加平面約束，有效保證了仿真模型的一致性。

基于深度梯度控制算法的分步空間約束控制策略的原理是：首先在建立空間平面約束的模型中進(jìn)行機(jī)械臂采摘的軌跡規(guī)劃，得出有效的參數(shù)后，然后再以有空間平面約束模型作為無空間約束平面模型的初始參數(shù)進(jìn)行模擬。這樣既縮短了模擬運(yùn)算的時(shí)間，又保證了模擬的準(zhǔn)確性。相當(dāng)于將一個(gè)復(fù)雜空間采摘運(yùn)算過程拆分為兩個(gè)有先后順序的簡(jiǎn)單運(yùn)算過程，這就是分步空間約束控制策略的工作原理及核心思想。建立的有空間平面約束的機(jī)械臂采摘模型如圖1所示，去掉空間平面約束的機(jī)械臂采摘模型如圖2所示。先在圖1中搭建蘋果所處的空間平面，模擬機(jī)械臂在這個(gè)平面進(jìn)行采摘時(shí)的軌跡規(guī)劃，得到關(guān)鍵參數(shù)結(jié)果后，再以其作為無空間平面約束模型的初始參數(shù)，在圖2中進(jìn)行全空間采摘蘋果的軌跡規(guī)劃。

圖1 有空間平面約束的機(jī)械臂采摘模型

圖2 無空間平面約束的機(jī)械臂采摘模型

1.2 基于深度梯度控制算法的分步遷移策略

為解決由于樹枝和綠葉的遮擋作用，使得機(jī)械臂在進(jìn)行采摘軌跡規(guī)劃時(shí)還需躲避障礙物，導(dǎo)致非結(jié)構(gòu)化應(yīng)用環(huán)境下模擬運(yùn)算效率較低的問題，提出基于深度梯度控制算法的分步遷移策略。

分步遷移策略是在原有深度梯度控制算法的基礎(chǔ)上提出的，它將非結(jié)構(gòu)化應(yīng)用環(huán)境這個(gè)復(fù)雜的模擬場(chǎng)景進(jìn)行拆分，通過三步法實(shí)現(xiàn)果園的非結(jié)構(gòu)化場(chǎng)景搭建。原有的深度梯度控制算法在處理非結(jié)構(gòu)化應(yīng)用環(huán)境時(shí)也可以進(jìn)行求解，完成機(jī)械臂的采摘運(yùn)動(dòng)軌跡規(guī)劃。但是，這個(gè)規(guī)劃的軌跡精度較低，抗干擾能力較差，而且模型需要增加大量的運(yùn)算步數(shù)才能完成求解。

分步遷移策略的三步法分別為無枝葉結(jié)構(gòu)化場(chǎng)景搭建、單一枝葉結(jié)構(gòu)化場(chǎng)景搭建和混合枝葉場(chǎng)景搭建。首先在無枝葉無障礙結(jié)構(gòu)化場(chǎng)景中搭建運(yùn)算模型進(jìn)行軌跡規(guī)劃，然后將求解結(jié)果遷移到單一枝葉單一障礙結(jié)構(gòu)化場(chǎng)景中進(jìn)行求解運(yùn)算，最后，將單一枝葉單一障礙結(jié)構(gòu)化場(chǎng)景中求得的解遷移到混合枝葉場(chǎng)景中進(jìn)行機(jī)械臂采摘過程的軌跡規(guī)劃運(yùn)算。

分步遷移策略的核心思想是將一個(gè)復(fù)雜的求解過程簡(jiǎn)化為三個(gè)由簡(jiǎn)單到復(fù)雜的結(jié)構(gòu)化求解過程，雖然機(jī)械臂的采摘軌跡規(guī)劃分三次進(jìn)行運(yùn)算，但是三次的總時(shí)長(zhǎng)也比原有算法的求解時(shí)間短，而且軌跡規(guī)劃的精度也比原有算法更高。分步遷移策略流程如圖3所示。

圖3 分步遷移策略流程

2 機(jī)械臂分步空間約束仿真分析

為了驗(yàn)證基于深度梯度控制算法的分步空間約束控制策略的有效性，利用CoppeliaSim軟件對(duì)機(jī)械臂的采摘軌跡進(jìn)行規(guī)劃仿真。本研究設(shè)計(jì)的仿真實(shí)驗(yàn)共有7個(gè)工況，前3個(gè)工況分別為在空間中建立3個(gè)不同的約束平面，第4個(gè)～6個(gè)工況為在完成前3個(gè)工況的預(yù)運(yùn)算模型上進(jìn)行采摘的工況，第7個(gè)工況為無空間平面約束即實(shí)際的蘋果采摘工況的基準(zhǔn)模型，通過這些工況來驗(yàn)證分步空間約束的優(yōu)勢(shì)。

另外，在進(jìn)行數(shù)值模擬之前，需要對(duì)建立的蘋果機(jī)械臂采摘模型進(jìn)行簡(jiǎn)化，在實(shí)際采摘過程中起阻礙作用的主要是樹枝，而葉片對(duì)采摘的影響較小，為了提高軌跡規(guī)劃的效率，可將葉片進(jìn)行省略，這樣既簡(jiǎn)化了模型，又不會(huì)對(duì)軌跡規(guī)劃的精度產(chǎn)生較大的影響。

在進(jìn)行模擬前，需設(shè)定計(jì)算步數(shù)即數(shù)據(jù)的迭代次數(shù)，經(jīng)過前期的探索，最終確定采用5 000步的迭代次數(shù)，此時(shí)，數(shù)值模擬結(jié)果顯示均能收斂，工況間也具有可比性。為了對(duì)模擬結(jié)果進(jìn)行定性和定量分析，引入獎(jiǎng)勵(lì)值這個(gè)評(píng)價(jià)指標(biāo)，獎(jiǎng)勵(lì)值越趨近于零，軌跡規(guī)劃越精確，收斂性越好。

圖4為3個(gè)空間約束平面下獎(jiǎng)勵(lì)值隨迭代次數(shù)的變化趨勢(shì)，圖5為預(yù)運(yùn)算后3個(gè)約束空間采摘工況以及無空間約束工況下獎(jiǎng)勵(lì)值隨迭代次數(shù)的變化趨勢(shì)。從圖4可以看出：隨迭代次數(shù)的增加獎(jiǎng)勵(lì)值越大，越趨近于零；當(dāng)?shù)螖?shù)達(dá)到3 500次以上時(shí)，曲線運(yùn)行平穩(wěn)，說明軌跡規(guī)劃的運(yùn)算已經(jīng)基本收斂。

圖4 3個(gè)空間約束平面下獎(jiǎng)勵(lì)值隨迭代次數(shù)的變化趨勢(shì)

從圖5中可以看出：隨迭代次數(shù)的增加，獎(jiǎng)勵(lì)值運(yùn)行曲線逐漸運(yùn)行平穩(wěn)；在2 500次左右時(shí)，4個(gè)工況的曲線就基本運(yùn)行平穩(wěn)了。

圖5 預(yù)運(yùn)算后空間采摘工況獎(jiǎng)勵(lì)值隨迭代次數(shù)的變化趨勢(shì)

對(duì)比圖4和圖5可以看出：約束平面1在預(yù)運(yùn)算前獎(jiǎng)勵(lì)值的初始值為-1.18，經(jīng)過預(yù)運(yùn)算后獎(jiǎng)勵(lì)值的初始值達(dá)到了-0.7；約束平面2在預(yù)運(yùn)算前獎(jiǎng)勵(lì)值的初始值為-1.3，經(jīng)過預(yù)運(yùn)算后獎(jiǎng)勵(lì)值的初始值達(dá)到了-0.97；約束平面3在預(yù)運(yùn)算前獎(jiǎng)勵(lì)值的初始值為-1.22，經(jīng)過預(yù)運(yùn)算后獎(jiǎng)勵(lì)值的初始值達(dá)到了-1.02；原有無空間約束平面的采摘工況下獎(jiǎng)勵(lì)值為-1.3，明顯低于經(jīng)過預(yù)運(yùn)算后的3個(gè)工況。與進(jìn)行預(yù)運(yùn)算前相比，經(jīng)過預(yù)運(yùn)算后的3個(gè)工況達(dá)到收斂時(shí)的迭代次數(shù)明顯減少。研究表明：分步空間約束策略的提出及應(yīng)用，顯著提高了機(jī)械臂軌跡規(guī)劃的效率。

3 結(jié)論

為解決蘋果采摘機(jī)械臂由于采摘物重力不同、形狀不一、現(xiàn)場(chǎng)應(yīng)用環(huán)境非結(jié)構(gòu)化、空間分布無規(guī)則等因素的影響，容易出現(xiàn)的軌跡規(guī)劃運(yùn)算效率低、不易收斂等問題，通過分步遷移控制策略和分步空間約束策略對(duì)其運(yùn)行軌跡進(jìn)行規(guī)劃模擬。通過基于深度梯度控制算法的分步空間約束和分步遷移控制策略解決非結(jié)構(gòu)化場(chǎng)景和蘋果分步無規(guī)則的問題，然后利用CoppeliaSim軟件對(duì)機(jī)械臂的采摘軌跡進(jìn)行規(guī)劃仿真。本研究得出以下結(jié)論：

(1) 分步空間約束策略的提出及應(yīng)用，顯著提高了機(jī)械臂軌跡規(guī)劃的效率。

(2) 仿真結(jié)果驗(yàn)證了分步遷移控制策略的軌跡跟蹤有效性。