基于大數據聚類的移動機器人運動跟蹤控制系統設計

卞悅旭，倪 偉，王展旭

(青島科技大學 機電工程學院，山東 青島 266061)

0 引言

近年來，機器人產業高度發展，在工業、服務、災后救援等方面的應用越來越廣泛。機器人能夠機械化地完成系統設定的任務，相比較于人工其完成過程效率更高、準確性更好。但是機器人執行任務時會遭遇各種路況和情景，容易出現卡死或側滑摔倒等情況，所以對移動機器人的運動過程進行跟蹤控制就變得尤為重要[1-2]。

當前已有相關領域學者對移動機器人運動跟蹤控制作出了研究。文獻[3]提出以 CoDeSys為核心的全方位移動機器人控制系統。根據機器人位置和航向偏差構造 Lyapunov函數，利用運動學反演、牽引輪、方向盤等約束條件對車輛速度進行規劃，優化跟蹤控制系統；文獻[4]提出基于質心偏移的移動機器人軌跡跟蹤控制方法，利用虛擬反饋變量分析控制系統在各方向的穩定性，利用指數逼近率降低滑模變結構控制的抖動，從而設計線速度和角速度控制律，實現參考軌跡的跟蹤。

綜上所述，本文基于大數據聚類法提出移動機器人運動跟蹤控制系統，針對系統的硬件和軟件進行優化設計，系統硬件主要設計了遠程控制模塊和舵機控制模塊，軟件部分通過大數據聚類實現分析步態、障礙物過程、行走控制，實現對移動機器人的運動跟蹤控制。

1 移動機器人運動跟蹤控制系統硬件設計

本文設計的移動機器人運動跟蹤控制系統硬件包括主控制器、驅動控制器、遠程控制模塊、舵機控制模塊及電源模塊五部分。系統的硬件結構如圖1所示。

圖1 移動機器人運動跟蹤控制系統硬件結構

1.1 主控制器

移動機器人主控制器設計30個I/O端口，用于按鍵、避障模塊的連接。主控制器結構如圖2所示。

圖2 主控制器結構

由圖2可知，本文研究的主控制器結構主要由定時器、通信接口、控制芯片等組成。3個定時器，用于直流電機的驅動和機器人姿態保持控制，4個USART通信接口，用于遠程無線通訊，圖像采集的數據傳輸和舵機驅動連接。選用STM32F芯片，其性能強勁，滿足基本的控制需求，芯片內部集成元件豐富，功耗低，工作頻率可達到10 MHz，同時支持外接USB擴展。芯片集成有512字節的閃存和64SRAM的臨時儲存，11個多功能雙向I/O按鍵端口；2個16位緊急剎車，4個16位定時器；2個IC接口，5個USRAT接口和5個CAN接口用于通訊[5-6]?？刂破麟娐啡鐖D3所示。

圖3 控制器電路圖

1.2 驅動控制器

主控制器無法直接驅動移動機器人，因此需要驅動模塊控制直流電機輸出更大的轉矩，支持機器人的移動，為機器人的運動提供動能保證。機器人移動過程中兩側主動驅動電機同時工作，分別控制機器人移動的速度和方向。驅動控制器電路如圖4所示。

圖4 驅動控制器電路圖

觀察圖4可知，電機驅動控制器通常內置橋型電路，一組電路能夠很好地控制電機工作狀態，另一組電路通過三極管來對電機的翻轉進行控制。當電機產生勵磁時，PWM脈沖的占空比也會變化，電機的速度能夠得到有效控制[7-8]。

驅動控制器選擇DBH-01型雙路驅動器，該驅動器的剎車功能表現穩定，且可匹配不同速度，使用多種控制場景，采用光耦隔離能夠最大程度地減少外界干擾。工作電壓固定在6～10 V，設定電機的極限電壓是15 V。輸出通道如圖5所示。

圖5 輸出通道

觀察圖5可知，2路輸出通道作為直流電機驅動接口，單路接口最大可輸出電流為25 A，能夠很好地滿足大轉矩的移動需求?？刂菩盘栯妷簽?～8 V，兼容3 V、4 V、6 V驅動器，勵磁脈沖占空比范圍為0～95%，極限值為97%。

1.3 遠程控制模塊

當機器人移動場景較為復雜時，可人工干預通過手動操作控制機器人，這就需要運用遠程控制技術，通過無線通訊，圖像傳輸和上機位指令可以遠程控制機器人完成多方向移動等復雜動作。無線通訊是上機位與機器人遠程連接的重要紐帶，機器人的終端數據，圖像及上機位傳達得到指令都是通過無線通訊系統實現的。

無線通訊模塊采用LoRa擴展芯片，工作頻率為850 MHz，功率為900 mW，搭載擴展天線，其最大通訊距離可達2 500 m。圖像傳輸模塊采用 AOMWAY 無線圖傳，搭載高清150°廣角鏡頭，清晰度為1 080 p，接收靈敏度高達 95%。上機位模塊由控制面板和操作臺兩部分組成，面板輸入控件為人機交互窗口，操作者將設定參數輸入后，面板輸出控件負責模擬機器人的實時姿態。操作部分主要功能為通過串口參數調節，數據傳輸速率，指令發送等，設定機器人移動的坐標點，完成對機器人的控制[9-12]。

1.4 舵機控制模塊

機器人移動需要兩個關節同時工作，協同控制機器人的行走部件，若要控制機器人前行，轉向，還需要在行走部件安裝伺服舵機[13-14]。UART的雙工單線通訊的伺服舵機，工作頻率為890 MHz，波特率達到11 000，允許串聯和并聯混合方式工作，有5種工作模式，當電機連續轉動時為輪子模式，此時舵機可作為減速電機使用。當電機鎖死時，靜止的舵機會產生阻抗，鎖死模式可確保舵機不會因外力產生范圍外的扭矩。舵機控制模塊結構如圖6所示。

圖6 舵機控制模塊結構圖

當外力扭動時，舵機依據轉動速度不同給出不同的抵抗力，外力越大，速度越大，抵抗力就越大，這種工作模式為阻尼模式[15]。外力可隨時扭動舵機，舵機對外呈現掉電狀態，此時為待機模式。舵機指定一個電流，舵機朝給定方向轉動，且保持電流不超過給定值，此時為力矩控制模式。通過對以上幾種運動模式對比，選擇將私服舵機設置為阻尼模式，該模式可以確保舵機不會在某一位置被鎖定，且輸出阻力能夠維持機器人的運動穩定性，外力干擾越大時，對外阻力越大，可以充分保證機器人在阻力下的運動姿態。舵機最高轉速為0.4 s/60°，額定電壓6.5 V，串口總線通訊方式[16]。

1.5 電源模塊

考慮到移動式機器人運動場景多樣，時間較長，電源模塊需要選用續航時間長，且安全性高的鋰電池，且鋰電池體積更小，安裝及更換都較為方便。鋰電池電壓為45 V，為保證機器人移動的穩定性，要設置比額定電源容量稍大一些的電源。穩壓器將45 V電源降壓處理后得到20 V穩定電壓，用于驅動直流電機，圖像采集；再通過芯片LM317降壓，得到6 V穩定電壓，用于舵機電源，最后經過LM1117芯片降壓得到3.5 V穩定電壓。

2 基于大數據聚類的移動機器人運動跟蹤控制系統軟件設計

在設計了上述硬件模塊的基礎上，設計移動機器人運動跟蹤控制系統的軟件程序。

2.1 基于大數據聚類的機器人步態分析

對移動機器人步態大數據進行優化聚類[17]，構建步態大數據分布式結構模型，設定有限數據集為：

B={b1,b2,…,bn}

(1)

式(1)中，B表示為有限數據集合；n表示移動機器人步態大數據分布式結構模型中包含的樣本個數；在步態大數據分布式結構模型中構建模糊控制迭代函數，使數據的聚類中心得到收斂：

(2)

式(2)中，τ為聚類信道擬合因子；x為大數據聚類的迭代次數；sgn表示為符號函數。對步態數據進行非線性時變的線性調頻控制信號模擬，提取數據特征：

(3)

式(3)中，y(b)表示為特征點函數；(ci,di)表示大數據信息流的二維特征位移；通過公式(3)完成特征值擬合，實現數據的優化聚類。

移動機器人由機身和 4 條腿組成，每條腿具有 3 個運動關節，以機身中心為原點建立坐標系{O}，將垂直于機身軀干方向定義為z軸，將垂直于z軸方向定義為x軸方向，設定坐標系{O}，從而獲得移動機器人腿足端坐標(x，y，z)為：

(4)

(5)

通過矩陣J的轉置可以計算出移動機器人各個關節的輸出扭矩。其中，a0、a1、a2分別表示3個關節扭矩，s為矩陣滿秩，移動機器人能夠從3個方向輸出，確保受到的力量是均勻的，同時保證力道可以控制[18]。

2.2 基于大數據聚類的機器人障礙設計

障礙物距離測量通常采用超聲波原理，在測量超聲信號發射時間的過程中，確定傳播速度v=360 m/s，計算傳播速度障礙物與機器人間的距離S：

(6)

單個超聲波傳感器通過上式可以粗略確定障礙物與機器人的距離，若要更精確地判定障礙物位置還需要多個超聲波傳感器同時工作，當某個障礙物被兩個超聲波傳感器檢測到時，設超聲波傳感器的位置分別為A、B，障礙物位置為O，建立如圖7所示的三角測量信息坐標系。

圖7 三角測量信息坐標系

設其中O點的坐標為(x，y)，由勾股定理可得到：

(7)

求解可以得到：

(8)

則障礙物O點距離機器人距離L和方位為：

(9)

2.3 移動機器人行走控制流程設計

移動機器人行走步態邁步順序如圖8所示。

圖8 移動機器人行走步態邁步順序

根據移動機器人運行速度和軀干姿態將腿式運動構建簡化模型，考慮到移動機器人運行狀態與足端軌跡，進一步將機器人實際運動狀態等效為虛擬模型，通過虛擬模型等效求解出每個移動機器人每個關節運動所需的扭矩[19-21]。

外部干擾會造成機器人運動失衡，對于姿態擾動和速度擾動，可通過髖關節調節機器人姿態，對異常的運動進行抑制，進而消除外部擾動對機器人姿態和運動速度的影響，抗擾動控制模型如圖9所示。

圖9 抗擾動控制模型

機器人行走在遇到障礙物時，會造成腳部運動延遲，當另外三只腳著地時，第四只腳懸空會導致機器人失去平衡，對于這類問題，可以增加支撐來達到機器人的穩定狀態，引入步態時序規劃，將控制指令同時下發到兩只腳，此時為對角支撐狀態，此時需要第3種支撐來維持動態平衡，設計邏輯如圖10所示。

圖10 設計邏輯圖

在這樣的對角步態下，每只腳獨立運動，步態時序調整范圍大，不會因為延遲造成機器人行走狀態失衡，每條腿的運動相互獨立，機器人4只腳步態順序如圖 11 所示。

圖11 機器人4只腳步態順序

3 實驗研究

為驗證所設計基于大數據聚類的移動機器人運動跟蹤控制系統的有效性，設計仿真對比實驗。實驗采用文獻[3]方法、文獻[4]方法作為實驗對比方法，在Simulink仿真軟件中對移動機器人運動跟蹤穩定性及抗擾動控制性能進行測試。

3.1 實驗參數及方法

在Simulink仿真軟件中構建移動機器人模型，設置機器人參數如表1所示。

表1 機器人參數

在表1機器人參數設置的基礎上，設置機器人運動步態邁步順序為：左前腳、右后腳，右前腳，左后腳。左前腳邁步到右后腳邁步段機器人前進1.5 m。分別采用3種控制系統對移動機器人的運動進行跟蹤控制，測試其跟蹤控制準確性。

3.2 運動跟蹤實驗

分析3種控制系統對機器人運動穩定性的控制效果。3種控制方法下，以機器人為圓心的角速度變化如圖12所示。

圖12 角速度變化穩定性實驗結果

從圖12可以看出，文獻[4]、文獻[5]方法控制下機器人運動的角速度變化波動較大，而基于大數據聚類的控制系統的機器人運動角速度變化波動較小，范圍在-15～10 rad/s之間，且波動穩定性較好，表明該控制系統對機器人運動控制的穩定性更好。本文系統利用大數據聚類方法對移動機器人步態大數據進行優化聚類，通過超聲波原理計算障礙物距離，實現機器人避障控制，因此機器人運動穩定性控制效果較好。

3.3 抗擾動控制實驗

當機器人對角步態運動并受到撞擊時，會因外界擾動而造成機器人運動失穩。運用不同的運動跟蹤控制系統對機器人撞擊時的運動狀態進行對比實驗，設置機器人運動時間為70 s，分別在機器人運動的第10、30、60 s以俯仰角度撞擊機器人，分析機器人運動跟蹤控制的軌跡，得到跟蹤控制準確性如圖13所示。

圖13 跟蹤控制準確性示意圖

從圖13可以看出，文獻[4]方法的運動軌跡跟蹤控制的準確率平均值為85%，其在第10、30、60 s的跟蹤準確性均低于平均值；文獻[5]方法的運動軌跡跟蹤控制的準確率平均值為83%，其在第10、30、60 s的跟蹤準確性均低于平均值；本文方法的運動軌跡跟蹤控制的準確率平均值為96%，其在第10、30、60 s的跟蹤準確性均未受到撞擊擾動的影響，與平均值相差不超過1%。由此可見本文方法的跟蹤控制準確性更好。

4 結束語

本文設計了基于大數據聚類的移動機器人運動跟蹤控制系統，硬件方面設計了主控制器、直流電機控制器、遠程控制模塊、電源模塊，軟件方面通過大數據聚類對機器人的運動步態分析，設計圖像傳輸和遠程通信流程實現障礙物規避，將機器人運行速度和姿態虛擬為運動模型，通過髖關節調節消除外部擾動，構建出抗干擾模型，進而實現移動機器人運動跟蹤控制。實驗結果表明所設計機器人運動跟蹤控制系統的穩定性較好，能夠準確跟蹤控制機器人運動軌跡，提升移動機器人的應用性能。