基于足球比賽運動的避障系統開發設計

郭銅樑，任 波

(晉中學院，山西 晉中 030619)

0 引言

隨著科技的快速發展，機器人[1]在多個領域得到了推廣應用，在農業領域的應用需求越來越大。特別是在農業人口比較少的地區，采用機械化生產可以減輕勞動力緊缺的壓力，而且智能化的農業機器人可以更好地適應農業科技的發展。在我國，農用機器人的應用改變了傳統農業生產模式，改善了種植戶的生產勞動狀態，提高了勞動效率。機器人可以擔任農業生產中重復、危險的工作，且可以連續進行作業，節約了大量的資源，是現代農業必經之路。目前，農業生產中如采摘、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，隨著計算機技術的發展，研究出智能化的采摘機器人[2-11]。

由于采摘機器人作業環境的復雜性，其識別定位和避障規劃問題是必須解決的，人們研究出了許多技術手段。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路徑。基于足球比賽運動決策[20-22]的避障設計采用的方法中有模糊算法、神經網絡法等智能化方法[23-26]。避障系統實行的步驟是感應-建模-計算-執行。感應通過傳感器實現，單靠一種傳感器采集的信息不完整，本文設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開發設計，實現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，旨在為農業生產機器人研發提供參考。

1 采摘機器人控制系統機構設計

1.1 控制系統結構設計

采摘機器人實現的前提是結構設計，即根據用途去設計機器人結構，并考慮設計成本等性能指標：①機器人行走機構。根據作業環境選擇如履帶式、輪胎式等，本文研究的機器人是在田間作業，田間起伏比較小，可選擇輪胎式，輪胎式的設計比較簡單，且易于控制。②驅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動，雙電機分布控制兩個后輪，兩個后輪則同步驅動同向的前輪(見圖1)，采用雙電機控制易于實現機器人的運動行為，提高轉向的靈活性。

控制系統的主要硬件還有計算機、圖像數據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。圖像數據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 機器人驅動結構Fig.1 Robot drive structure

1.2 傳感器結構設計

傳感器在采摘機器人避障設計中是關鍵設備，采摘機器人作業環境的信息均通過傳感器采集。傳感器種類比較多，現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備采集圖像信息，是獲得作業環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的運行。紅外傳感器是通過發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，紅外傳感器可感應出障礙物的位置；而且紅外傳感器還可以調節敏感度，對作業環境中光線干擾小，且盲區小。超聲波傳感器則是發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，剔除無用的數據，增強了避障系統的容錯能力，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，實現對作業環境信息的完整描述。

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安裝的機器人采用的是雙電機同步驅動方式，在理想狀況下，左側輪胎或右側輪胎是同樣的轉向、轉速，通過控制電機的電壓大小就可控制機器人的速度和轉向。

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-轉彎半徑

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

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

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

ω=Qm/D0

(8)

3 避障系統

3.1 模糊控制

模糊控制是以Zadeh提出的模糊集理論為基礎，是將模糊集合理論和推理綜合應用的控制方法。模糊控制包括4部分：模糊化、模糊規則、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，根據專家經驗建立的知識庫和規則，并結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。模糊控制結構如圖3所示。

圖3 模糊控制結構Fig.3 Fuzzy control structure

模糊邏輯算法改善了傳統控制器過度依賴行為參數來設計機器人，模糊控制器的設計依靠經驗。傳統的控制器需要建立數學模型，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。模糊控制器的規則庫依靠設計者經驗建立，在不易建立模型的復雜環境，模糊邏輯控制有以下優點：

1)不用根據現場的控制對象建立數學模型；

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

3)模糊控制器的構建簡單，且運行穩定。

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性強，可以應用多種領域。

在模糊邏輯控制中，隸屬度函數的選擇至關重要，隸屬度函數影響控制的準確性。隸屬度函數根據控制需要進行選擇，常用隸屬度函數有高斯函數及Sigmoid函數等，其表達式為：

高斯函數為

f(x)=exp[-(x-c)2/2δ2]

(9)

Sigmoid函數(見圖4)為

圖4 Sigmoid函數圖表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，計算比較準確，且操作簡單。

3.2 避障系統模糊控制算法實現

足球比賽運動是一個擾動系統，將該系統分為相對、高潮及取勝3個階段。其中，相對階段是時間最長的，類似避障系統中的正常狀態，依靠的是隊員、教練、裁判的控制，類似自主避障設計中的感應、控制算法及控制方法。避障系統中障礙物的感應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，判斷得分即執行那種行為。

4 仿真試驗與結果分析

仿真試驗采用雙電機同步驅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，驗證避障系統的有效性；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個動態障礙物，試驗結果如圖5所示。

圖5中，3號路徑為模糊控制算法控制規劃，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種避障系統都可以達到避障效果，3號路徑明顯比其他兩條路徑優化。

由表1試驗對比結果看出：模糊控制算法設計避障系統的路徑優化時間明顯比較短，規劃出來的路徑也是最短，驗證了模糊控制算法的避障系統的實時性和可靠性。

圖5 不同算法避障路徑Fig.5 Different algorithms for obstacle avoidance表1 路徑規劃結果Table 1 Path planning results

算法路徑規劃時間/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 結論

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

2)改變傳統農業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，并自主實現路徑優化。仿真實驗表明：在復雜未知的工作環境，本系統可以有效避開障礙物，實時避障，完成該機器人的作業任務。