基于多傳感器的移動小車循墻導航控制

胡鄭希 ，胡 泊

(1.安徽工業大學電氣與信息工程學院，安徽 馬鞍山 243000；2.銅陵力圖機電科技有限公司，安徽 銅陵 244000)

基于多傳感器的移動小車循墻導航控制

胡鄭希1，胡 泊2

(1.安徽工業大學電氣與信息工程學院，安徽 馬鞍山 243000；2.銅陵力圖機電科技有限公司，安徽 銅陵 244000)

針對傳統單傳感器循墻移動小車存在控制精度不高、行走導航不穩定、控制程序算法繁雜的問題，提出了基于光電傳感器、超聲波傳感器及光電測速碼盤等多傳感器組合的新型移動小車循墻導航控制方法。描述了移動小車系統結構、傳感器設置，闡述了超聲波傳感器、光電傳感器和光電測速碼盤等的檢測分析方法。提出了基于超聲波的超誤差模糊化算法，并根據超誤差模糊化算法設計了相應的控制算法程序。討論了房間內不同運動環境下各個傳感器的工作狀態，并由不同的運動環境狀態確定了不同的傳感器檢測信息。利用光電傳感器、超聲波傳感器、光電測速碼盤檢測信息，構建了室內環境狀態的混合模型。結合混合模型制定了對應的控制策略，在該控制策略的作用下，實現了小車在室內各環境狀態下的平穩運行。試驗結果表明，基于多傳感器構建的混合模型實現了移動小車精確、穩定的循墻導航控制，所提出的方法簡單可靠、實用性強，具有一定的應用價值。

移動小車；循墻導航控制；多傳感器；環境狀態；混合模型；控制策略；狀態機設計；系統配置

0 引言

循墻移動控制作為一種機器人導航控制方式，其特征在于：在某一封閉的區域內，機器人能夠自主判斷環境狀態并作出相應處理，從而沿墻壁行走，與墻壁保持一定的距離且不發生碰撞。機器人的循墻移動控制作為一種低層次的導航方式，不僅能夠方便、快捷地構建未知封閉區域內的移動策略，而且能夠配合其他的智能控制方式完成復雜環境下的導航控制[1]。

傳統的循墻移動控制采用單傳感器進行循墻導航，國內外很多學者采用這種方式對循墻導航進行了研究。Holder[2]提出了一個利用單個旋轉聲納傳感器的循墻導航算法。由于聲納傳感器的發射發散及鏡面反射問題，因而傳感器返回的距離與實際的距離有較大偏差，循墻試驗不夠理想。郭小勤等[3]提出了基于紅外位置敏感探測器(position sensitive detector,PSD)的移動機器人循墻導航控制方法，能夠識別大多數的環境模態，但由于其傳感器的特性和控制策略問題，單傳感器的設計容易造成誤識別，試驗結果表明其不能實現精準的循墻而行。在控制方法上，王棟耀等[4]采用有限狀態機控制方法對機器人循墻導航進行了仿真研究；簡偉程等[5]則在循墻導航應用中對遺傳規劃算法進行了研究。這些控制方法對循墻控制進行了優化，但大多數控制方法結構繁雜，且難以判斷特殊環境，不利于實際應用和推廣。

本文利用光電傳感器、超聲波傳感器和光電測速碼盤的信息集建立了混合模型[6]，并制定了基于多傳感器移動小車的循墻控制策略。該策略可以對環境狀態進行有效判斷，解決了基于單傳感器的循墻控制不精確和環境判斷不準確的問題，簡化了控制算法，提高了系統的可靠性和可利用性，保證了移動小車平滑、精確的循墻移動。

1 循墻導航移動小車結構

移動小車長300 mm、寬200 mm、高100 mm，質量約為3 kg；安裝有4個E3F-DS30C4型光電傳感器、2個US-100型超聲波模塊和2個光電測速碼盤，底盤驅動系統由2個驅動輪、2個從動輪和連接驅動輪從動輪的2個履帶組成，驅動輪和從動輪直徑為64 mm。移動小車的系統結構如圖1所示。

圖1 移動小車的系統結構圖

圖1中：①～④分別為光電傳感器1#～光電傳感器4#；⑤、⑥分別為超聲波傳感器1#、超聲波傳感器2#；⑦、⑧分別為光電碼盤1#、光電碼盤2#；⑨、⑩分別為左輪驅動電機、右輪驅動電機。

控制器采用ARM公司的STM32F103ZET6作為控制系統的核心，通過控制器的PCA通道產生PWM波經電機驅動模塊驅動移動小車兩側的電機，由光電測速碼盤檢測移動小車的速度。

移動小車控制系統采用自主循墻導航模式，規定以小車前進方向為參考系，墻壁位于小車左側為左循墻模式，否則為右循墻模式。兩種模式都需要采用傳感器接收環境信息，從而對環境狀態進行判斷。控制器接收傳感器的信息以進行混合模型構建，并給出相應的執行器控制策略，從而實現混合模型下的導航功能。

2 多傳感器的環境檢測分析

2.1 超聲波傳感器

自帶溫度補償功能的超聲波模塊可以檢測小車與墻體之間的距離，傳感器利用串口在Trig/TX管腳輸出0x55/0x50(波特率為9 600 bit/s)，通過串口接收距離值/實時溫度值。在系統中，超聲波模塊與小車前進方向成垂直關系，對墻壁距離進行檢測。超聲波傳感器的聲波具有鏡面反射的特點且呈扇形發射[7]，因此采集的數據必須進行處理后才能參與構建循墻導航的混合模型。超聲波測距示意圖如圖2所示。

圖2 超聲波測距示意圖

超聲波采集到的距離值數據經過中值濾波算法確定。將某時刻T開始采集的8個值{S1，S2，S3，S4，S5，S6，S7，S8}按冒泡排序的方式重新排列成{Sm1，Sm2，Sm3，Sm4，Sm5，Sm6，Sm7，Sm8}，取(Sm4+Sm5)/2作為T時刻超聲波采集的距離值S。

偏差集K的算法如下：

KT=ST-ST-ΔT

(1)

式中：KT為T時刻的偏差元素，mm；ST為T時刻濾波后的距離值，mm；ST-ΔT為T-ΔT時刻濾波后的距離值，mm。

偏轉集P的算法如下：

(2)

式中：PT為T時刻的偏轉元素；VL為光測速碼盤測出的左輪速度；VR為光電測速碼盤測出的右輪速度。

偏差偏轉合成集E的算法如下：

ET=KT×PT

(3)

式中：ET為T時刻的偏差偏轉集元素，mm。

小車在循墻直線前進狀態下，無論是向左偏轉還是向右偏轉，理論上偏差集元素和偏轉集元素符號相同。偏差偏轉合成集元素為正。而超聲波傳感器在α過大情況下返回的距離值遠大于實際值，偏差偏轉合成集元素可能為負。偏差偏轉集合元素的符號性質可以作為判斷超聲波返回的距離值是否精確的重要依據。超誤差模糊化算法如下：

If((ET-2ΔT≤0) &&(ET-ΔT≤0)&&(ET≤0))

S=ST;

Else

{

If((PT-2ΔT=-1&&PT-ΔT=-1&&PT=-1)|| (PT-2ΔT×PT-ΔT×PT=-1))

//S?實際值;

清空偏差集K、偏轉集P和偏差偏轉合成集E;

S值為ERROR。

α<-40°為大概率事件;

If((PT-2ΔT=-1&&PT-ΔT=-1&&PT=-1)|| (PT-2ΔT×PT-ΔT×PT=-1))

//S?實際值;

清空偏差集K、偏轉集P和偏差偏轉合成集E;

S值為ERROR。

α>40°為大概率事件;

}

程序中：S為實際距離，mm。

2.2 光電傳感器

分別位于小車前左、前右(小車前進方向為前)、左側、右側的4個光電傳感器，用于判斷墻體周圍環境狀態。光電傳感器檢測到障礙物即返回高電平1，沒有檢測到則返回低電平0，表示該光電傳感器延長線方向有墻壁。當檢測到墻壁狀態時會造成小車響應時間過短無法及時糾正循墻動作，檢測距離設置過長會造成較高幾率的狀態誤識別，同時影響超聲波傳感器的狀態檢測。經過試驗分析，最佳距離為300 mm。

2.3 光電測速碼盤

100線的光電測速碼盤配合紅外對管使用，可確定小車的相對狀態。小車循跡過程中將在紅外對管的輸出端產生脈沖，控制器統計脈沖數可得到速度V。

V=πnR/(50×T)

(4)

式中：T為采樣周期，s；n為1個周期內的脈沖數；R為光電測速碼盤的半徑，mm。

3 多傳感器的混合模型構建

3.1 室內小車移動狀態

混合模型的構建基于小車室內循墻導航過程所遇到的各種情況，室內環境狀態是可以窮舉的，通過對室內各種環境狀態的分析，可以對傳感器的綜合信號構建一個基于多傳感器的混合模型。不考慮不規則障礙物的室內狀態，將小車在一般移動環境狀態簡單地抽象為丟墻(無墻)、直線墻、內墻角、外墻角、房間門、碰撞墻壁6種狀態。小車移動情況如圖3所示。

圖3 小車移動示意圖

3.2 混合模型構建

混合模型的構建有助于精確判斷小車目前所處的環境狀態[9-10]。小車在不同室內環境狀態下的各傳感器處理后的數據如表1所示。

表1中：ERROR為超聲波傳感器在超誤差模糊化算法下測量的錯誤信息；S為超誤差模糊化算法下小車與墻面的實際距離。依據表1數據構建出右循墻模式下混合模型。將丟墻(無墻)環境狀態規定為尋墻模型。

表1 各傳感器處理后的數據

由于受控制策略和檢測分析的影響，小車實際上在平行于墻的直線上來回震蕩前進，結合超聲波模塊測量分析下的超誤差模糊化集，可以將直線墻環境分為直線墻正常狀態、遠離狀態和接近狀態，并以這三種狀態規定直線循墻正常模型的模型信息為S。直線墻模型中的直線循墻遠離模型，直線墻模型中的直線循墻接近模型的模型信息為“α>40°為大概率事件”。

將內角墻環境狀態規定為內墻角模型。

外墻角和房間門的環境狀態判斷是一個動態過程，需要利用移動小車結合狀態機的動作執行對傳感器的狀態進行采集。將移動小車的初始狀態記為P1。若P1狀態執行過程中T1時刻各個傳感器狀態值為表1中外墻角和房間門1的數值，則小車按直線墻下的混合模型繼續循墻移動，并將這個狀態記為P2。若P2狀態執行過程中T2時刻各個傳感器狀態值為表1中外墻角和房間門2的數值，則控制小車繼續向前移動1.5個車身的距離，然后原地向右旋轉90°，最后再控制小車向前移動1.5個車身的距離，并將這個狀態記為P3。若P3狀態執行完畢后T3時刻各個傳感器狀態值為表1中外墻角和房間門3的數值，則規定這種狀態為外墻角模型。

若P3狀態執行完畢后T3時刻各個傳感器狀態值為表1中外墻角和房間門4的數值，則控制小車原地向右旋轉90°后再向前移動1.5個車身的距離，并將這個狀態記為P4。若P4狀態執行完畢后，T4時刻各個傳感器狀態值為表1中外墻角和房間門5的數值，則規定這種狀態為房間門模型。

小車由于控制程序和策略的不完善，會發生碰撞墻壁的小概率事件。碰撞墻壁穩定后，小車的速度為0，即左輪速度和右輪速度都為0，則將這種狀態規定為碰墻模型。

4 基于混合模型的循墻導航控制

4.1 循墻移動小車運動控制

循墻前進的特殊行動方式決定了兩輪的速度必須盡可能保持一致，這里需要引入速度閉環控制。以設定速度作為閉環控制的給定量，光電測速碼盤檢測的小車速度作為反饋量，則實際的速度值將穩定在設定速度附近。通過控制小車的左、右輪速度可以實現小車的轉向。直線墻環境狀態下可以通過差速驅動的方式實現小車的循墻調節，即：

vR=v0+Δv

(5)

vL=v0-Δv

(6)

式中：vR為當前時刻的小車右輪速度，mm/s;vL為當前時刻的小車左輪速度，mm/s；v0為小車上一時刻速度值，mm/s；Δv為小車速度變化值，mm/s。

也可以通過控制左輪前進、右輪后退(左右輪速度絕對值相同)和左輪后退、右輪前進的方式實現小車的原地右轉和原地左轉。

4.2 混合模型下的控制策略設計

以下控制策略的設計全部基于右循墻模式。

4.2.1 尋墻模型

移動小車在尋墻模型下應控制其向墻壁方向運動。小車控制策略依據光電傳感器采集到的環境信息的變化狀態機設計，尋墻模型下狀態機轉換如圖4所示。

圖4 尋墻模型下狀態機轉換圖

4.2.2 直線墻模型

移動小車在直線墻模型下應該控制其平行于墻壁前進，并與墻壁保持一定的距離。由構建的混合模型分析可知，在直線墻模型下可以將小車的狀態分為正常直線墻模型、接近直線墻模型和遠離直線墻模型。

在正常直線墻模型下，超聲波測出小車與墻壁的距離誤差不超過5%，反饋值精確。采用距離閉環控制可以有效地控制小車循墻前進。

實際移動過程中小車速度約為1 m/s，所以控制器采用PI(比例積分)控制就可以滿足偏差控制需要，具體的控制算法如下。

Error_last=Error;

Error=Distance_set-Distance;

Integral=KI×( Error- Error_last);

If(Integral>Full)

{

Integral=Full

}

V_Error=KP× Error+KI× Integral;

程序中：Error_last為上次的Error ；Error 為設定值與實測值的差；Distance_set 為設定的距離；Distance 為實際測定的距離；Integral為積分部分的值；KI為積分系數；KP為比例系數；Full為積分限幅常數；V_Error為兩側電機速度差值。

在接近直線墻模型和遠離直線墻模型下，超聲波測得值與墻壁的距離誤差較大，由構建的混合模型分析可以得到小車前進方向(長軸)與墻面的夾角α>40°或α<-40°為較大概率事件。

為了能使小車采用正常直線墻模型循墻前進，這種狀態下的控制策略為：關閉小車的距離閉環調節，若α>40°為較大概率事件，則原地向左旋轉40°后繼續采用正常直線墻模型循墻前進；若α<-40°為較大概率事件，則原地向右旋轉40°后繼續采用正常直線墻模型循墻前進。

4.2.3 內墻角模型

移動小車在內墻角模型下應該避免碰撞到前方墻壁，并迅速轉彎以實現小車繼續循墻功能。其控制策略為“原地向左旋轉90°”。

4.2.4 外墻角和房間門模型

移動小車在內墻角模型下應結合傳感器的狀態繼續循墻前進。本系統中外墻角檢測是一個動態過程，外墻角檢測的同時也完成了相應的控制。外墻角和房間門的控制策略都由混合模型下的外墻角模型直接給出。

4.3 小車基于混合模型的狀態轉換

基于多傳感器的小車循墻移動控制是指移動小車利用混合模型對環境進行動態判斷識別。在尋墻、直線墻、內墻角、外墻角、房間門這幾種控制狀態機中，控制模型切換的過程(碰撞模型為小概率事件，不考慮)實際為狀態機轉換過程。混合模型下狀態機轉換如圖5所示。

圖5 混合模型下狀態機轉換圖

5 試驗結果

5.1 系統配置

系統配置如下：四個光電傳感器的檢測距離為300 mm，直線墻循跡的設定距離為180 mm;速度閉環的PID系數為Pv=10，Iv=0.1，Dv=0.1； 距離閉環的PI系數為PS=21，IS=1；小車標準行進速度為250 mm/s。

5.2 環境設置

根據室內的典型環境，選擇了具有以上各種混合模型的模擬環境進行測試。模擬環境長3 m、寬2 m，其中包括大廳1個、房間3個、內墻角18個、外墻角2個、房間門3個。

5.3 試驗結果分析

試驗中，小車的運動軌跡由攝像頭記錄，并由計算機提取。

在上述的室內模擬環境下，從移動小車循墻導航的運動軌跡可以看出，通過混合模型控制，小車能夠精確地識別各種外部環境，具有很好的跟蹤性能。在直線墻環境下，小車能夠平行于墻壁平滑地前進；在內墻角、外墻角、房間門環境下，小車轉動迅速且基本平滑。在狀態切換時，超聲波傳感器的值會發生比較明顯的躍變。在墻體環境發生改變時，循墻穩定性有一定程度的下降。

6 結束語

針對單傳感器在循墻導航的過程中存在的問題，研究了基于多傳感器的小車循墻移動控制方法，分析了多傳感器的環境檢測方法，提出了基于超聲波的超誤差模糊化算法。利用光電傳感器、超聲波傳感器、光電測速碼盤檢測信息構建室內環境狀態的混合模型，并依據混合模型制定了相應的控制策略。

試驗結果表明：移動小車循墻導航充分利用了多傳感器的優勢，小車能夠平穩地循墻移動，具有較高的穩定性和可靠性。控制策略以狀態機為框架，算法簡單可靠，移植性和適用性強。基于多傳感器的移動小車循墻導航控制方法，具有較高的應用價值和較廣泛的應用范圍。

[1] 李磊,葉濤,譚民,等.移動機器人技術研究現狀與未來[J].機器人,2002(5):475-480.

[2] HOLDER M B,TRIVEDI M M,MARAPANS S B.Mobile robot navigation bywall following using a rotating ultrasonic scanner[C]//Proceedings of the 13th International Conference on Pattern Recognition，1996.

[3] 郭小勤,陳祝齊.基于紅外PSD的移動機器人沿墻導航控制[J].機床與液壓,2009(9): 133-136.

[4] 王棟耀,馬旭東,戴先中.基于聲納的移動機器人沿墻導航控制[J].機器人,2004,26(4):346-350.

[5] 簡偉程.移動機器人自主行為設計的演化方法研究[D].上海:上海交通大學,2002.

[6] 劉金會,郝靜如.自主移動機器人導航定位技術研究初探[J].傳感器世界,2005(1):23-26.

[7] 舒英利,寇磊,苑全德，等.雙超聲波數據融合的兩輪機器人平衡行進策略研究[J].自動化儀表,2017,38(2):36-40.

[8] 華亮,馮浩,顧菊平,等.基于單超聲波傳感器的移動機器人沿墻導航策略[J].工程設計學報,2008,15(3):206-212.

[9] 葉濤,陳爾奎,楊國勝,等.全局環境未知時機器人導航和避障的一種新方法[J].機器人,2003(6):516-520.

[10]欒祿祥.室內移動機器人機器視覺定位系統的設計[J].自動化儀表,2017,38(2):49-52.

Wall-Following Navigation Control of Mobile Car Based on Multi-Sensor

HU Zhengxi1，HU Po2

(1.School of Electrical and Information Engineering,Anhui University of Technology,Maanshan 243000,China；2.Tongling Litu Electromechanical Technology Co.,Ltd.,Tongling 244000,China)

For controlling mobile car,the wall following navigation control based on single sensor features low control precision,unstable moving navigation,and complex control algorithm;to against these problems,a new wall following navigation control method based on multi-sensor is proposed,and these sensors include photoelectric sensor,ultrasonic sensor and photoelectric tachometer encoder. The system structure of the mobile car,and sensor setting are described.The detection and analysis methods of ultrasonic sensor,photoelectric sensor and photoelectric tachometer encoder are described.A fuzzy algorithm based on ultrasonic super error is proposed,and according to the fuzzy algorithm of super error,the corresponding control algorithm program is designed.The working states of each sensor in the room under different motion environments are discussed,different sensor detection information is determined by different motion environment states.Based on the detection information of photoelectric sensor,ultrasonic sensor and photoelectric speed detector,a hybrid model of indoor environment states is structured.Combining with the hybrid model,the corresponding control strategy is established,under the effect of the control strategy,the mobile car runs smoothly in each indoor environment state.The test results show that the hybrid model based on multi-sensor can realize accurate and stable wall following navigation control of mobile car,and the proposed method is simple,reliable,and has certain application value.

Mobile car； Wall-following navigation control； Multi-sensor； Environmental state； Hybrid model; Control strategy； State machine design； System configuration

胡鄭希(1996—)，男，在讀本科生，主要從事智能控制方向的研究。E-mail:1787307425@qq.com。 胡泊(通信作者)，男，學士，高級工程師，主要從事過程控制方向的研究。E-mail:326167414@qq.com。

TH86；TP24

A

10.16086/j.cnki.issn1000-0380.201706010

修改稿收到日期:2017-03-27