智能移動式果蔬采摘機器人設計——基于SOPC神經網絡

鄧　榮

(重慶工程職業技術學院，重慶　402260)

?

智能移動式果蔬采摘機器人設計——基于SOPC神經網絡

鄧榮

(重慶工程職業技術學院，重慶402260)

摘要：果蔬采摘機器人一般采用移動式機器人，雖有著強大的計算能力和移動性，但其感知能力的局限性限制了其智能的發展。為了提高果蔬采摘機器人的智能移動性能，使其擁有更好的實現自主導航的能力，采用(system on a programma-ble chip，SOPC)微處理器系統設計了一種新的智能移動式機器人控制系統，并采用神經網絡算法對其進行了優化，大大提高了機器人移動的精確性，增強了輸入和輸出的線性關系，使控制系統在單片芯片上實現了復雜系統的全部功能。通過測試發現：機器人的移動躲避障礙物時速度的穩定性較好，移動誤差較低，實現了果蔬采摘無人控制下的智能移動。

關鍵詞：果蔬采摘機器人；智能移動；自主導航；SPOC技術

0引言

現代果實采摘機器人已經開始應用智能化控制系統，對整個系統影響較大的是傳感器的工作性能。受實際采摘環境的影響，傳感器工作時一般都是非線性的，其測量系統的輸入與輸出并不能夠保證完全的線性。為了解決這個問題，除了采用硬件補償外，軟件補償方法則更加實用，因此受到了廣泛的關注。基于FPGA的SOPC技術與簡單的IC芯片設計不同，它可以將現有的模塊資源整合為一個完整的系統，功能由FPGA芯片直接實現，微處理器的性能和外圍接口電路可以由用戶直接編程實現。該方法大大節省了成本，提高了計算資源的利用率，縮短了開發周期，且兼容性較好，將其應用在智能移動機器人的設計過程中，具有重要的現實意義。

1智能移動式果蔬采摘機器人總體設計

移動機器人的計算能力和移動性能非常強大，但其感知能力較弱，限制了其智能性發展；而無線網絡和傳感器可以為果實采摘移動式機器人提供智能的感知能力，對于復雜環境還可進行大范圍的實時監測，可以完成計算和通訊任務，提高機器人路徑的規劃能力，實現機器人智能化自主導航，從而提高果實的采收效率和精確性。

智能移動式果蔬采摘機器人使用了主動式的結構，通過上位機發出指令，協調各個子系統完成工作，如圖1所示。其中，上位機由SOPC微處理器系統代替，數據處理在DSP中完成，SOPC負責數據的融合、任務的分配和策略選擇，協同各個子模塊完成工作；子模塊主要通過傳感器、驅動電機等實現速度、方向、移動限位開關和攝像頭等的控制。果蔬采摘機人總體結構如圖2所示。

圖1　機器人控制系統設計

圖2中，機器人的執行末端安裝了兩個攝像頭，兩個攝像頭被安裝在機械手小臂上，攝像頭作為機器人的雙目，實現了機械手目標自動定位的功能；使用SOPC微處理控制系統控制機器人的移動和果實的抓取，當遇到障礙物時，微處理器可以計算障礙物的距離，從而調整移動速度和方向，成功的繞過障礙物。

圖2　果蔬采摘智能移動機器人總體設計

2智能移動機器人結構和控制算法設計

對于移動式機器人的設計，控制機器人使用的傳感器較多，傳感器的控制可以寫成函數的形式，表示為

y=f(x,t1,t2,...,tk)

(1)

其中，x可作為目標參量的待測量；t1,t2,...,tk作為k個非目標量；y為傳感器輸出量。由于待測目標參量和非目標參量不是非線性的，可以利用算法將其向線性函數逼近，在實際測量模型中，輸入量為非目標測量數據，輸出量為目標參量，利用一定的算法，通過調整模型的相關參數，降低系統的控制誤差，達到設計要求。

圖3　控制電路圖

機器人和物體之間的距離一般采用三角測量方法來確定，利用傳感器的紅外管發出紅外光線，當紅外光碰到障礙物時會被反射回來，被反射回來后進入探測器，可以實時的測得障礙物的距離。PSD傳感器的位置如圖4所示。

圖4　PSD傳感器位置示意圖

圖5表示在SOPC控制下舵機的執行原理，控制電路接受信號后控制電機轉動，電機通過齒輪組進行變速后輸出到舵盤；電機的輸出軸和反饋電位計相連接，舵盤轉動的同時帶的反饋電位計，反饋后決定電機的轉動方向和速度，從而達到停止的目的。為了提高機器人控制的精度，利用BP神經網絡算法，根據系統的運行狀態，利用PID調節器，對機器人智能移動進行優化設計，其原理如圖6所示。

圖5　SOPC控制舵機執行原理

圖6　基于BP神經網絡結構的PID控制器結構

為了提高系統的控制精度，對控制對象進行離散化，并采用PID控制器對系統進行控制。PID控制器的算法可以表示為

u(k)=u(k-1)+kp[error(k)-error(k-1)]+

kierror(k)+kd[error(k)-

2error(k-1)+error(k-2)]

(2)

其中，kp、ki、kd分別為積分常數；u(k)為控制函數；error(k)為控制誤差。那么，神經網絡的輸入層可以寫成

(3)

其中，M表示控制系統的復雜度。神經網絡隱含層的輸入和輸出可以表示為

(4)

(5)

神經網絡輸出層的輸入和輸出可表示為

重慶—中國茶葉主要發源地之一，優質茶葉盛產之地。每隔幾年，重慶茶葉學會和商會都會進行十大名茶的評選，永川秀芽多次被評為重慶十大名茶之一。

(6)

輸出層輸出節點分別對應3個可調參數kp、ki、kd，其輸出層的Sigmoid函數為

(7)

取性能指標函數為

(8)

神經網絡的權系數需要利用梯度下降法來修正，在加權系數的負方向對E(k)進行搜索調整。為了加快收斂速度，加入一個全局極小慣性項，有

(9)

其中，η為學習速率，α為慣性系數。

(10)

通過以上分析，可以得到神經網絡輸出層的學習算法為

(l=1,2,3)

(12)

隱含層的加權系數學習算法可以表示為

(13)

g′(·)=g(x)[1-g(x)],f′(·)=[1-f2(x)]/2

(14)

在仿真中，利用的是離散化的控制對象，對障礙物的位移進行實時反饋，從而調整機器人控制系統的精度，提高機器人智能化移動的高效性。

3智能移動式果蔬采摘機器人性能測試

為了驗證本次研究設計的智能移動機器人的可靠性，對采摘機器人的移動性能進行了測試，包括機器人移動速度控制、躲避障礙物控制和移動誤差。測試場景如圖7所示。

圖7　果蔬采摘機器人測試場景

在果蔬采摘機器人的移動過程中，設置了障礙物，對機器人的輸入量和目標量進行設定后，對3層BP神經網絡進行訓練。其中，輸入層、隱含層和輸出層的神經網絡節點分別為18、28、16個，每個設計元節點用傳感器代替。通過計算，得到了采摘機器人移動速度隨時間變化曲線，如圖8所示。

由圖8可看出：當遇到障礙物時，機器人首先降低行駛速度，當速度降低到接近零時開始調整方向，然后再加速通過，其速度的控制比較精確和穩定。

本文共采集了80個樣本對數據作為神經網絡的輸入，通過不斷的訓練，得了如圖9所示的移動路徑結果。由圖9可以看出：機器人可以成功地躲避障礙物，最終到達終點。在不使用神經網絡算法時，使用微處理器對誤差進行統計，通過計算得到了如圖10所示的收斂殘差。

圖8　采摘機器人移動速度隨時間變化曲線

圖9　采摘機器人移動路徑結果圖

圖10　非神經網絡殘差控制收斂曲線

由圖10可以看出：在計算到2000ms時，計算誤差接近于0，計算迭代時間較長，殘差不易收斂。

圖11為機器人在躲避障礙物、使用神經網絡算法進行樣本訓練時得到的位移殘差曲線。由圖11可以看出：在計算到600ms時，計算誤差便開始接近于0，計算迭代時間較短，殘差易收斂，從而驗證了本文算法的可靠性。

圖11　神經網絡殘差控制收斂曲線

4結論

1)為了提高果實采摘機器人的自主導航能力，提高智能化移動的速度和精度，提升果實采摘機器人的自主感知能力，利用SOPC微處理系統技術，結合神經網絡PID控制算法，設計了一款新的智能移動機器人，從而大大增強了果實采摘機器人輸入和輸出的線性關系，使其可以在單片芯片上實現復雜的系統控制，降低了開發成本。

2)對智能移動果蔬采摘機器人的性能進行了測試，結果表明：采摘機器人可以根據障礙物自主的調整移動速度，實現其智能化移動控制；可以有效地繞過障礙物，實現自主導航性；使用神經網絡算法可以有效地提高移動的精度，為高精度果蔬采摘機器人的設計提供了技術參考。

參考文獻：

[1]陳磊,陳帝伊,馬孝義.果蔬采摘機器人的研究[J].農機化研究,2011,33(1):224-231.

[2]梁喜鳳,楊犇,王永維.番茄收獲機械手軌跡跟蹤模糊控制仿真與試驗[J].農業工程學報,2013,29(17): 16-22.

[3]張建鋒,何東健,張志勇.采摘機器人自適應魯棒跟蹤控制算法設計[J].農機化研究,2009,31(12):10-14.

[4]吳忠強,張曉霞,舒杰.柔性機器人基于自適應模糊動態面的實用穩定控制[J].中國機械工程,2012,23(19): 2297-2301.

[5]過希文,王群京,李國麗.基于動態面的機械臂軌跡跟蹤神經網絡自適應算法[J].系統仿真學報,2011,23(11):2327-2332.

[6]李曉剛,劉晉浩.基于反演設計的碼垛機器人神經網絡自適應控制[J].包裝工程,2012,33(1):80-85.

[7]丁銳,喻俊志,楊清海,等.基于紅外傳感器的兩棲機器人智能避障控制[J].南京理工大學學報:自然科學版,2009,33(S1):92-97.

[8]丁吉,段鎖林,任富強,等.基于模糊規劃器的輪式移動機器人避障研究[J].常州大學學報:自然科學版,2010,22(4):34-38.

[9]李菊葉.小型機器人避障的設計與實現[J].北華大學學報:自然科學版,2012,13(2):245-248.

[10]常健,吳成東,李斌.移動機器人避障方法綜述[J].儀器儀表學報,2010,31(8):439-442.

[11]任亞楠,賈瑞清,何金田,等.基于超聲波傳感器的移動機器人避障系統研究[J].中國測試,2012,38(3):76-79.

[12]王丙強,宋弘.兩級BP網絡在機器人傳感器融合中的應用[J].微計算機信息,2009,25(23):192-194.

[13]李繼勇,趙德彪,張靜.基于BP神經網絡的供應鏈風險預警研究[J].河北工程大學學報:自然科學版,2011,28(3):83-77.

[14]周芳,朱齊丹,趙國良.基于改進快速搜索隨機樹法的機械手路徑優化[J].機械工程學報,2011(11):30-35.

[15]Goh Shy ChyanS.G.Ponnambalam.Obstacle avoidance control of redundant robots using variants of particles warm optimization[J].Robotics and Computer Integrated Manufacturing,2011,25(8):282-285.

[16]梁喜鳳,王永維,苗香雯.番茄收獲機械手避障運動規劃[J].農業機械學報,2008,39(11):89-93.

[17]宋勇,李貽斌,栗春,等.基于神經網絡的移動機器人路徑規劃方法[J].系統工程與電子技術,2008(2):316-319.

[18]張美玉,黃翰,郝志峰,等.基于蟻群算法的機器人路徑規劃[J].計算機工程與應用,2005(25):34-37.

[19]孔令軍,張興華,陳建國.基本蟻群算法及其改進[J].北華大學學報：自然科學版,2004(6):572-574.

[20]羅德林,吳順祥.基于勢場蟻群算法的機器人路徑規劃[J].系統工程與電子技術,2010(6):1277-1280.

[21]許斯軍,曹奇英.基于可視圖的移動機器人路徑規劃[J].計算機應用與軟件,2011(3):220-222.

[22]尹建軍,武傳宇,Yang Simon X,等.番茄采摘機器人機械臂避障路徑規劃[J].農業機械學報,2012(12):171-175.

[23]姬偉,程風儀,趙德安,等.基于改進人工勢場的蘋果采摘機器人機械手避障方法[J].農業機械學報,2013(11):253-259.

Design of Intelligent Mobile Fruit Picking Robot——Based on Neural Network Algorithm and SOPC Technology

Deng Rong

(Chongqing Vocational Institute of Engineering, Chongqing 402260,China)

Abstract：Fruit and vegetable picking robots generally use the mobile robot, which has a powerful computing capacity and mobility. However,the limitations of their sensing ability limits the development of the intelligent. In order to improve fruit picking robot intelligent mobile performance, it has better achieve autonomous navigation capabilities by SOPC of a new intelligent mobile robot control system, and it optimized neural network algorithm, greatly improved the accuracy of mobile robot, enhanced the linear relationship between the input and output, made control system on a single chip realize all the functions of the complex system. Through the test, it is found that the speed of the robot's movement is better and the moving error is lower, and the intelligent movement of the fruit and vegetable picking is realized.

Key words：fruit picking robot; intelligent mobile; autonomous navigation; SPOC technology

中圖分類號：S225.91；TP242

文獻標識碼：A

文章編號：1003-188X(2016)08-0184-05

作者簡介：鄧榮(1977-)，女，重慶人，副教授，碩士，(E-mail)dengrong1977@126.com。

基金項目：重慶市教委科學技術研究項目(KJ1403209);重慶市社會科學規劃博士項目(2014BS117)

收稿日期：2015-07-28