基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)械臂抓取控制系統(tǒng)設(shè)計(jì)

朱威漢

(江蘇大學(xué)京江學(xué)院，江蘇 鎮(zhèn)江 212000)

0 引言

機(jī)械臂是一種具有參數(shù)攝動(dòng)、外界干擾和非動(dòng)力學(xué)模型的復(fù)雜系統(tǒng)[1]。因此，機(jī)器臂的建模模式也是有一定的不確定性的，針對(duì)不同的工作，必須考慮機(jī)器人手臂的關(guān)節(jié)空間的運(yùn)動(dòng)軌跡，使其形成最終的姿態(tài)。抓取是機(jī)械臂的重要行為動(dòng)作之一，現(xiàn)有的機(jī)械臂抓取方式包括：傳統(tǒng)分析法和經(jīng)驗(yàn)法兩種，傳統(tǒng)分析方法需要先了解對(duì)象的物理和機(jī)械分析模型，然后再根據(jù)現(xiàn)有的建模和抓取的知識(shí)對(duì)機(jī)器人進(jìn)行模擬。該方法的最大缺陷是必須依據(jù)所獲取的目標(biāo)特性來(lái)設(shè)置，因而其通用性很低，不適合于常規(guī)求解。經(jīng)驗(yàn)法可分為3個(gè)階段：首先產(chǎn)生由抓取傳感器獲取的抓取信息，對(duì)標(biāo)記數(shù)據(jù)進(jìn)行建模，最終通過(guò)對(duì)該模型的學(xué)習(xí)，可以得到目標(biāo)物體在圖像上的抓取點(diǎn)。

為了實(shí)現(xiàn)機(jī)械臂的精準(zhǔn)抓取，需要在機(jī)械臂內(nèi)部嵌入抓取控制系統(tǒng)，以此作為機(jī)械臂運(yùn)動(dòng)的約束條件。文獻(xiàn)[2]提出基于機(jī)械臂位姿變換的抓取控制系統(tǒng)。利用極點(diǎn)配置法對(duì)伺服傳動(dòng)系統(tǒng)的 PI控制參數(shù)進(jìn)行了設(shè)計(jì)，從拉格朗日原理出發(fā)，利用連續(xù)體的振動(dòng)原理，利用狀態(tài)方程推導(dǎo)出了電機(jī)的速度向柔性載荷的傳遞函數(shù)。在伺服傳動(dòng)轉(zhuǎn)速環(huán)控制中引入了可變參數(shù) PI控制策略，利用極點(diǎn)配置法對(duì)其進(jìn)行了參數(shù)優(yōu)化設(shè)計(jì)。該方法的抓取速度較快，但抓取控制精度較差。文獻(xiàn)[3]提出基于WOA-FOPID算法的抓取控制系統(tǒng)。采用了基于鯨魚(yú)算法(WOA)對(duì)分?jǐn)?shù)階FOPID控制器進(jìn)行優(yōu)化，并將其用于機(jī)器人的運(yùn)動(dòng)控制中。以D-H方法為基礎(chǔ)，根據(jù)旋轉(zhuǎn)原理建立了機(jī)械手的關(guān)節(jié)坐標(biāo)轉(zhuǎn)換矩陣，并應(yīng)用蒙特卡洛法對(duì)機(jī)器人的工作空間進(jìn)行點(diǎn)云求解，并對(duì)其進(jìn)行了建模。該方法的抓取位置控制精度較好，但抓取速度控制誤差較大，物體抓取掉落概率較高。文獻(xiàn)[4]提出基于模糊補(bǔ)償?shù)淖ト】刂葡到y(tǒng)，在李亞普洛夫函數(shù)基礎(chǔ)上，設(shè)計(jì)了一種模糊補(bǔ)償策略，通過(guò)建立模糊系統(tǒng)來(lái)近似摩擦力和載荷，利用流量調(diào)節(jié)器來(lái)消除負(fù)荷壓力變化對(duì)伺服閥的影響。該方法實(shí)現(xiàn)了機(jī)械臂實(shí)時(shí)抓取控制，但實(shí)際應(yīng)用過(guò)程中存在與部分機(jī)械臂不適配、控制精度低的問(wèn)題。

為了解決現(xiàn)有控制系統(tǒng)存在的問(wèn)題，引入卷積神經(jīng)網(wǎng)絡(luò)及其相關(guān)算法。卷積神經(jīng)網(wǎng)絡(luò)是一類(lèi)具有較強(qiáng)的前向神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元能夠?qū)σ欢▍^(qū)域的局部環(huán)境進(jìn)行響應(yīng)，在大規(guī)模的圖像處理中具有很好的性能。將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到機(jī)械臂抓取控制系統(tǒng)的優(yōu)化工作中，以期能夠提高機(jī)械臂的抓取控制功能，進(jìn)而提高機(jī)械臂抓取工作的執(zhí)行精度。

1 機(jī)械臂抓取控制系統(tǒng)硬件設(shè)計(jì)

優(yōu)化設(shè)計(jì)的機(jī)械臂抓取控制系統(tǒng)采用硬件與軟件相結(jié)合的方式進(jìn)行，通過(guò)硬件設(shè)備選型和改裝兩種方式進(jìn)行系統(tǒng)硬件優(yōu)化，在設(shè)備選取過(guò)程中需要考慮工作環(huán)境和工作精度兩方面的因素，最大程度為系統(tǒng)的抓取控制功能提供硬件支持。分別設(shè)計(jì)機(jī)械臂傳感器、機(jī)械臂抓取控制器及機(jī)械臂運(yùn)動(dòng)驅(qū)動(dòng)器，通過(guò)各個(gè)模塊協(xié)同運(yùn)作，實(shí)現(xiàn)機(jī)械臂抓取對(duì)象信息的采集及對(duì)機(jī)械臂運(yùn)動(dòng)的控制，為機(jī)械臂抓取控制功能提供硬件支持。

1.1 機(jī)械臂傳感器設(shè)計(jì)

1.1.1 圖像傳感器

為了實(shí)現(xiàn)機(jī)械臂抓取對(duì)象的精準(zhǔn)定位，使用串口攝像頭模組作為圖像傳感器，通過(guò)串口獲取目標(biāo)圖像。優(yōu)化設(shè)計(jì)系統(tǒng)中安裝圖像傳感器的攝像頭型號(hào)為UVC，內(nèi)部通信方式為串口通信，在實(shí)際的運(yùn)行過(guò)程中只需通過(guò)電源線、地線和信號(hào)線作為接口，降低圖像采集模塊的電路復(fù)雜度，保證圖像的采集質(zhì)量。

1.1.2 位置傳感器

機(jī)械臂采用OVW2+06+2MD的位置傳感器，作為一種計(jì)數(shù)600 P/R的光電脈沖編碼器，它的輸入信號(hào)為T(mén)TL級(jí)信號(hào)，分為A相和B相，由于A相與B相的相位差90°，因此可以用A相在前面或B之前來(lái)判定編碼器是否正向或反向。通常的光電編碼有兩類(lèi)：增量式編碼和絕對(duì)式編碼。為了適應(yīng)系統(tǒng)的串行通信方式，提高位置信息的讀取速度，選擇增量式的編碼器設(shè)備。

1.1.3 壓力傳感器

在機(jī)械臂的各個(gè)關(guān)節(jié)和執(zhí)行元件上安裝A301型號(hào)的微型壓力傳感器，其壓力檢測(cè)原理如圖1所示。

圖1 機(jī)械臂壓力檢測(cè)電路圖

圖1中使用的機(jī)械臂壓力傳感器以MCP6004芯片作為核心元件，該芯片為內(nèi)置4個(gè)運(yùn)算放大器的運(yùn)放，該元件支持1.8～6.0 V的工作電壓，靜態(tài)工作電流為80 μF。在實(shí)際的工作過(guò)程中，將其接入到系統(tǒng)的供電電路中，電壓經(jīng)由運(yùn)放電阻組成的反向放大器放大后送入單片機(jī)的模擬電壓采集端口進(jìn)行模數(shù)轉(zhuǎn)換。

1.2 機(jī)械臂抓取控制器設(shè)計(jì)

結(jié)合圖像特征處理器、控制指令執(zhí)行器等元件，改裝機(jī)械臂的抓取控制器，控制器的改裝結(jié)構(gòu)如圖2所示。

圖2 機(jī)械臂抓取控制器改裝結(jié)構(gòu)圖

控制器中圖像特征處理器模塊的主要工作內(nèi)容就是將圖像傳感器采集到的圖像矩陣進(jìn)行灰度化、閾值化、幾何變換、強(qiáng)化學(xué)習(xí)等處理，選用的處理器為ARM處理器，該元件包含通信接口、傳感器接口，能夠支持多種類(lèi)型設(shè)備的連接。ARM控制器由2個(gè)串行接口、網(wǎng)口、SD卡、CAN和FPGA通訊等部分組成。其中，COM 1 串行接口與PC進(jìn)行通訊，通過(guò)PC端接收控制指令，并向PC發(fā)送反饋信息和相機(jī)數(shù)據(jù)。COM 2串行接口負(fù)責(zé)監(jiān)控和數(shù)據(jù)的采集。網(wǎng)口的功能主要是為了將來(lái)的網(wǎng)絡(luò)遠(yuǎn)程控制提供一個(gè)擴(kuò)展的接口。SD卡的主要功能是存儲(chǔ)現(xiàn)場(chǎng)和控制信息。ARM通訊采用串行模式，由5位地址線、8位數(shù)據(jù)線、3條信號(hào)控制線組成?？刂浦噶顖?zhí)行器主要是根據(jù)圖像特征處理器的輸出結(jié)果以及輸入的抓取任務(wù)指令，通過(guò)控制量的計(jì)算，將其轉(zhuǎn)換為機(jī)械臂旋轉(zhuǎn)關(guān)節(jié)或滑塊的給進(jìn)增量，并將其直接映射到關(guān)節(jié)力矩中，實(shí)現(xiàn)控制任務(wù)的生成與執(zhí)行。另外由于優(yōu)化設(shè)計(jì)的機(jī)械臂抓取控制系統(tǒng)應(yīng)用了卷積神經(jīng)網(wǎng)絡(luò)算法，因此需要在傳統(tǒng)控制器的基礎(chǔ)上，加設(shè)學(xué)習(xí)運(yùn)算器部分，作為卷積神經(jīng)網(wǎng)絡(luò)算法的運(yùn)行環(huán)境。另外還需要在控制器內(nèi)部嵌入時(shí)鐘為25 MHz的晶振電路，利用 PLL倍頻技術(shù)，將 CPU時(shí)鐘設(shè)定寄存器 CCLKCFG與 CCLKSEL相結(jié)合，實(shí)現(xiàn)了100 MHz的系統(tǒng)時(shí)鐘，提高控制器的數(shù)據(jù)處理性能。

1.3 機(jī)械臂運(yùn)動(dòng)驅(qū)動(dòng)器設(shè)計(jì)

采用MSDA023A1A 型交流伺服電機(jī)驅(qū)動(dòng)器作為機(jī)械臂執(zhí)行抓取任務(wù)的驅(qū)動(dòng)裝置，驅(qū)動(dòng)器的內(nèi)部結(jié)構(gòu)如圖3所示。

圖3 機(jī)械臂抓取運(yùn)動(dòng)驅(qū)動(dòng)器內(nèi)部結(jié)構(gòu)圖

圖3表示的驅(qū)動(dòng)器含有64KB編程Flash和RAM，內(nèi)部6通道PWM，一個(gè)正交解碼模塊，兩路SCI串口，兩路通用四通道定時(shí)器，能夠?qū)崿F(xiàn)與控制器的連接，并直接讀取控制指令。該驅(qū)動(dòng)裝置能夠?qū)崟r(shí)地完成位置、速度和電流的實(shí)時(shí)控制，以速度控制任務(wù)為例，一旦接到啟動(dòng)信號(hào)，就會(huì)立即旋轉(zhuǎn)[5]。一旦信號(hào)消失，轉(zhuǎn)子就能立即停下來(lái)。而高的適應(yīng)性意味著高的敏感性。其功能是接收 PWM輸出的外部控制信號(hào)，調(diào)整電動(dòng)機(jī)的轉(zhuǎn)速，并在其內(nèi)部形成一個(gè)速度回路。為提高系統(tǒng)的運(yùn)行魯棒性，要求安裝的驅(qū)動(dòng)器具有保護(hù)功能，當(dāng)一種保護(hù)被激活時(shí)，電機(jī)就會(huì)自動(dòng)切斷電流，最大程度降低系統(tǒng)運(yùn)行故障幾率。

2 機(jī)械臂抓取控制系統(tǒng)軟件設(shè)計(jì)

在控制系統(tǒng)硬件設(shè)備的支持下，設(shè)計(jì)機(jī)械臂抓取控制系統(tǒng)的軟件功能，軟件部分的基本運(yùn)行邏輯原理為：利用機(jī)械臂上的圖像傳感器設(shè)備，生成抓取目標(biāo)圖像，提取采集圖像特征，進(jìn)而確定機(jī)械臂抓取目標(biāo)的位置和姿態(tài)，結(jié)合當(dāng)前機(jī)械臂的位姿信息，規(guī)劃?rùn)C(jī)械臂的抓取路線，并確定抓取參數(shù)，計(jì)算機(jī)械臂抓取控制量，利用控制器設(shè)備將控制量數(shù)據(jù)轉(zhuǎn)換為機(jī)械臂的驅(qū)動(dòng)執(zhí)行數(shù)據(jù)，從而完成系統(tǒng)的抓取控制工作。

2.1 獲取機(jī)械臂抓取目標(biāo)圖像

機(jī)械臂抓取目標(biāo)圖像的獲取一般可以分為兩個(gè)步驟，分別為初始目標(biāo)圖像的生成以及初始圖像預(yù)處理。假設(shè)機(jī)械臂抓取目標(biāo)的任意一點(diǎn)P(x，y，z)在圖像傳感器中的生成結(jié)果為P′(i，j)，那么兩者之間的轉(zhuǎn)換關(guān)系可以表示為：

(1)

其中：ψ表示的是成像焦距。按照上述方式可以得出抓取目標(biāo)所有位置的成像結(jié)果。在初始圖像獲取之前，首先需要對(duì)圖像傳感器的工作參數(shù)進(jìn)行標(biāo)定，并根據(jù)目標(biāo)位置調(diào)整圖像傳感器的位置[6]。為了保證機(jī)械臂的抓取質(zhì)量，需要對(duì)初始采集的圖像進(jìn)行處理，處理內(nèi)容包括：灰度轉(zhuǎn)換、中值濾波等?；叶绒D(zhuǎn)換的目的是降低目標(biāo)特征提取需要處理的工作量，灰度轉(zhuǎn)換處理原理可以表示為：

fgrey=0.299R+0.587G+0.114B

(2)

其中：R、G和B分別表示的是圖像中的紅色、綠色和藍(lán)色分量。圖像濾波的實(shí)質(zhì)是在窗口區(qū)域內(nèi)計(jì)算各個(gè)像素點(diǎn)的權(quán)重系數(shù)，并根據(jù)實(shí)際工作條件來(lái)確定窗口的寬度和權(quán)重[7]。圖像濾波本質(zhì)上就是對(duì)窗口范圍內(nèi)的像素值和濾光片進(jìn)行卷積，通過(guò)對(duì)像素值和周邊像素值的加權(quán)求和，得到的結(jié)果取代原來(lái)的像素值。圖像濾波處理過(guò)程可以表示為：

(3)

其中：ω(k，l)為濾波加權(quán)系數(shù)，k和l分別對(duì)應(yīng)的是圖像在水平和豎直方向上的濾波分量[8]。此外，為了方便提取初始圖像中的機(jī)械臂抓取目標(biāo)，還需要對(duì)圖像進(jìn)行閾值化處理，具體處理過(guò)程如下：

(4)

其中：maxfgrey(i，j)為像素點(diǎn)灰度值的最大值，δ為設(shè)置的分割閾值。將連在一起的黑色或白色區(qū)域視為一部分，從而達(dá)到圖像分割的目的。

2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)械臂抓取目標(biāo)位置確定

利用卷積神經(jīng)網(wǎng)絡(luò)算法，提取目標(biāo)圖像特征，從而確定機(jī)械臂抓取目標(biāo)的位置。構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖4所示。

從圖4中可以看出，圖像特征提取過(guò)程中使用的卷積神經(jīng)網(wǎng)絡(luò)由卷積層、池化層、全連接層等部分組成，一套完整的卷積層包含卷積、池化、激活等模塊，能夠從卷積層中抽取出特征信息；利用池化層對(duì)輸入的信息進(jìn)行簡(jiǎn)化和提取，從而降低了網(wǎng)絡(luò)的數(shù)據(jù)和運(yùn)算量，避免了過(guò)度擬合[9]。卷積層和池化層的輸出結(jié)果可以表示為：

(5)

其中：H(m，n)為卷積核，m和n分別表示卷積核的大小分量，nPixel為輸入卷積神經(jīng)網(wǎng)絡(luò)中圖像的像素點(diǎn)數(shù)量。最終卷積神經(jīng)網(wǎng)絡(luò)的迭代結(jié)果通過(guò)全連接層輸出，在全連接層中，每一神經(jīng)元都與前一網(wǎng)絡(luò)的神經(jīng)元相連接，能夠?qū)⒕矸e層或池化層中的差分資料進(jìn)行集成，并利用激活函數(shù)對(duì)其進(jìn)行進(jìn)一步的處理，激活函數(shù)表達(dá)式如下：

(6)

采用端到端的學(xué)習(xí)算法，使得卷積神經(jīng)網(wǎng)絡(luò)能夠保證機(jī)器人在機(jī)器人的抓取精度和穩(wěn)定性，并且能夠?qū)崿F(xiàn)對(duì)初始機(jī)械臂執(zhí)行元件位置的適應(yīng)性[10]。考慮卷積神經(jīng)網(wǎng)絡(luò)策略訓(xùn)練要求，按照?qǐng)D5表示流程執(zhí)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練任務(wù)。

圖5 卷積神經(jīng)網(wǎng)絡(luò)算法流程圖

利用公式(7)統(tǒng)一初始化卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置。

(7)

其中：Rk為k層的輸出結(jié)果，nlayer為構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)中包含的層級(jí)數(shù)量，μ為網(wǎng)絡(luò)中神經(jīng)元的訓(xùn)練裕度，ω0為初始權(quán)重，該變量取值為常數(shù)。在正向傳輸時(shí)，通過(guò)各個(gè)層次對(duì)輸入圖像進(jìn)行處理，得到輸出結(jié)果，并將其與期望值之間的誤差關(guān)系作為全局的目標(biāo)函數(shù)[11]。在反向傳輸時(shí)，由前向后依次求出目標(biāo)函數(shù)與各個(gè)層次加權(quán)之間的偏微分，并按梯度遞減的方法進(jìn)行加權(quán)更新，反復(fù)進(jìn)行前向傳遞運(yùn)算。通過(guò)多次迭代，權(quán)值會(huì)隨著時(shí)間的推移而不斷地被更新，從而使其最終的結(jié)果趨于期望值[12]。通過(guò)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得出機(jī)械臂抓取目標(biāo)圖像的輪廓特征提取結(jié)果，可以量化表示為：

(8)

其中：Rx和Ry分別為卷積神經(jīng)網(wǎng)絡(luò)在水平和豎直方向上的卷積輸出結(jié)果，最終提取的特征Δτ(x，y)和θ(x，y)代表圖像的梯度大小和方向角。由此可以得出機(jī)械臂抓取目標(biāo)的位置檢測(cè)結(jié)果為：

(9)

2.3 規(guī)劃?rùn)C(jī)械臂抓取路線

根據(jù)系統(tǒng)的位置傳感器，確定當(dāng)前機(jī)械臂位置，記為(xarm，yarm，zarm)，通過(guò)連接機(jī)械臂當(dāng)前位置和抓取目標(biāo)位置，即可得出機(jī)械臂抓取的初始路線，并將初始生成的路線看做由多個(gè)節(jié)點(diǎn)組成的直線[13]。在考慮路線障礙以及機(jī)械臂自由度限制的情況下，對(duì)初始路線上的部分節(jié)點(diǎn)位置進(jìn)行調(diào)整，調(diào)整結(jié)果可以表示為：

(10)

其中：σx、σy和σz為三維方向上的位置調(diào)整分量，變量的具體取值由障礙物的大小以及自由度限制量決定。將調(diào)整后的節(jié)點(diǎn)與前后兩個(gè)節(jié)點(diǎn)進(jìn)行分別連接，完成機(jī)械臂抓取路線的更新工作[14]。在此基礎(chǔ)上，利用公式(11)對(duì)規(guī)劃路線進(jìn)行插補(bǔ)處理，從而提高機(jī)械臂在抓取過(guò)程中的平滑度。

(11)

其中：farm為機(jī)械臂的工作頻率，(xp-1，yp-1，zp-1)為調(diào)整節(jié)點(diǎn)前的路線節(jié)點(diǎn)，求解結(jié)果dc和Nc表示抓取路線的插補(bǔ)距離和步數(shù)。按照上述方式對(duì)路線上的多個(gè)節(jié)點(diǎn)進(jìn)行調(diào)整，最終得出能夠滿足執(zhí)行要求的機(jī)械臂抓取路線規(guī)劃結(jié)果。

2.4 預(yù)估機(jī)械臂抓取角度與抓取力

機(jī)械臂的執(zhí)行元件作用在抓取目標(biāo)表面的兩個(gè)接觸點(diǎn)上，作用力與接觸點(diǎn)摩擦軸線的夾角分別為φ1和φ2。當(dāng)φ1和φ2均低于摩擦圓錐角時(shí)，兩個(gè)接觸連線分別設(shè)置在兩個(gè)摩擦圓錐的內(nèi)側(cè)，并符合夾心的閉合狀態(tài)。同時(shí)，將夾具的作用力與磨削圓錐軸之間的角度轉(zhuǎn)化為抓取點(diǎn)與抓取架垂直方向的夾角。在機(jī)械臂的抓具位置測(cè)量中，鉗口的張開(kāi)距離是一個(gè)重要的參數(shù)。在目標(biāo)的主要方向上，所抽取的直線段的最大長(zhǎng)度是有關(guān)的[15]。該最大距離代表了一個(gè)物體沿抓取方向的最大寬度，并且在抓取時(shí)，如果抓取的距離超過(guò)該最大寬度，則可以完成抓取。機(jī)械臂夾持器張開(kāi)距離的預(yù)測(cè)結(jié)果可以表示為：

LGrab=1.5Dmax

(12)

其中：Dmax為抓取目標(biāo)直線間的最長(zhǎng)距離。另外，機(jī)械臂夾持器對(duì)目標(biāo)物體施加的抓取力預(yù)測(cè)結(jié)果如下：

FGrab=mtargetg-κfmtargetg

(13)

其中：mtarget為抓取目標(biāo)的質(zhì)量，κf為夾持器與抓取目標(biāo)之間的摩擦系數(shù)，g表示重力加速度[16]。按照上述方式，通過(guò)確定抓取目標(biāo)的基本信息數(shù)據(jù)，確定機(jī)械臂抓取任務(wù)的控制參數(shù)。

2.5 實(shí)現(xiàn)機(jī)械臂抓取控制功能

從速度、位置、角度、力度等方面，計(jì)算機(jī)械臂在抓取過(guò)程中的實(shí)時(shí)控制量，其中機(jī)械臂抓取速度控制量的計(jì)算公式如下：

ΔυGrab=υtarget-υ0

(14)

其中：變量υ0和υtarget分別表示的是機(jī)械臂的當(dāng)前移動(dòng)速度和目標(biāo)抓取速度，若公式(14)的計(jì)算結(jié)果為正，則加快驅(qū)動(dòng)電機(jī)轉(zhuǎn)速，否則需要對(duì)機(jī)械臂的運(yùn)行作減速處理，降低驅(qū)動(dòng)電機(jī)轉(zhuǎn)速[17]。同理可以得出機(jī)械臂抓取工作參量的控制量計(jì)算結(jié)果，將其輸入到系統(tǒng)硬件的控制器中，自動(dòng)生成控制指令，通過(guò)實(shí)時(shí)機(jī)械臂參數(shù)的更新及時(shí)調(diào)整控制指令[18-20]，直至完成機(jī)械臂抓取任務(wù)為止。

3 實(shí)驗(yàn)測(cè)試

以測(cè)試優(yōu)化設(shè)計(jì)系統(tǒng)的機(jī)械臂抓取控制功能為目的，設(shè)計(jì)系統(tǒng)測(cè)試實(shí)驗(yàn)，實(shí)驗(yàn)策略為：對(duì)每個(gè)抓取任務(wù)進(jìn)行多次實(shí)驗(yàn)，每次實(shí)驗(yàn)都保持物體靜止，在控制系統(tǒng)的作用下執(zhí)行機(jī)械臂抓取任務(wù)，若系統(tǒng)顯示目標(biāo)抓取已結(jié)束，但未抓取到目標(biāo)物體，則認(rèn)為目標(biāo)抓取失敗，否則判定抓取任務(wù)執(zhí)行成功。

為了體現(xiàn)出優(yōu)化設(shè)計(jì)系統(tǒng)在抓取控制方面的優(yōu)勢(shì)，設(shè)置傳統(tǒng)的基于機(jī)械臂位姿變換的抓取控制系統(tǒng)(文獻(xiàn)[2]方法)、基于WOA-FOPID算法的抓取控制系統(tǒng)(文獻(xiàn)[3]方法)和基于模糊補(bǔ)償?shù)淖ト】刂葡到y(tǒng)(文獻(xiàn)[4]方法)作為實(shí)驗(yàn)的對(duì)比系統(tǒng)，在相同的實(shí)驗(yàn)環(huán)境中控制相同的機(jī)械臂抓取任務(wù)，保證系統(tǒng)測(cè)試實(shí)驗(yàn)變量的唯一性。

3.1 實(shí)驗(yàn)對(duì)象及實(shí)驗(yàn)參數(shù)設(shè)計(jì)

此次實(shí)驗(yàn)選擇ur5型號(hào)的機(jī)械臂作為控制對(duì)象，該機(jī)械臂的執(zhí)行元件為兩爪夾持器，選擇的機(jī)械臂具有6個(gè)自由度，其最大臂長(zhǎng)和工作空間均為1 200 mm，機(jī)械臂質(zhì)量約為15.6 kg。選擇的機(jī)械臂樣機(jī)能夠支持對(duì)多種不同形狀物體的抓取，能夠抓取物體的最大質(zhì)量為6.5 kg。

為了保證卷積神經(jīng)網(wǎng)絡(luò)算法能夠在實(shí)驗(yàn)環(huán)境中正常運(yùn)行，并應(yīng)用到機(jī)械臂抓取控制系統(tǒng)中，需要對(duì)相關(guān)運(yùn)行參數(shù)進(jìn)行設(shè)定。系統(tǒng)使用的卷積神經(jīng)網(wǎng)絡(luò)包含一個(gè)輸入層、一個(gè)輸出層、5個(gè)卷積層、3個(gè)池化層和3個(gè)全連接層，輸入層和輸出層的尺寸均為227×227×3，而卷積層、池化層和全連接層的尺寸分別為227×227×3、27×27×96和13×13×256。結(jié)合圖像傳感器的工作參數(shù)，設(shè)置學(xué)習(xí)率的初始值為0.01。

3.2 生成機(jī)械臂抓取與控制任務(wù)

在實(shí)驗(yàn)環(huán)境中，設(shè)置機(jī)械臂的初始位姿，根據(jù)抓取目標(biāo)物體的初始放置位置和移動(dòng)目標(biāo)位置，生成機(jī)械臂的抓取任務(wù)，部分任務(wù)的生成情況如表1所示。

表1 機(jī)械臂抓取任務(wù)設(shè)置表

表1中空間位置的度量單位為米。按照表1的設(shè)置方式，設(shè)置多組不同的機(jī)械臂抓取任務(wù)，并記錄抓取目標(biāo)的初始位置和目標(biāo)位置。根據(jù)抓取任務(wù)的設(shè)置情況，確定機(jī)械臂的控制任務(wù)，從表1中可以看出，機(jī)械臂需要抓取到不同位置的目標(biāo)物體，并將其提高0.6 m。

將優(yōu)化的硬件設(shè)備安裝在機(jī)械臂上，并對(duì)相機(jī)進(jìn)行標(biāo)定得到相機(jī)的內(nèi)參，同時(shí)對(duì)相機(jī)到機(jī)械臂之間的坐標(biāo)轉(zhuǎn)換關(guān)系進(jìn)行標(biāo)定。將配置好的機(jī)械臂安裝到實(shí)驗(yàn)環(huán)境中，記錄初始位姿數(shù)據(jù)。圖像傳感器在確定物體位置后，會(huì)返回到物體的位置，也就是機(jī)器人與機(jī)器人手臂之間的距離，從而確定機(jī)器人在機(jī)器人的操縱范圍之內(nèi)，如果機(jī)器人不在，則由機(jī)器人控制機(jī)器人將機(jī)器人移動(dòng)到機(jī)器人的工作區(qū)域，從而實(shí)現(xiàn)視覺(jué)伺服、抓取和抓取控制程序。圖6表示的是機(jī)械臂抓取控制系統(tǒng)的任務(wù)執(zhí)行界面。

圖6 機(jī)械臂抓取控制系統(tǒng)任務(wù)執(zhí)行界面

完成一次抓取任務(wù)后，機(jī)械臂回到初始位置。按照上述流程重復(fù)執(zhí)行抓取與控制操作，直至輸入系統(tǒng)中的所有任務(wù)均執(zhí)行完成為止。按照相同的方式對(duì)實(shí)驗(yàn)中對(duì)比系統(tǒng)進(jìn)行開(kāi)發(fā)，并得出對(duì)應(yīng)的控制結(jié)果。

3.3 設(shè)置實(shí)驗(yàn)指標(biāo)

影響機(jī)械臂抓取任務(wù)的因素主要有位置控制偏差和速度控制偏差，上述偏差值越小、抓取掉落概率越低，說(shuō)明對(duì)應(yīng)系統(tǒng)的抓取控制功能越優(yōu)。

為了實(shí)現(xiàn)系統(tǒng)控制功能的量化測(cè)試，設(shè)置位置控制偏差、速度控制偏差和抓取掉落概率作為測(cè)試指標(biāo)，其中位置控制偏差的計(jì)算公式如下：

εposition=∑|qtarget-qactual|，q=x，y，z

(15)

其中：qtarget和qactual分別表示的是位置分量的目標(biāo)值和實(shí)際值。速度控制偏差的數(shù)值結(jié)果為：

ευ=|υtarget-υactual|

(16)

其中：υtarget和υactual對(duì)應(yīng)的是目標(biāo)抓取速度和實(shí)際抓取速度。另外抓取掉落概率指標(biāo)的測(cè)試結(jié)果為：

(17)

3.4 測(cè)試結(jié)果與分析

記錄并統(tǒng)計(jì)相關(guān)數(shù)據(jù)，通過(guò)公式(15)和(16)的計(jì)算，得出系統(tǒng)抓取參數(shù)控制誤差的測(cè)試結(jié)果，如表2所示。

表2 機(jī)械臂抓取參數(shù)控制誤差測(cè)試數(shù)據(jù)表

通過(guò)平均值計(jì)算，得出傳統(tǒng)系統(tǒng)的平均位置控制誤差分別為0.578 m、0.514 m和0.442 m，傳統(tǒng)系統(tǒng)的平均速度控制誤差分別為0.346 m/s、0.298 m/s和0.288 m/s，而優(yōu)化設(shè)計(jì)系統(tǒng)下位置控制誤差和速度控制誤差的平均值分別為0.192 m和0.138 m/s。另外通過(guò)公式(17)的計(jì)算，可得出不同控制系統(tǒng)下機(jī)械臂抓取掉落概率的測(cè)試對(duì)比結(jié)果，如圖7所示。

圖7 控制系統(tǒng)下物體抓取掉落概率測(cè)試對(duì)比結(jié)果

從圖7中可以直觀看出，與傳統(tǒng)控制系統(tǒng)相比，優(yōu)化設(shè)計(jì)基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)械臂抓取控制系統(tǒng)作用下抓取物體的掉落概率更小，即控制功能更優(yōu)。

4 結(jié)束語(yǔ)

目前的機(jī)械臂抓取控制系統(tǒng)多是依靠事先建立的對(duì)象抓取模型和整理成數(shù)據(jù)庫(kù)，而在非結(jié)構(gòu)化的環(huán)境下，機(jī)械臂能夠與人交互，機(jī)械臂除了接收動(dòng)作指令外，還具有感知和環(huán)境的能力，因此很難建立精確的數(shù)學(xué)模型。為此轉(zhuǎn)換機(jī)械臂的抓取控制邏輯，在卷積神經(jīng)網(wǎng)絡(luò)算法的支持下，通過(guò)對(duì)抓取物體實(shí)時(shí)圖像的獲取與特征分析，獲取抓取與控制參數(shù)，進(jìn)而完成機(jī)械臂的抓取任務(wù)。通過(guò)系統(tǒng)測(cè)試實(shí)驗(yàn)，驗(yàn)證了優(yōu)化設(shè)計(jì)系統(tǒng)的可行性，能夠?qū)崿F(xiàn)機(jī)械臂的智能抓取，對(duì)工業(yè)智能化、自動(dòng)化具有重要意義。