應(yīng)用5G物聯(lián)網(wǎng)技術(shù)的群控機器人多主機通信方法

摘 要：為促進智能制造業(yè)的發(fā)展，提出應(yīng)用5G物聯(lián)網(wǎng)技術(shù)的群控機器人多主機通信方法。通過對數(shù)據(jù)發(fā)出端、接收端協(xié)方差矩陣的計算，實現(xiàn)群控機器人通信模型的建立。將通信信道的感知問題轉(zhuǎn)化為信道吞吐量的測算問題，結(jié)合數(shù)據(jù)往返時延的計算，判斷群控機器人多主機通信過程中，信道是否處于擁堵狀態(tài)。當(dāng)信道擁堵時，啟動EIED避讓算法，通過對避讓窗口的自適應(yīng)調(diào)控，調(diào)整數(shù)據(jù)傳輸順序，降低群控機器人多主機通信過程中的信道碰撞概率，優(yōu)化機器人多主機通信質(zhì)量。實驗表明，利用所提方法能夠有效提高群控機器人多主機通信過程中的網(wǎng)絡(luò)吞吐量，降低數(shù)據(jù)傳輸時延，為群控機器人數(shù)據(jù)穩(wěn)定傳輸提供重要保障。

關(guān)鍵詞：MIMO技術(shù)；信道吞吐量；5G物聯(lián)網(wǎng)；EIED避讓算法；信道碰撞；群控機器人多主機通信

中圖分類號：TP242.6 文獻標(biāo)識碼：A 文章編號：2095-1302（2024）10-00-05

0 引 言

5G物聯(lián)網(wǎng)打破了數(shù)據(jù)在時間以及空間上的傳輸壁壘，成為當(dāng)下主要的信息交流通道。隨著5G物聯(lián)網(wǎng)技術(shù)的全面開發(fā)，5G物聯(lián)網(wǎng)技術(shù)被廣泛應(yīng)用于智能制造業(yè)[1]。近年來，隨著人力成本的上升，制造業(yè)的經(jīng)營成本逐年上漲，為解決制造業(yè)長期以來面臨的用人壓力問題，智能機器人被大量研制并應(yīng)用于重復(fù)性作業(yè)中。相較于傳統(tǒng)人力勞動，機器人的作業(yè)效率更高，在面對長期重復(fù)性繁重作業(yè)任務(wù)時，機器人表現(xiàn)出較強的執(zhí)行能力，實現(xiàn)了社會勞動力的解放。由于單一機器人的作業(yè)能力有限，智能制造領(lǐng)域相關(guān)從業(yè)者研制出了群控機器人，群控機器人在作業(yè)過程中可通過不同機器人組件中配置的傳感器設(shè)備，實現(xiàn)信息的全面感知；結(jié)合機器人多主機信息交流，優(yōu)化作業(yè)流程。由此可見，對群控機器人多主機通信方法的研究是提升機器人作業(yè)效率與作業(yè)質(zhì)量的前提。

文獻[2]首先利用WiFi技術(shù)、紅外技術(shù)、Bluetooh技術(shù)建立了機器人通信系統(tǒng)，利用無線傳感器網(wǎng)絡(luò)對機器人作業(yè)過程中的感知信息展開實時分析與處理，結(jié)合傳感信號通信協(xié)議與控制信號控制協(xié)議實現(xiàn)機器人之間的信息傳遞及機器人與PC端的信息交互，從而完成了機器人作業(yè)空間信息的全面感知及控制中心指令的執(zhí)行。但此方法導(dǎo)致信息傳輸過程中網(wǎng)絡(luò)吞吐量下降。

文獻[3]根據(jù)仿生電流場通信原理建立機器人集群通信平臺，通過采用FPGA集成芯片對機器人集群電路內(nèi)的模擬信號進行放大處理，實現(xiàn)了機器人通信信號的穩(wěn)定接收。對接收的信號進行數(shù)字化處理，結(jié)合幅移鍵控非相干解調(diào)數(shù)字轉(zhuǎn)換芯片，對機器人數(shù)字化信息實施二進制轉(zhuǎn)換，并將其傳輸至數(shù)據(jù)分析中心，實現(xiàn)了機器人之間的信息交流。但此方法的數(shù)據(jù)傳輸效率較低。

文獻[4]在機器人身上部署了傳感器設(shè)備，可實現(xiàn)周邊信息的全面感知。根據(jù)機器人實際應(yīng)用環(huán)境，選取無線自組網(wǎng)實現(xiàn)對機器人所采集信息的集中處理，結(jié)合ZigBee技術(shù)，實現(xiàn)機器人與控制中心、機器人與機器人之間的信息交互，促使機器人按照控制中心指令實現(xiàn)作業(yè)要求。但此方法容易造成通信信道擁堵。

為了解決上述方法中存在的問題，提出應(yīng)用5G物聯(lián)網(wǎng)技術(shù)的群控機器人多主機通信方法。

1 群控機器人5G通信模型

群控機器人作業(yè)過程中，可通過自身配備的信息感知設(shè)備實現(xiàn)周邊信息的實時獲取，通過群控機器人多主機通信，可實現(xiàn)矢量值數(shù)據(jù)的交流以及控制中心的指令傳達。隨著5G移動通信技術(shù)的快速發(fā)展，MIMO技術(shù)被廣泛應(yīng)用于群控機器人多主機之間的信息交流。MIMO技術(shù)作為一種多輸入輸出技術(shù)，可通過天線數(shù)量以及規(guī)模的設(shè)定，實現(xiàn)群控機器人之間的信息交流。設(shè)MIMO通信系統(tǒng)中存在nS根信息接收天線以及nU根群控機器人信息轉(zhuǎn)發(fā)天線，則MIMO多信道通信模型結(jié)構(gòu)如圖1所示。

基于離散時間空時編碼原理[5]，可將MIMO通信模式下每個周期發(fā)送端的發(fā)送信號視為一個nU×1維矢量y=[y1， y2， y3， ...， yn]T，發(fā)送信號經(jīng)過MIMO信道傳輸矩陣G=[Gjk]傳輸至接收端后，接收端的接收矢量可記為s=[s1， s2， s3， ...， sn]T。

2 多主機通信方法

2.1 信道狀態(tài)感知

通信信道當(dāng)前數(shù)據(jù)傳輸狀態(tài)可通過信道吞吐量實現(xiàn)直觀測量[10]。設(shè)當(dāng)前通信狀態(tài)下，MIMO通信信道內(nèi)數(shù)據(jù)傳輸往返時延為RTT，傳輸過程中的丟包率為q，引入比例常數(shù)D對信道當(dāng)前吞吐量Th展開計算，計算過程如式（7）所示：

式中：MESS表示最大報文傳輸長度。

以通信信道內(nèi)群控機器人數(shù)據(jù)正常傳輸作為預(yù)估標(biāo)準(zhǔn)，此時數(shù)據(jù)往返時延可取最小值RTTmin，MIMO信道的理想吞吐量可表示為Thexpect，用cwnd表示MIMO通信系統(tǒng)原始擁塞窗口，則Thexpect計算過程如式（8）所示：

Thexpect計算結(jié)果可視為網(wǎng)絡(luò)空閑狀態(tài)下，RTTmin時間內(nèi)的通信信道吞吐量，即群控機器人數(shù)據(jù)正常傳輸前提下的數(shù)據(jù)傳輸狀態(tài)評價結(jié)果。實際通信信道中的吞吐量Thactual計算方法如式（9）所示：

由式（9）可知，實際群控機器人數(shù)據(jù)傳輸過程中的數(shù)據(jù)往返時延RTT為不確定量。在實際群控機器人多主機通信過程中，突發(fā)數(shù)據(jù)流及噪聲信號都會對數(shù)據(jù)傳輸過程中的帶寬造成影響[11]。因此，在計算實際吞吐量時，所提方法利用加權(quán)指數(shù)滑動平均模型EWMA[12]，在式（9）的基礎(chǔ)上，對Thactual展開平滑處理。設(shè)當(dāng)前時刻為t，上一時刻為t-1，經(jīng)平滑處理的信道實際吞吐量計算結(jié)果為，的計算過程如下：

為實現(xiàn)群控機器人多主機通信過程中擁塞程度的判斷，所提方法引入數(shù)據(jù)包往返時延自適應(yīng)權(quán)重系數(shù)η作為信道內(nèi)群控機器人數(shù)據(jù)傳輸狀態(tài)的評判標(biāo)準(zhǔn)，利用式（11）實現(xiàn)時延自適應(yīng)權(quán)重系數(shù)η的計算：

式中：η的取值范圍為[0， 1]，當(dāng)η取值更加接近于1時，證明當(dāng)前信道的實際吞吐量與理想群控機器人數(shù)據(jù)傳輸狀態(tài)下的信道吞吐量越接近，數(shù)據(jù)的傳輸能力越好。根據(jù)MIMO通信信道數(shù)據(jù)傳輸規(guī)則，將η=0.6設(shè)為網(wǎng)絡(luò)擁塞閾值，當(dāng)η計算結(jié)果為0～0.6時，證明當(dāng)前群控機器人多主機通信正常，信道無擁塞情況發(fā)生；當(dāng)η計算結(jié)果大于0.6時，證明群控機器人多主機通信狀態(tài)異常，信道內(nèi)發(fā)生擁塞，需要控制數(shù)據(jù)的傳輸，恢復(fù)群控機器人多主機之間的正常通信。

2.2 擁塞控制

為避免5G移動通信過程中信道擁塞情況的發(fā)生，所提方法在傳統(tǒng)二進制指數(shù)隨機避讓算法[13]的基礎(chǔ)上進行改良，提出EIED算法，避免傳統(tǒng)二進制指數(shù)隨機避讓算法在使用過程中造成通信節(jié)點不公平問題。

bs表示群控機器人節(jié)點數(shù)據(jù)成功發(fā)送時的窗口后退參數(shù)，當(dāng)群控機器人節(jié)點數(shù)據(jù)發(fā)送成功，bs的取值快速降低。此時，在EIED避讓算法的調(diào)控下，下一時刻的退避窗口CWnew調(diào)整如式（12）所示：

用bc表示當(dāng)前信道狀態(tài)下，群控機器人節(jié)點數(shù)據(jù)因信道擁塞造成數(shù)據(jù)發(fā)送失敗時的窗口后退參數(shù)。當(dāng)群控機器人節(jié)點數(shù)據(jù)發(fā)送失敗時，bc的取值將快速增加，此時在EIED避讓算法調(diào)控下，下一時刻的退避窗口CWnew調(diào)整如式（13）所示：

傳統(tǒng)二進制指數(shù)隨機避讓算法在處理因信道擁堵造成的數(shù)據(jù)傳輸失敗等情況時，通常采用直接倍乘法，但該方法在傳輸數(shù)據(jù)量較大時可能導(dǎo)致通信不公平性增加。所提方法基于當(dāng)前網(wǎng)絡(luò)負載條件，對用于信道通信數(shù)據(jù)避讓傳輸機制的后退參數(shù)展開合理選取，當(dāng)參與通信的群控機器人數(shù)據(jù)轉(zhuǎn)發(fā)節(jié)點過多或網(wǎng)絡(luò)節(jié)點負載過大時，可令bc的取值大于2；如當(dāng)群控機器人多主機通信過程中的參與節(jié)點數(shù)較少，網(wǎng)絡(luò)負載相對較輕時，可令bc的取值小于2，實現(xiàn)群控機器人多主機通信信道的數(shù)據(jù)避讓。

在群控機器人多主機通信過程中，若因通信信道擁塞造成了群控機器人中源機器人通信數(shù)據(jù)沖突，此時可將競爭窗口更新為原始窗口的bc倍，待信道數(shù)據(jù)傳輸恢復(fù)正常后，再將競爭窗口縮小至原始窗口的bc-1。經(jīng)過以上操作，群控機器人多主機通信數(shù)據(jù)發(fā)出成功及接收成功后的競爭窗口會比機器人數(shù)據(jù)傳輸節(jié)點沖突情況下的競爭窗口小很多，提高了下一輪通信數(shù)據(jù)傳輸過程中的信道競爭優(yōu)勢。然而，這種機制循環(huán)往復(fù)，容易使原本競爭能力較強的數(shù)據(jù)在信道搶占過程中優(yōu)先傳輸概率更高，而原本信道競爭過程中自身競爭能力較弱的數(shù)據(jù)，在信道搶占過程中被滯后傳輸。

為平衡以上不足，所提方法在EIED算法的基礎(chǔ)上，對最小競爭窗口的初始大小進行放大處理，將算法中最大競爭窗口的初始值進行縮小處理，即在群控機器人多主機通信數(shù)據(jù)傳輸成功后，將完成傳輸?shù)母偁幋翱谥刂脼棣翪Wmin，而存在數(shù)據(jù)傳輸沖突的競爭窗口則重置為ηCWmin。β、η參數(shù)可根據(jù)網(wǎng)絡(luò)當(dāng)前負載情況選取，若當(dāng)前網(wǎng)絡(luò)負載較小，則定義β取值大于1；若當(dāng)前網(wǎng)絡(luò)負載較大，則定義η取值小于1。群控機器人多主機通信情況下的信道數(shù)據(jù)避讓算法流程如圖2所示。

通過以上方法解決了5G物聯(lián)網(wǎng)技術(shù)下群控機器人多主機通信過程中的數(shù)據(jù)碰撞問題，實現(xiàn)了群控機器人多主機通信效率的提升。

3 實驗與分析

為驗證本文方法的可行性，分別利用本文方法、文獻[3]方法以及文獻[4]方法實現(xiàn)群控機器人多主機之間的數(shù)據(jù)交流。在多主機通信過程中，通過數(shù)據(jù)傳輸往返實驗評價群控機器人通信質(zhì)量，將不同數(shù)據(jù)傳輸往返時延隨通信時間變化的情況繪制成往返時延圖，實現(xiàn)不同方法的通信質(zhì)量對比。3種方法的通信時延對比結(jié)果如圖3所示。

圖3內(nèi)的黑色實心圓點表示RTT采樣點。觀察圖3可發(fā)現(xiàn)，本文方法的RTT采樣點數(shù)量多于文獻[3]方法及文獻[4]方法，說明本文方法在群控機器人通信過程中發(fā)送的確認數(shù)據(jù)條數(shù)多于文獻[3]方法及文獻[4]方法，做到了機器人感知數(shù)據(jù)的有效傳輸；并且本文方法的傳輸時延相較于文獻[3]方法及文獻[4]方法而言更短。這是因為本文方法引用加權(quán)指數(shù)滑動平均模型排除了數(shù)據(jù)流及噪聲對計量結(jié)果的干擾，將群控機器人多主機通信過程中的信道狀態(tài)識別問題轉(zhuǎn)化為了吞吐量計算問題。一旦判定當(dāng)前通信信道存在擁堵，則啟動EIED避讓算法，實現(xiàn)數(shù)據(jù)傳輸順序的調(diào)控，有效提升了數(shù)據(jù)傳輸效率。

為驗證本文方法的通信性能，分別利用本文方法、文

獻[3]方法及文獻[4]方法對群控機器人感知數(shù)據(jù)進行數(shù)據(jù)交流。在數(shù)據(jù)傳輸時，分析不同方法的機器人數(shù)據(jù)轉(zhuǎn)發(fā)節(jié)點吞吐量變化情況，并對3種方法在數(shù)據(jù)傳輸過程中的吞吐量變化情況展開分析并整理，最終以表格形式進行對比。通信節(jié)點吞吐量對比結(jié)果見表1所列。

分析表1可發(fā)現(xiàn)，本文方法在群控機器人數(shù)據(jù)轉(zhuǎn)發(fā)節(jié)點數(shù)量持續(xù)升高的背景下，通信信道吞吐量始終高于文獻[3]

方法及文獻[4]方法，證明本文方法的通信性能優(yōu)于其他兩種方法。這是因為本文方法選擇5G移動通信技術(shù)下的MIMO通信模式，實現(xiàn)了群控機器人多主機之間的數(shù)據(jù)交流，并從發(fā)出端信號傳輸、接收點信號傳輸、噪聲信號的干擾3個方面，分析了MIMO通信信道的數(shù)據(jù)傳輸方式，并對信道內(nèi)數(shù)據(jù)的擁塞情況展開調(diào)控，優(yōu)化了數(shù)據(jù)傳輸過程中的吞吐量，數(shù)據(jù)傳輸效率較高。

為了驗證本文方法的有效性，選取相同數(shù)量的群控機器人數(shù)據(jù)傳輸節(jié)點作為數(shù)據(jù)輸出端，并向接收端主機發(fā)出數(shù)據(jù)傳輸請求。在傳輸數(shù)據(jù)量不斷增加的前提下，分別利用本文方法、文獻[3]方法及文獻[4]方法搭建機器人多主機通信平臺，回應(yīng)發(fā)出端的通信請求。在此過程中，計算不同通信方法控制下數(shù)據(jù)發(fā)送端的數(shù)據(jù)發(fā)送請求成功率，請求成功率越高，則證明對應(yīng)群控機器人多主機通信信道對數(shù)據(jù)的傳輸性能越好。3種方法的請求成功率對比如圖4所示。

觀察圖4可發(fā)現(xiàn)，在傳輸數(shù)據(jù)量不斷增大的前提下，本文方法輸出端數(shù)據(jù)發(fā)送的請求成功率明顯高于文獻[3]方法及文獻[4]方法。這是因為本文方法在發(fā)現(xiàn)群控機器人多主機通信信道存在擁堵后，基于傳統(tǒng)二進制指數(shù)隨機避讓算法，通過對競爭窗口的自適應(yīng)調(diào)整，設(shè)計出用于調(diào)整數(shù)據(jù)傳輸信道的EIED算法，通過網(wǎng)絡(luò)負載情況的感知，適度調(diào)整后退參數(shù)，優(yōu)化了數(shù)據(jù)傳輸質(zhì)量，提高了信道內(nèi)數(shù)據(jù)的傳輸效率，因此節(jié)點數(shù)據(jù)傳輸請求成功率較高。

4 結(jié) 語

隨著物聯(lián)網(wǎng)的快速發(fā)展，機器人對周邊信息感知結(jié)果的存儲不再局限于自身，通過物聯(lián)網(wǎng)與云計算，實現(xiàn)了感知信息的云端存儲分析，進一步優(yōu)化了群控機器人的通信方法。本文方法在原有算法的基礎(chǔ)上，提出了改進的EIED算法，有效降低了數(shù)據(jù)傳輸時延。但由于研究時間有限，本文方法對群控機器人多主機通信方法的研究只停留在理論層面，后續(xù)可通過多類型機器人進行仿真測試，實現(xiàn)所提方法的進一步驗證。

參考文獻

[1]柴浩軒，金曦，許馳，等.面向工業(yè)物聯(lián)網(wǎng)的5G機器學(xué)習(xí)研究綜述[J].信息與控制，2023，52（3）：257-276.

[2]黃忠仕.基于無線傳感網(wǎng)絡(luò)的采摘機器人通信系統(tǒng)設(shè)計[J].農(nóng)機化研究，2022，44（4）：226-230.

[3]續(xù)丹，余雷，胡橋，等.水下機器人集群通信系統(tǒng)設(shè)計及實驗分析[J].西安交通大學(xué)學(xué)報，2022，56（6）：40-49.

[4]呂曉華，閆晶，宿敬肖.基于ZigBee的煤礦救援機器人無線通信系統(tǒng)設(shè)計[J].煤炭技術(shù)，2022，41（7）：195-197.

[5]陳林，王傳旭，王康，等.基于混合精度量化的空時編碼大規(guī)模MIMO系統(tǒng)性能[J].數(shù)據(jù)采集與處理，2021，36（2）：346-356.

[6]吳宣利，許智聰，王禹辰，等.基于信道相關(guān)性的物理層安全性能分析[J].通信學(xué)報，2021，42（3）：65-74.

[7]余俊偉，陸明杰，徐瑋瑋.一類酉約束矩陣跡函數(shù)最大值問題的解析解[J].云南大學(xué)學(xué)報（自然科學(xué)版），2022，44（1）：16-22.

[8]劉小斌，張金南，侯男，等.隨機變化耦合復(fù)雜網(wǎng)絡(luò)同步與信道衰落估計[J].東北石油大學(xué)學(xué)報，2022，46（3）：84-97.

[9]冀笑偉，李莉，魏爽，等.大規(guī)模MIMO相關(guān)信道下的聯(lián)合天線分組和天線選擇[J].電訊技術(shù)，2022，62（5）：637-643.

[10]李賽，黨小宇，虞湘賓，等.不完全信道狀態(tài)信息下非線性波形非正交多址接入系統(tǒng)吞吐量分析[J].電子與信息學(xué)報，2022，44（8）：2749-2756.

[11]范志華，吳欣欣，李文明，等.面向低精度神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)流體系結(jié)構(gòu)優(yōu)化[J].計算機研究與發(fā)展，2023，60（1）：43-58.

[12]張帥，楊劍鋒，劉玉敏，等.基于懲罰似然比的高維空間相關(guān)過程EWMA質(zhì)量監(jiān)控模型[J].運籌與管理，2022，31（9）：140-146.

[13]趙志勇，胡德雄，毛忠陽，等.基于信道狀態(tài)判決的隨機接入?yún)f(xié)議退避算法[J].系統(tǒng)工程與電子技術(shù)，2023，45（6）：1866-1871.