基于足球比賽運動的避障系統(tǒng)開發(fā)設(shè)計

郭銅樑，任 波

(晉中學院，山西 晉中 030619)

0 引言

隨著科技的快速發(fā)展，機器人[1]在多個領(lǐng)域得到了推廣應(yīng)用，在農(nóng)業(yè)領(lǐng)域的應(yīng)用需求越來越大。特別是在農(nóng)業(yè)人口比較少的地區(qū)，采用機械化生產(chǎn)可以減輕勞動力緊缺的壓力，而且智能化的農(nóng)業(yè)機器人可以更好地適應(yīng)農(nóng)業(yè)科技的發(fā)展。在我國，農(nóng)用機器人的應(yīng)用改變了傳統(tǒng)農(nóng)業(yè)生產(chǎn)模式，改善了種植戶的生產(chǎn)勞動狀態(tài)，提高了勞動效率。機器人可以擔任農(nóng)業(yè)生產(chǎn)中重復、危險的工作，且可以連續(xù)進行作業(yè)，節(jié)約了大量的資源，是現(xiàn)代農(nóng)業(yè)必經(jīng)之路。目前，農(nóng)業(yè)生產(chǎn)中如采摘、收割、分級等工作都開始引進機器人代替。采摘收獲機器人的研究開始于20世紀60年代，當時研究出來的采摘方式主要以振搖式為主，該方式容易對果實造成損傷，且采摘時無法進行選擇，成熟的和不成熟的果實都采摘下來了。因此，隨著計算機技術(shù)的發(fā)展，研究出智能化的采摘機器人[2-11]。

由于采摘機器人作業(yè)環(huán)境的復雜性，其識別定位和避障規(guī)劃問題是必須解決的，人們研究出了許多技術(shù)手段。在識別問題中，主要研究出各種傳感器進行識別定位，如視覺傳感器、紅外傳感器及超聲波傳感器等[12-15]。工作時，通過傳感器等手段采集環(huán)境信息，并將信息進行處理后[16-19]，通過智能化的算法計算出最優(yōu)路徑?；谧闱虮荣愡\動決策[20-22]的避障設(shè)計采用的方法中有模糊算法、神經(jīng)網(wǎng)絡(luò)法等智能化方法[23-26]。避障系統(tǒng)實行的步驟是感應(yīng)-建模-計算-執(zhí)行。感應(yīng)通過傳感器實現(xiàn)，單靠一種傳感器采集的信息不完整，本文設(shè)計為多傳感器融合采集信息，以模糊控制算法進行路徑計算以避開障礙物，并設(shè)計行為控制器。模糊控制器將行為分解為避障行為、趨向行為等，并將行為輸出達到避障目的。

本研究基于足球比賽運動的避障系統(tǒng)開發(fā)設(shè)計，實現(xiàn)了采摘機器人的自主識別導航，提高了采摘機器人的智能化水平，旨在為農(nóng)業(yè)生產(chǎn)機器人研發(fā)提供參考。

1 采摘機器人控制系統(tǒng)機構(gòu)設(shè)計

1.1 控制系統(tǒng)結(jié)構(gòu)設(shè)計

采摘機器人實現(xiàn)的前提是結(jié)構(gòu)設(shè)計，即根據(jù)用途去設(shè)計機器人結(jié)構(gòu)，并考慮設(shè)計成本等性能指標：①機器人行走機構(gòu)。根據(jù)作業(yè)環(huán)境選擇如履帶式、輪胎式等，本文研究的機器人是在田間作業(yè)，田間起伏比較小，可選擇輪胎式，輪胎式的設(shè)計比較簡單，且易于控制。②驅(qū)動電動機則采用直流電動機，成本比較低，但性能高。③采摘機器人以四輪雙電機同步驅(qū)動，雙電機分布控制兩個后輪，兩個后輪則同步驅(qū)動同向的前輪(見圖1)，采用雙電機控制易于實現(xiàn)機器人的運動行為，提高轉(zhuǎn)向的靈活性。

控制系統(tǒng)的主要硬件還有計算機、圖像數(shù)據(jù)采集卡及運動控制器等。其中，計算機為控制核心，對機器人控制所有操作，轉(zhuǎn)向、速度、信息采集、信息處理等，還需要具備控制算法的計算及各項信息接收。圖像數(shù)據(jù)采集卡則是計算機與傳感器中間橋梁，因為傳感器輸送出來的信號是模擬信號，需要利用采集卡將模擬信號轉(zhuǎn)換為計算機可以識別的二進制信號。運動控制器則是接收計算機信號控制機械操作的中心。

圖1 機器人驅(qū)動結(jié)構(gòu)Fig.1 Robot drive structure

1.2 傳感器結(jié)構(gòu)設(shè)計

傳感器在采摘機器人避障設(shè)計中是關(guān)鍵設(shè)備，采摘機器人作業(yè)環(huán)境的信息均通過傳感器采集。傳感器種類比較多，現(xiàn)今使用比較多的有視覺傳感器、紅外傳感器及超聲波傳感器等。視覺傳感器通過攝像頭等設(shè)備采集圖像信息，是獲得作業(yè)環(huán)境中障礙物與機器人位置最基本的手段，還可以確定障礙物的性狀、大小，以及確定機器人行走路徑的視覺導向。視覺傳感器采集的圖像信息會存在一些干擾信息，通過一些技術(shù)手段將圖像進行處理，精確圖像中障礙物的位置、尺寸信息，利于機器人避障系統(tǒng)的運行。紅外傳感器是通過發(fā)射紅外線檢測障礙物的位置，正常情況下，空氣中的物品溫度會高于空氣溫度，紅外傳感器可感應(yīng)出障礙物的位置；而且紅外傳感器還可以調(diào)節(jié)敏感度，對作業(yè)環(huán)境中光線干擾小，且盲區(qū)小。超聲波傳感器則是發(fā)射一種頻率比較高的機械波，穿透性比較好。本文以視覺傳感器和紅外傳感器融合使用，將傳感器采集的信息進行處理，剔除無用的數(shù)據(jù)，增強了避障系統(tǒng)的容錯能力，避免因一個傳感器信息錯誤無法采集信息，以確保信息采集全面，實現(xiàn)對作業(yè)環(huán)境信息的完整描述。

2 采摘機器人運動控制策略

2.1 運動控制模型

本文研究的避障系統(tǒng)安裝的機器人采用的是雙電機同步驅(qū)動方式，在理想狀況下，左側(cè)輪胎或右側(cè)輪胎是同樣的轉(zhuǎn)向、轉(zhuǎn)速，通過控制電機的電壓大小就可控制機器人的速度和轉(zhuǎn)向。

采摘機器人的運動模型如圖2所示。在二維坐標系中，以(x1,y1)為機器人的中心點，θ1則表示采摘機器人的轉(zhuǎn)向角度，取值范圍為(-π，π)，ω1、v1則分別表示角速度、線速度，則

x1=v1cosθ1

(1)

y1=v1cosθ1

(2)

θ1=ω1

(3)

采摘機器人的位移S，速度v1，角位移θ1，角速度ω1的計算如下。其中，Sm、Sn分別表示左右輪的線位移，Qm、Qn分別表示左右輪的轉(zhuǎn)速，D0為左右輪的中心距離，D表示輪胎的直徑，則

S=(Sm+Sn)/2

(4)

v1=(Qm+Qn)Dπ/2

(5)

θ1=(Sm-Sn)D0

(6)

ω1=(Qm-Qn)Dπ/D0

(7)

圖2 采摘機器人運動模型Fig.2 Picking robot movement model

2.2 運動控制-轉(zhuǎn)彎半徑

Qm、Qn分別表示采摘機器人左右輪的轉(zhuǎn)速；D0為左右輪的中心距離；D為輪胎的直徑。

當Qm=Qn時，采摘機器人的轉(zhuǎn)角速度為0，轉(zhuǎn)彎半徑為+∞，即采摘機器人是直線行駛。

當Qm=-Qn時，采摘機器人的轉(zhuǎn)彎半徑為0，機機器人做原地轉(zhuǎn)圈運動，角速度則為

ω=Qm/D0

(8)

3 避障系統(tǒng)

3.1 模糊控制

模糊控制是以Zadeh提出的模糊集理論為基礎(chǔ)，是將模糊集合理論和推理綜合應(yīng)用的控制方法。模糊控制包括4部分：模糊化、模糊規(guī)則、模糊推理、去模糊化。模糊控制的步驟是：將需要輸入的信息模糊化，根據(jù)專家經(jīng)驗建立的知識庫和規(guī)則，并結(jié)合已模糊化的信息進行模糊推理；得到的信息還無法使用，需要模糊化的逆向操作，即去模糊化，去糊化后的信息可輸出。模糊控制結(jié)構(gòu)如圖3所示。

圖3 模糊控制結(jié)構(gòu)Fig.3 Fuzzy control structure

模糊邏輯算法改善了傳統(tǒng)控制器過度依賴行為參數(shù)來設(shè)計機器人，模糊控制器的設(shè)計依靠經(jīng)驗。傳統(tǒng)的控制器需要建立數(shù)學模型，操作比較困難，且控制過程也比較復雜。而模糊控制器的模型則是在知識庫中存在，需要時直接從規(guī)則庫中選擇合適的模型使用，故模糊邏輯控制器適合處理避障問題的非線性問題。模糊控制器的規(guī)則庫依靠設(shè)計者經(jīng)驗建立，在不易建立模型的復雜環(huán)境，模糊邏輯控制有以下優(yōu)點：

1)不用根據(jù)現(xiàn)場的控制對象建立數(shù)學模型；

2)規(guī)則庫是以人們經(jīng)驗建立的，規(guī)則比較符合人的思維方式，有易于人機交互的實現(xiàn)；

3)模糊控制器的構(gòu)建簡單，且運行穩(wěn)定。

模糊邏輯控制是一種通過模擬人類思維方法的智能控制方法，在控制過程中抵抗干擾能力及適應(yīng)性強，可以應(yīng)用多種領(lǐng)域。

在模糊邏輯控制中，隸屬度函數(shù)的選擇至關(guān)重要，隸屬度函數(shù)影響控制的準確性。隸屬度函數(shù)根據(jù)控制需要進行選擇，常用隸屬度函數(shù)有高斯函數(shù)及Sigmoid函數(shù)等，其表達式為：

高斯函數(shù)為

f(x)=exp[-(x-c)2/2δ2]

(9)

Sigmoid函數(shù)(見圖4)為

圖4 Sigmoid函數(shù)圖表Fig.4 Sigmoid function chart

基于機器人的魯棒性，本文采用高斯隸屬度函數(shù)，計算比較準確，且操作簡單。

3.2 避障系統(tǒng)模糊控制算法實現(xiàn)

足球比賽運動是一個擾動系統(tǒng)，將該系統(tǒng)分為相對、高潮及取勝3個階段。其中，相對階段是時間最長的，類似避障系統(tǒng)中的正常狀態(tài)，依靠的是隊員、教練、裁判的控制，類似自主避障設(shè)計中的感應(yīng)、控制算法及控制方法。避障系統(tǒng)中障礙物的感應(yīng)就相當于隊員的防守行為，控制模糊控制中心就是教練的指揮，而裁判就是機器人行為沖突時做出的決策，判斷得分即執(zhí)行那種行為。

4 仿真試驗與結(jié)果分析

仿真試驗采用雙電機同步驅(qū)動的機器人為實驗對象，傳感器安裝視覺傳感器和紅外傳感器，以模糊邏輯控制算法控制避障系統(tǒng)，驗證避障系統(tǒng)的有效性；與遺傳算法、人工蟻群算法進行比較，比較不同算法路徑規(guī)劃效果。試驗場所為1個8m×4m平臺，有3個固定障礙物和1個動態(tài)障礙物，試驗結(jié)果如圖5所示。

圖5中，3號路徑為模糊控制算法控制規(guī)劃，1號路徑為遺傳算法控制，2號路徑為人工蟻群算法控制。試驗表明，3種避障系統(tǒng)都可以達到避障效果，3號路徑明顯比其他兩條路徑優(yōu)化。

由表1試驗對比結(jié)果看出：模糊控制算法設(shè)計避障系統(tǒng)的路徑優(yōu)化時間明顯比較短，規(guī)劃出來的路徑也是最短，驗證了模糊控制算法的避障系統(tǒng)的實時性和可靠性。

圖5 不同算法避障路徑Fig.5 Different algorithms for obstacle avoidance表1 路徑規(guī)劃結(jié)果Table 1 Path planning results

算法路徑規(guī)劃時間/s路徑長度/m人工蟻群算法9.3812.34遺傳算法11.3214.52模糊控制算法6.2910.36

5 結(jié)論

1)基于足球比賽運動的避障系統(tǒng)，將足球比賽運動中球員、教練、裁判和比賽規(guī)則引入避障系統(tǒng)設(shè)計中，用多融合傳感器的模式采集作業(yè)環(huán)境信息，以模糊邏輯控制器分析障礙物信息并控制避障行為，實現(xiàn)了采摘機器人的自主避障設(shè)計。

2)改變傳統(tǒng)農(nóng)業(yè)機械操作對人的依賴性，讓機器人具備自主導航、自主判斷障礙物的位置，并自主實現(xiàn)路徑優(yōu)化。仿真實驗表明：在復雜未知的工作環(huán)境，本系統(tǒng)可以有效避開障礙物，實時避障，完成該機器人的作業(yè)任務(wù)。