多傳感器信息融合技術(shù)在機(jī)器人中的應(yīng)用研究

田亞娟，付大平，伍世輝

（1.廣東松山職業(yè)技術(shù)學(xué)院 電氣工程學(xué)院，韶關(guān) 512126；2.吉林農(nóng)業(yè)大學(xué) 信息技術(shù)學(xué)院，長春 130118；3.寶武集團(tuán)廣東韶關(guān)鋼鐵有限公司，韶關(guān) 512123）

隨著科技的進(jìn)步和發(fā)展，機(jī)器人傳感技術(shù)與控制技術(shù)已成為當(dāng)今科學(xué)研究的熱點(diǎn)之一，國內(nèi)外許多科研院所和企事業(yè)單位的科研人員都加強(qiáng)了這方面的研究力度，其研究成果及應(yīng)用決定了機(jī)器人的發(fā)展歷程?？傮w來說，機(jī)器人歷經(jīng)示教再現(xiàn)型、感覺型和智能型機(jī)器人三代的發(fā)展，從不具感知外界環(huán)境到具有觸、視、聽等感觀功能再到具有與外界進(jìn)行溝通、協(xié)調(diào)和自主判斷與執(zhí)行等工作機(jī)能。為了能夠?qū)崿F(xiàn)機(jī)器人的智能化，在機(jī)器人上安裝了具有人類五官和執(zhí)行運(yùn)作功能的相應(yīng)傳感器，包括觸覺、視覺、位置、振動(dòng)、紅外等傳感器，進(jìn)行定位和控制，實(shí)現(xiàn)類似人類感知和動(dòng)作功能。隨著智能機(jī)器人的出現(xiàn)，機(jī)器人控制系統(tǒng)中使用的傳感器種類和數(shù)量越來越多，但每種傳感器都有一定的使用條件和感知范圍，只能給出環(huán)境或?qū)ο蟮牟糠中畔1]，為了有效利用傳感器檢測(cè)到的信息，需要進(jìn)行感測(cè)信息的融合處理。傳感器信息融合又稱數(shù)據(jù)融合，是利用計(jì)算機(jī)技術(shù)將來自多源的傳感器檢測(cè)到的信息和數(shù)據(jù)，在一定的準(zhǔn)則下加以自動(dòng)分析和綜合，以完成所需要的決策和估計(jì)而進(jìn)行的信息處理過程。

1 機(jī)器人上的傳感器分類

機(jī)器人傳感器是指機(jī)器人將對(duì)內(nèi)外部環(huán)境感知的物理量變換為電量輸出的裝置，一般分為內(nèi)部傳器和外部傳感器[2]，以輪式自主移動(dòng)機(jī)器人為例，其傳感器組成如圖1所示。

圖1 機(jī)器人的傳感器分類Fig.1 Sensor classification of robots

其中內(nèi)部傳感器包括振動(dòng)傳感器、速度傳感器、加速度傳感器和位置傳感器等，用來感知和監(jiān)測(cè)機(jī)器人自身的狀態(tài)參數(shù)，以調(diào)整并控制機(jī)器人的運(yùn)動(dòng)，如機(jī)器人的運(yùn)行速度、所處位置信息檢測(cè)等。外部傳感器包括氣壓傳感器、溫度傳感器、土壤溫度傳感器和空氣質(zhì)量檢測(cè)傳感器等環(huán)境檢測(cè)傳感器，以及攝像頭、人體紅外傳感器、超聲波傳感器等，用來檢測(cè)機(jī)器人周邊環(huán)境、目標(biāo)的狀態(tài)特征等，使機(jī)器人根據(jù)不同的環(huán)境信息進(jìn)行自動(dòng)校正和自適應(yīng)調(diào)整，如機(jī)器人躲避障礙、規(guī)劃路線等。

2 機(jī)器人多傳感器信息融合技術(shù)

機(jī)器人集中了傳感器技術(shù)、人工智能技術(shù)、信息處理技術(shù)和控制科學(xué)與工程技術(shù)等多學(xué)科的研究成果，隨著新一代電子信息技術(shù)的發(fā)展，包括5G通信、物聯(lián)網(wǎng)和人工智能等技術(shù)的發(fā)展，近年來，多傳感器信息融合技術(shù)的研究已成為研究熱點(diǎn)。多傳感器信息融合技術(shù)是通過智能控制器模擬人的大腦對(duì)被控制對(duì)象自身狀態(tài)和周圍環(huán)境感知后完成相關(guān)控制系統(tǒng)功能的一種綜合技術(shù)。在機(jī)器人控制系統(tǒng)中，各種傳感器檢測(cè)到的信息具有各自不同的特征，包括線性的和非線性的、時(shí)實(shí)的和滯后的、精確的和模糊的、互補(bǔ)的和矛盾的等，若采用各傳感器信息檢測(cè)后獨(dú)立處理，機(jī)器人精準(zhǔn)定位、精確避障等所需的各項(xiàng)性能指標(biāo)難以實(shí)現(xiàn)。通過采用多傳感器信息融合技術(shù)，充分利用傳感器測(cè)量信息冗余和互補(bǔ)性，在機(jī)器人工作過程中，受其自身結(jié)構(gòu)和周圍環(huán)境等因素影響，當(dāng)部分傳感器受到干擾或不能發(fā)揮其作用時(shí)，其它傳感器可以提供互補(bǔ)信息，增強(qiáng)機(jī)器人控制系統(tǒng)的生存能力及周圍場(chǎng)景理解能力，改進(jìn)其探測(cè)和自主導(dǎo)航等性能，提高機(jī)器人的感知能力和智能水平。

3 信息融合結(jié)構(gòu)模型的選取

機(jī)器人多傳感器信息融合擬解決的關(guān)鍵技術(shù)包括對(duì)采集到的信息進(jìn)行數(shù)據(jù)提取與轉(zhuǎn)換、數(shù)據(jù)關(guān)聯(lián)處理、信息融合推理和信息聯(lián)合識(shí)別等。其中信息融合推理的關(guān)鍵技術(shù)是信息融合模型和信息融合算法，信息融合模型包含功能、結(jié)構(gòu)和數(shù)學(xué)三種模型[3]。功能模型主要描述信息融合過程中主要功能、數(shù)據(jù)庫及系統(tǒng)各部分相互作用等，結(jié)構(gòu)模型主要描述信息融合系統(tǒng)的結(jié)構(gòu)組成，包括數(shù)據(jù)流、軟件和硬件組成等；數(shù)學(xué)模型包括融合算法和邏輯處理。

根據(jù)數(shù)據(jù)分辨率對(duì)融合結(jié)構(gòu)模型分為特征級(jí)、數(shù)據(jù)級(jí)和決策級(jí)融合結(jié)構(gòu)，結(jié)構(gòu)模型如圖2所示。

圖2 信息融合的結(jié)構(gòu)模型Fig.2 Structural model of information fusion

其中，圖2（a）為數(shù)據(jù)級(jí)融合，融合中心直接對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行信息融合，再特征提取和識(shí)別決策，其優(yōu)點(diǎn)是精度高，缺點(diǎn)是要求傳感器是同類型的，且處理時(shí)間長，實(shí)時(shí)性差，抗干擾能力低；圖2（b）為特征級(jí)融合方法，由每個(gè)傳感器提供方向、速度等特征信息屬性并進(jìn)行關(guān)聯(lián)后，通過融合中心完成特征層屬性融合，其優(yōu)點(diǎn)是實(shí)時(shí)處理能力增強(qiáng)，缺點(diǎn)是損失和部分有用信息；圖2（c）為決策級(jí)融合，由每個(gè)傳感器根據(jù)采集到的數(shù)據(jù)進(jìn)行屬性決策后在融合中心完成局部決策的信息處理。其優(yōu)點(diǎn)是靈活性高、實(shí)時(shí)性好、抗干擾能力強(qiáng)等，缺點(diǎn)是預(yù)處理代價(jià)高，數(shù)據(jù)信息損失大，精度低。

三種融合結(jié)構(gòu)模型比較后，根據(jù)文中輪式移動(dòng)機(jī)器人需要完成的控制任務(wù)，選取特征層融合方法，與其它兩類模型相比，在信息損失、容錯(cuò)性、計(jì)算量、融合水平、實(shí)時(shí)性、精度和抗干擾能力等方面性能居中。機(jī)器人主控制器采集到各傳感器信息后，利用特征層融合方法，通過多信息融合技術(shù)的處理，選取合適的融合算法，對(duì)采集的信息進(jìn)行處理、識(shí)別，送出融合后的結(jié)果，供機(jī)器人控制系統(tǒng)實(shí)現(xiàn)最優(yōu)控制。

4 信息融合算法的選取

4.1 常用信息融合算法

多傳感器信息融合算法一般分為4 類，包括估計(jì)、參數(shù)、識(shí)別和人工智能技術(shù)等算法。其中估計(jì)算法包括加權(quán)平均法、最小二乘法、卡爾曼濾波和擴(kuò)展卡爾曼濾波； 參數(shù)算法包括通用的證據(jù)處理、貝葉斯理論和D-S 證據(jù)理論； 識(shí)別算法包括K-mean聚類、參數(shù)模板法、學(xué)習(xí)量子化、聚類分析法、Koho nen 特征圖、自適應(yīng)共振理論映射ARTMAP 等；人工智能算法包括專家系統(tǒng)、適應(yīng)性神經(jīng)網(wǎng)絡(luò)和模糊邏輯等[4]。目前，以上融合算法在機(jī)器人中應(yīng)用較為廣泛的是貝葉斯理論、D-S 證據(jù)推理、模糊理論和神經(jīng)網(wǎng)絡(luò)算法等。貝葉斯理論是在所采集信息不全面時(shí)用主觀概率對(duì)部分未知信息狀態(tài)進(jìn)行估計(jì)，用公式對(duì)發(fā)生的概率進(jìn)行修正，通過修正概率和期望值比較做出決策，適用于具有高斯白噪聲的不確定性傳感信息融合；D-S 證據(jù)推理是貝葉斯理論的推廣，不需要知道先驗(yàn)概率即可以表示不確定信息；模糊理論是對(duì)多傳感器采集的信息進(jìn)行模糊化表示成模糊子集并確定隸屬度函數(shù)，通過融合處理對(duì)隸屬度函數(shù)綜合處理后給出精確的控制量，適用于數(shù)學(xué)模型復(fù)雜的被控對(duì)象，具有較強(qiáng)的容錯(cuò)能力和魯棒性；神經(jīng)網(wǎng)絡(luò)算法是充分利用多傳感器采集的外部環(huán)境信息，實(shí)現(xiàn)自動(dòng)獲取知識(shí)并進(jìn)行學(xué)習(xí)和推理，將復(fù)雜的環(huán)境信息融合為控制系統(tǒng)能夠理解的信號(hào)，適用于實(shí)時(shí)性，強(qiáng)智能化要求高的機(jī)器人系統(tǒng)。

4.2 Fuzzy-PID 控制算法

機(jī)器人主要研究的關(guān)鍵核心技術(shù)包括避障、自主導(dǎo)航和路徑規(guī)劃，許多學(xué)者對(duì)這三方面進(jìn)行了研究。如文獻(xiàn)[5]通過對(duì)采集到的測(cè)距數(shù)據(jù)用證據(jù)理論進(jìn)行融合，提高了定位精度；文獻(xiàn)[6]提出一種基于多平臺(tái)下傳感器融合和卡爾曼濾波的移動(dòng)機(jī)器人定位技術(shù)，獲得更加精確的定位；文獻(xiàn)[7]通過模糊控制方法對(duì)移動(dòng)機(jī)器人路徑進(jìn)行了研究，實(shí)現(xiàn)實(shí)時(shí)跟蹤；文獻(xiàn)[8]利用神經(jīng)網(wǎng)絡(luò)控制理論等，設(shè)計(jì)了一種6 自由度機(jī)械臂的RBF-PI 魯棒-滑模控制算法，實(shí)現(xiàn)對(duì)機(jī)械臂末端進(jìn)行實(shí)時(shí)追蹤。

由于本文研究的機(jī)器人自主控制性能要求高，故機(jī)器人運(yùn)動(dòng)控制策略采用Fuzzy-PID 控制算法[9]，其控制系統(tǒng)方框圖如圖3所示。系統(tǒng)結(jié)構(gòu)圖組成包括比較環(huán)節(jié)、控制器、驅(qū)動(dòng)器、被控制對(duì)象移動(dòng)機(jī)器人和檢測(cè)變換器等部分，其中模糊控制器包括對(duì)誤差信號(hào)的模糊化、模糊規(guī)則和模糊推理。根據(jù)機(jī)器人控制系統(tǒng)的需要，選擇二維模糊控制器，其中一個(gè)輸入量是速度偏差E（n），另一個(gè)輸入量是速度偏差變化率EC；經(jīng)過模糊推理后輸出量包括比例系數(shù)KP、積分系數(shù)KI和微分系數(shù)KD。常規(guī)PID 控制器與模糊控制器串聯(lián)成復(fù)合控制器，通過此復(fù)合控制器可使移動(dòng)機(jī)器人控制系統(tǒng)實(shí)現(xiàn)無靜差模糊控制。

圖3 機(jī)器人Fuzzy-PID 控制算法Fig.3 Robot Fuzzy-PID control algorithm

由于機(jī)器人的數(shù)學(xué)模型是非線性的，且輸入輸出變量多，各變量之間存在耦合，其控制過程包含了任務(wù)規(guī)劃、軌跡規(guī)劃、伺服控制和動(dòng)作規(guī)劃等多個(gè)層次，其控制順序流程如圖4所示。機(jī)器人首先通過人機(jī)接口獲取操作者的指令，指令的形式可以是觸摸屏、手機(jī)或者鍵盤等輸入的信號(hào)，也可以是人的自然語言發(fā)出的命令，機(jī)器人對(duì)輸入的控制命令通過譯碼翻譯理解，把操作者的命令分解為機(jī)器語言，完成任務(wù)規(guī)劃；為了實(shí)現(xiàn)機(jī)器人自主智能行走，對(duì)機(jī)器人運(yùn)動(dòng)路線進(jìn)行設(shè)計(jì)，完成路徑規(guī)劃；在運(yùn)動(dòng)的過程中遇到障礙物，可以避開，實(shí)現(xiàn)機(jī)器人避障；帶有機(jī)械臂的機(jī)器人，根據(jù)需要對(duì)機(jī)械臂各種運(yùn)動(dòng)和機(jī)器人本體運(yùn)動(dòng)進(jìn)行規(guī)劃。

圖4 機(jī)器人控制順序流程Fig.4 Robot control sequence flow chart

5 結(jié)語

移動(dòng)機(jī)器人的人工智能化水平依賴于其內(nèi)部和外部傳感器技術(shù)的應(yīng)用，多傳感器信息融合技術(shù)決定了移動(dòng)機(jī)器人的自主化程度，移動(dòng)機(jī)器人的智能控制器通過多傳感器信息融合算法實(shí)現(xiàn)對(duì)自身狀態(tài)、周圍環(huán)境感知等統(tǒng)一協(xié)調(diào)、研判并采取預(yù)期控制策略，實(shí)現(xiàn)機(jī)器人精準(zhǔn)定位和精確避障等工作任務(wù)，改善其探測(cè)和自主導(dǎo)航等各項(xiàng)性能，提高了移動(dòng)機(jī)器人的感知能力和智能水平。