基于人工智能技術(shù)的無人機(jī)機(jī)械臂自動(dòng)控制系統(tǒng)

盛松梅

(蘇州高博軟件技術(shù)職業(yè)學(xué)院，江蘇 蘇州 215163)

伴隨著機(jī)械臂的廣泛普及，如何對(duì)機(jī)械臂進(jìn)行自動(dòng)控制已成為一個(gè)亟待解決的問題[1-3]。無論是生活還是生產(chǎn)，不同的環(huán)境有不同的影響因素，這對(duì)于機(jī)械臂自動(dòng)控制的效果也存在一定的影響。因此如何對(duì)無人機(jī)機(jī)械臂進(jìn)行高效的自動(dòng)控制已經(jīng)成為業(yè)界研究的熱點(diǎn)，但是在機(jī)械臂自動(dòng)控制過程中還存在一些不足之處，如董玉明等[4]提出的基于自適應(yīng)滑模的移動(dòng)機(jī)械臂跟蹤控制系統(tǒng)，缺乏對(duì)非線性系統(tǒng)的考慮；于樹友等[5]提出的基于三步法的機(jī)械臂軌跡跟蹤控制系統(tǒng)，控制系統(tǒng)過于復(fù)雜，不切合實(shí)際應(yīng)用，無法滿足行業(yè)對(duì)無人機(jī)機(jī)械臂的自動(dòng)控制需求。因此需在這些研究的基礎(chǔ)上不斷完善，創(chuàng)建出新的控制系統(tǒng)。

目前，人工智能是最具應(yīng)用前景的控制手段之一[6]，其具備成本低、操作簡(jiǎn)單、功耗小等優(yōu)勢(shì)，且控制穩(wěn)定性高，能降低環(huán)境因素對(duì)控制效果造成的影響[7-8]，因此本文提出基于人工智能技術(shù)的無人機(jī)機(jī)械臂自動(dòng)控制系統(tǒng)。

1 基于人工智能技術(shù)的無人機(jī)機(jī)械臂自動(dòng)控制系統(tǒng)

1.1 系統(tǒng)整體結(jié)構(gòu)

機(jī)械臂自動(dòng)控制系統(tǒng)的設(shè)計(jì)目的是對(duì)機(jī)械臂的運(yùn)動(dòng)軌跡進(jìn)行有效追蹤。系統(tǒng)主要由4個(gè)關(guān)鍵部分構(gòu)成：STM32控制核心板、驅(qū)動(dòng)器、機(jī)械臂本體、采集模塊，其中采集模塊由光電編碼器和采樣電阻構(gòu)成。系統(tǒng)整體結(jié)構(gòu)如圖1所示。從系統(tǒng)整體結(jié)構(gòu)可見，從機(jī)械臂本體收集到的位置、轉(zhuǎn)速和電樞電流等信息通過采集模塊的光電編碼器和采樣電阻轉(zhuǎn)化為編碼脈沖和電壓[9]。STM32控制核心板通過編碼器模式和ADC/DMA收集各種信息，利用模糊神經(jīng)網(wǎng)絡(luò)控制算法獲得期望軌跡偏差信息，并通過驅(qū)動(dòng)器對(duì)誤差量減小的PWM波進(jìn)行輸出，驅(qū)動(dòng)機(jī)械臂完成機(jī)械臂協(xié)調(diào)控制。

圖1 系統(tǒng)整體結(jié)構(gòu)

1.2 驅(qū)動(dòng)器

系統(tǒng)中的驅(qū)動(dòng)器由主機(jī)、接口、ROM盤、RAM4個(gè)關(guān)鍵部分組成，驅(qū)動(dòng)器結(jié)構(gòu)如圖2所示。

圖2 驅(qū)動(dòng)器結(jié)構(gòu)框圖

1)光頭是該驅(qū)動(dòng)器的核心部分[10]，其主要作用是將投射到光盤上的激光，利用光電編碼器轉(zhuǎn)換成電信號(hào)。

2)聚焦、道跟蹤和定位伺服的主要作用是讓激光束上的聚點(diǎn)落在光盤上。

3)CLV控制。由于ROM盤的旋轉(zhuǎn)具有固定的線性速度，因此對(duì)驅(qū)動(dòng)電機(jī)的速度要求極高，需根據(jù)光頭的位置進(jìn)行調(diào)節(jié)。

4)EFM解調(diào)。EFM數(shù)字信號(hào)有多種稱呼，如HP(highfrequency)信號(hào)、RF(radio-frequency)信號(hào)和EFM信號(hào)。恢復(fù)數(shù)字信號(hào)主要利用HF信號(hào)，因?yàn)榇诵盘?hào)恢復(fù)操作相對(duì)簡(jiǎn)單。

1.3 定時(shí)器

圖3為定時(shí)器模塊結(jié)構(gòu)圖。該模塊主要工作原理是利用數(shù)字處理器的應(yīng)用特性接收控制命令，在內(nèi)部控制下產(chǎn)生符合控制命令要求的數(shù)據(jù)信息，并產(chǎn)生數(shù)字中頻和頻率源，通過發(fā)射機(jī)、接收通道、天線控制器進(jìn)行控制命令定時(shí)輸出，完成對(duì)機(jī)械臂運(yùn)動(dòng)控制命令的準(zhǔn)確實(shí)時(shí)傳輸。

圖3 定時(shí)器模塊結(jié)構(gòu)圖

1.4 光電編碼器

光電編碼器整體結(jié)構(gòu)如圖4所示。如圖所示，該光電編碼器的核心部分是2812芯片，主要用于接收運(yùn)動(dòng)信息并實(shí)時(shí)存儲(chǔ)；當(dāng)A/D轉(zhuǎn)換器需要運(yùn)動(dòng)信息時(shí)，提取接收信息，A/D轉(zhuǎn)換器提取信息這一步驟對(duì)整個(gè)運(yùn)動(dòng)信息的輸入輸出控制至關(guān)重要。編碼器的關(guān)鍵部分是光柵[11]，光柵主要由多條碼道組合而成，類似光盤。串行輸出器接口選用規(guī)定格式接口422A，利用差分模式進(jìn)行輸出。外采樣主要提供所需的輸入脈沖模式。模擬信號(hào)通過A/D轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字信號(hào)。

圖4 光電編碼器整體結(jié)構(gòu)圖

1.5 基于模糊神經(jīng)網(wǎng)絡(luò)的機(jī)械臂控制方法

模糊神經(jīng)網(wǎng)絡(luò)將模糊理論特點(diǎn)和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)結(jié)合起來，可以更好地控制無人機(jī)機(jī)械臂的運(yùn)行軌跡[12]。由于無人機(jī)機(jī)械臂設(shè)計(jì)系統(tǒng)具有關(guān)聯(lián)度高、非線性屬性等特點(diǎn)[13]，因此本文綜合神經(jīng)網(wǎng)絡(luò)特點(diǎn)和動(dòng)力學(xué)模型優(yōu)勢(shì)，設(shè)計(jì)系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)，如圖5所示。圖中：z0d和z2d分別為關(guān)節(jié)1和關(guān)節(jié)2的模糊子集的基本論域，h0為誤差變量的基本論域，h1為控制量的基本論域，e1、e2、e3分別為關(guān)節(jié)1、關(guān)節(jié)2、關(guān)節(jié)3的模糊量，ke1和ke3分別為關(guān)節(jié)1和關(guān)節(jié)3的誤差量化因子，kec1和kec3分別為關(guān)節(jié)1和關(guān)節(jié)3的誤差變化的量化因子，kn1和kn3分別為關(guān)節(jié)1和關(guān)節(jié)3的比例因子，1x1和1x2分別為關(guān)節(jié)1和關(guān)節(jié)2的誤差的基本論域，3x1為關(guān)節(jié)1的誤差變化的基本論域，3x2為關(guān)節(jié)2的誤差變化的基本論域。

圖5 模糊神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)

設(shè)z1為關(guān)節(jié)1的轉(zhuǎn)角角度，z2為關(guān)節(jié)2的轉(zhuǎn)角角度。在對(duì)無人機(jī)機(jī)械臂進(jìn)行自動(dòng)控制時(shí)，由于系統(tǒng)參數(shù)不固定影響運(yùn)動(dòng)軌跡的追蹤控制，因此通過控制無人機(jī)機(jī)械臂的參數(shù)，有助于對(duì)機(jī)械臂的運(yùn)動(dòng)過程進(jìn)行穩(wěn)定追蹤[14]。模糊神經(jīng)網(wǎng)絡(luò)控制中，將無人機(jī)機(jī)械臂的載體姿態(tài)角n和機(jī)械臂關(guān)節(jié)角m的期望運(yùn)動(dòng)角度，與其對(duì)機(jī)械臂的影響因素相乘，最終獲取的論域作為模糊神經(jīng)網(wǎng)絡(luò)的輸入論域，經(jīng)過以上運(yùn)算可得輸入信息為kxi(k=1,2,3;i=1,2)。模糊神經(jīng)網(wǎng)絡(luò)的輸出信號(hào)為yi(i=1,2,3)，根據(jù)機(jī)械臂本身的計(jì)算獲得比例因素，并計(jì)算控制力矩hi(i=0,1,2)。

本文利用無人機(jī)機(jī)械臂自身的特性，結(jié)合動(dòng)力學(xué)知識(shí)對(duì)機(jī)械臂進(jìn)行控制。系統(tǒng)中對(duì)運(yùn)動(dòng)位置的控制主要通過安裝的3個(gè)控制器實(shí)現(xiàn)，每個(gè)關(guān)節(jié)的控制器用神經(jīng)網(wǎng)絡(luò)中3個(gè)子網(wǎng)進(jìn)行表達(dá)。無人機(jī)機(jī)械臂運(yùn)動(dòng)軌跡跟蹤控制的具體結(jié)構(gòu)用5層子網(wǎng)進(jìn)行表達(dá)，并對(duì)具體子網(wǎng)進(jìn)行參數(shù)化設(shè)計(jì)。

第1層是神經(jīng)網(wǎng)絡(luò)的輸入層，其中的每一個(gè)交接點(diǎn)都與之前的輸入值存在關(guān)聯(lián)。6個(gè)輸入構(gòu)成1個(gè)輸入層，每2個(gè)輸入組成1組，共組成3組，每1組對(duì)應(yīng)1個(gè)子網(wǎng)，因此每個(gè)子網(wǎng)都有2個(gè)輸入，具體表達(dá)式如下：

(1)

第2層的每個(gè)交接點(diǎn)都有其固定的模糊語言表現(xiàn)形式，如大于、小于、零等。通過模糊語言計(jì)算得到每個(gè)輸入分量的隸屬度函數(shù)ukAij(kxi)，利用小數(shù)目函數(shù)的形式可以將其表示為：

(2)

式中：ψ(x)為模糊集合；x為模糊要素。

第2層網(wǎng)絡(luò)的輸入輸出關(guān)系為：

(3)

第3層是通過有固定規(guī)律的每個(gè)交接點(diǎn)計(jì)算該層各交接點(diǎn)的適用性。其計(jì)算公式為：

(4)

第4層是去模糊化，主要計(jì)算各子網(wǎng)的輸出：

(5)

第5層是整個(gè)系統(tǒng)的輸出層，可以表示為機(jī)械臂和其中的關(guān)節(jié)耦合，數(shù)學(xué)表達(dá)式為：

(6)

對(duì)于無人機(jī)機(jī)械臂的控制，主要是計(jì)算無人機(jī)機(jī)械臂載體姿態(tài)、機(jī)械臂關(guān)節(jié)角的角度誤差和角速度誤差[15]，并對(duì)所得誤差的結(jié)果進(jìn)行輸入。然后設(shè)計(jì)無人機(jī)機(jī)械臂參數(shù)，獲取其期望值與實(shí)際輸出值。結(jié)合上述計(jì)算結(jié)果和參數(shù)化設(shè)計(jì)得出誤差的規(guī)律，確定無人機(jī)機(jī)械臂的運(yùn)動(dòng)軌跡期望位置為：

(7)

式中：q為運(yùn)動(dòng)期望位置；qend和qbegin分別為運(yùn)動(dòng)的結(jié)束位置和開始位置；t1和t2分別為開始和結(jié)束的延時(shí)時(shí)間；t為運(yùn)動(dòng)時(shí)間。

2 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證基于人工智能技術(shù)的無人機(jī)機(jī)械臂自動(dòng)控制系統(tǒng)(簡(jiǎn)稱本文系統(tǒng))的有效性，通過模擬實(shí)驗(yàn)進(jìn)行仿真分析，將本文系統(tǒng)與基于自適應(yīng)滑模的移動(dòng)機(jī)械臂跟蹤控制系統(tǒng)(文獻(xiàn)[4]系統(tǒng))和基于三步法的機(jī)械臂軌跡跟蹤控制系統(tǒng)(文獻(xiàn)[5]系統(tǒng))對(duì)無人機(jī)機(jī)械臂的控制效果進(jìn)行對(duì)比分析。

首先，選取機(jī)械臂關(guān)節(jié)角m1和m2作為實(shí)驗(yàn)對(duì)象，統(tǒng)計(jì)3種系統(tǒng)控制下關(guān)節(jié)角運(yùn)動(dòng)軌跡，結(jié)果如圖6所示。從圖6中可以看出，在不同關(guān)節(jié)角的偏差角度對(duì)比測(cè)試中，本文系統(tǒng)控制下的關(guān)節(jié)角偏差角度相比于其他兩種系統(tǒng)偏差角度小。關(guān)節(jié)角m1的偏差角度最大不超過1.0 rad，關(guān)節(jié)角m2的偏差角度最大不超過2.5 rad。證明本文系統(tǒng)的無人機(jī)機(jī)械臂關(guān)節(jié)角自動(dòng)控制的效果較好，偏差較小。

圖6 關(guān)節(jié)角偏差對(duì)比圖

本文系統(tǒng)主要對(duì)運(yùn)動(dòng)過程進(jìn)行穩(wěn)定追蹤并實(shí)施控制，根據(jù)神經(jīng)網(wǎng)絡(luò)和隸屬度函數(shù)對(duì)機(jī)械臂運(yùn)動(dòng)過程中的姿態(tài)角n進(jìn)行計(jì)算，并與實(shí)際運(yùn)動(dòng)過程中的姿態(tài)角n進(jìn)行計(jì)算對(duì)比，結(jié)果如圖7所示。從圖7中可以看出，本文系統(tǒng)控制下的姿態(tài)角軌跡與期望軌跡相差不大，原因在于本文系統(tǒng)基于神經(jīng)網(wǎng)絡(luò)的控制特性能夠避免系統(tǒng)外部環(huán)境的干擾及未確定因素的影響，實(shí)現(xiàn)對(duì)期望姿態(tài)軌跡穩(wěn)定控制跟蹤，使其控制效果與理想控制效果相差不大，保證其跟蹤控制準(zhǔn)確性。

圖7 機(jī)械臂姿態(tài)角軌跡跟蹤控制結(jié)果

其次，對(duì)3種系統(tǒng)控制下無人機(jī)機(jī)械臂的振動(dòng)幅度、時(shí)間及超調(diào)量指標(biāo)進(jìn)行估計(jì)比較，結(jié)果見表1。由表可知，在前3階振動(dòng)模態(tài)幅值中可以看出,本文系統(tǒng)的振動(dòng)模態(tài)幅值低于其他兩種系統(tǒng)，且差距不大；本文系統(tǒng)上升時(shí)間為0.523 s，與其他兩種系統(tǒng)相比，上升時(shí)間較短；穩(wěn)定時(shí)間上，本文系統(tǒng)為0.898 s，由此證明本文系統(tǒng)穩(wěn)定時(shí)間長(zhǎng)，穩(wěn)定效果較好；在超調(diào)量方面，文獻(xiàn)[4]系統(tǒng)和文獻(xiàn)[5]系統(tǒng)的超調(diào)量均遠(yuǎn)大于本文系統(tǒng)。根據(jù)理論知識(shí)可知，當(dāng)超調(diào)量大于2%時(shí)，機(jī)械臂的控制效果將很不穩(wěn)定，證明采用本文系統(tǒng)控制機(jī)械臂更具優(yōu)勢(shì)。

表1 振動(dòng)幅度和時(shí)域控制指標(biāo)對(duì)比

再次，在不同的測(cè)試參數(shù)下，觀察本文系統(tǒng)的響應(yīng)情況，以驗(yàn)證本文系統(tǒng)的無人機(jī)機(jī)械臂自動(dòng)控制效果。實(shí)驗(yàn)主要對(duì)模型參數(shù)子網(wǎng)面積增加和減少的情況進(jìn)行比較，結(jié)果如圖8所示。當(dāng)縱坐標(biāo)的數(shù)值超過0.1時(shí)，系統(tǒng)為超調(diào)狀態(tài)。由圖8可以看出，當(dāng)子網(wǎng)面積減少50%時(shí)，3種系統(tǒng)都沒有超調(diào)，但本文系統(tǒng)比其他兩種系統(tǒng)提前達(dá)到穩(wěn)定狀態(tài)，證明本文系統(tǒng)控制效果更好。當(dāng)子網(wǎng)面積增加50%時(shí)，文獻(xiàn)[4]系統(tǒng)和文獻(xiàn)[5]系統(tǒng)均產(chǎn)生超調(diào)，調(diào)節(jié)過程的波動(dòng)較大，本文系統(tǒng)未產(chǎn)生控制量超調(diào)現(xiàn)象，并且相比于其他兩種系統(tǒng)達(dá)到穩(wěn)定狀態(tài)所消耗的時(shí)間更少。此實(shí)驗(yàn)證明本文系統(tǒng)的應(yīng)用效果較好，受參數(shù)變動(dòng)影響小，對(duì)無人機(jī)機(jī)械臂能起到更好的自動(dòng)控制效果。

圖8 不同參數(shù)情況下的響應(yīng)曲線

3 結(jié)束語

伴隨人工智能技術(shù)的迅速發(fā)展，機(jī)械的自動(dòng)控制迎來黃金發(fā)展期。本文針對(duì)無人機(jī)機(jī)械臂自動(dòng)控制效果不理想的情況，設(shè)計(jì)了基于人工智能技術(shù)的無人機(jī)機(jī)械臂自動(dòng)控制系統(tǒng)。本文設(shè)計(jì)的系統(tǒng)解決了傳統(tǒng)系統(tǒng)對(duì)于機(jī)械臂控制無法實(shí)現(xiàn)自動(dòng)控制的問題，并且在很大程度上提高了機(jī)械臂的自動(dòng)控制效果，為使用者自動(dòng)控制機(jī)械臂提供了便利。實(shí)驗(yàn)表明，采用該系統(tǒng)對(duì)機(jī)械臂進(jìn)行自動(dòng)控制時(shí)不僅操作簡(jiǎn)單、跟蹤準(zhǔn)確、受環(huán)境影響小，有良好的運(yùn)動(dòng)軌跡控制能力，且控制器具有較強(qiáng)的學(xué)習(xí)能力。由于人工智能在無人機(jī)機(jī)械臂自動(dòng)控制系統(tǒng)的應(yīng)用剛剛起步，如何在此基礎(chǔ)上結(jié)合具體應(yīng)用從多角度、多方位豐富控制系統(tǒng)，解決因自動(dòng)控制效果不理想影響使用效果的問題，值得進(jìn)一步研究。