多傳感器信息融合技術(shù)在機(jī)器人中的應(yīng)用研究

田亞娟，付大平，伍世輝

（1.廣東松山職業(yè)技術(shù)學(xué)院 電氣工程學(xué)院，韶關(guān) 512126；2.吉林農(nóng)業(yè)大學(xué) 信息技術(shù)學(xué)院，長春 130118；3.寶武集團(tuán)廣東韶關(guān)鋼鐵有限公司，韶關(guān) 512123）

隨著科技的進(jìn)步和發(fā)展，機(jī)器人傳感技術(shù)與控制技術(shù)已成為當(dāng)今科學(xué)研究的熱點(diǎn)之一，國內(nèi)外許多科研院所和企事業(yè)單位的科研人員都加強(qiáng)了這方面的研究力度，其研究成果及應(yīng)用決定了機(jī)器人的發(fā)展歷程。總體來說，機(jī)器人歷經(jīng)示教再現(xiàn)型、感覺型和智能型機(jī)器人三代的發(fā)展，從不具感知外界環(huán)境到具有觸、視、聽等感觀功能再到具有與外界進(jìn)行溝通、協(xié)調(diào)和自主判斷與執(zhí)行等工作機(jī)能。為了能夠?qū)崿F(xiàn)機(jī)器人的智能化，在機(jī)器人上安裝了具有人類五官和執(zhí)行運(yùn)作功能的相應(yīng)傳感器，包括觸覺、視覺、位置、振動、紅外等傳感器，進(jìn)行定位和控制，實(shí)現(xiàn)類似人類感知和動作功能。隨著智能機(jī)器人的出現(xiàn)，機(jī)器人控制系統(tǒng)中使用的傳感器種類和數(shù)量越來越多，但每種傳感器都有一定的使用條件和感知范圍，只能給出環(huán)境或?qū)ο蟮牟糠中畔1]，為了有效利用傳感器檢測到的信息，需要進(jìn)行感測信息的融合處理。傳感器信息融合又稱數(shù)據(jù)融合，是利用計算機(jī)技術(shù)將來自多源的傳感器檢測到的信息和數(shù)據(jù)，在一定的準(zhǔn)則下加以自動分析和綜合，以完成所需要的決策和估計而進(jìn)行的信息處理過程。

1 機(jī)器人上的傳感器分類

機(jī)器人傳感器是指機(jī)器人將對內(nèi)外部環(huán)境感知的物理量變換為電量輸出的裝置，一般分為內(nèi)部傳器和外部傳感器[2]，以輪式自主移動機(jī)器人為例，其傳感器組成如圖1所示。

圖1 機(jī)器人的傳感器分類Fig.1 Sensor classification of robots

其中內(nèi)部傳感器包括振動傳感器、速度傳感器、加速度傳感器和位置傳感器等，用來感知和監(jiān)測機(jī)器人自身的狀態(tài)參數(shù)，以調(diào)整并控制機(jī)器人的運(yùn)動，如機(jī)器人的運(yùn)行速度、所處位置信息檢測等。外部傳感器包括氣壓傳感器、溫度傳感器、土壤溫度傳感器和空氣質(zhì)量檢測傳感器等環(huán)境檢測傳感器，以及攝像頭、人體紅外傳感器、超聲波傳感器等，用來檢測機(jī)器人周邊環(huán)境、目標(biāo)的狀態(tài)特征等，使機(jī)器人根據(jù)不同的環(huán)境信息進(jìn)行自動校正和自適應(yīng)調(diào)整，如機(jī)器人躲避障礙、規(guī)劃路線等。

2 機(jī)器人多傳感器信息融合技術(shù)

機(jī)器人集中了傳感器技術(shù)、人工智能技術(shù)、信息處理技術(shù)和控制科學(xué)與工程技術(shù)等多學(xué)科的研究成果，隨著新一代電子信息技術(shù)的發(fā)展，包括5G通信、物聯(lián)網(wǎng)和人工智能等技術(shù)的發(fā)展，近年來，多傳感器信息融合技術(shù)的研究已成為研究熱點(diǎn)。多傳感器信息融合技術(shù)是通過智能控制器模擬人的大腦對被控制對象自身狀態(tài)和周圍環(huán)境感知后完成相關(guān)控制系統(tǒng)功能的一種綜合技術(shù)。在機(jī)器人控制系統(tǒng)中，各種傳感器檢測到的信息具有各自不同的特征，包括線性的和非線性的、時實(shí)的和滯后的、精確的和模糊的、互補(bǔ)的和矛盾的等，若采用各傳感器信息檢測后獨(dú)立處理，機(jī)器人精準(zhǔn)定位、精確避障等所需的各項(xiàng)性能指標(biāo)難以實(shí)現(xiàn)。通過采用多傳感器信息融合技術(shù)，充分利用傳感器測量信息冗余和互補(bǔ)性，在機(jī)器人工作過程中，受其自身結(jié)構(gòu)和周圍環(huán)境等因素影響，當(dāng)部分傳感器受到干擾或不能發(fā)揮其作用時，其它傳感器可以提供互補(bǔ)信息，增強(qiáng)機(jī)器人控制系統(tǒng)的生存能力及周圍場景理解能力，改進(jìn)其探測和自主導(dǎo)航等性能，提高機(jī)器人的感知能力和智能水平。

3 信息融合結(jié)構(gòu)模型的選取

機(jī)器人多傳感器信息融合擬解決的關(guān)鍵技術(shù)包括對采集到的信息進(jìn)行數(shù)據(jù)提取與轉(zhuǎn)換、數(shù)據(jù)關(guān)聯(lián)處理、信息融合推理和信息聯(lián)合識別等。其中信息融合推理的關(guān)鍵技術(shù)是信息融合模型和信息融合算法，信息融合模型包含功能、結(jié)構(gòu)和數(shù)學(xué)三種模型[3]。功能模型主要描述信息融合過程中主要功能、數(shù)據(jù)庫及系統(tǒng)各部分相互作用等，結(jié)構(gòu)模型主要描述信息融合系統(tǒng)的結(jié)構(gòu)組成，包括數(shù)據(jù)流、軟件和硬件組成等；數(shù)學(xué)模型包括融合算法和邏輯處理。

根據(jù)數(shù)據(jù)分辨率對融合結(jié)構(gòu)模型分為特征級、數(shù)據(jù)級和決策級融合結(jié)構(gòu)，結(jié)構(gòu)模型如圖2所示。

圖2 信息融合的結(jié)構(gòu)模型Fig.2 Structural model of information fusion

其中，圖2（a）為數(shù)據(jù)級融合，融合中心直接對傳感器采集到的數(shù)據(jù)進(jìn)行信息融合，再特征提取和識別決策，其優(yōu)點(diǎn)是精度高，缺點(diǎn)是要求傳感器是同類型的，且處理時間長，實(shí)時性差，抗干擾能力低；圖2（b）為特征級融合方法，由每個傳感器提供方向、速度等特征信息屬性并進(jìn)行關(guān)聯(lián)后，通過融合中心完成特征層屬性融合，其優(yōu)點(diǎn)是實(shí)時處理能力增強(qiáng)，缺點(diǎn)是損失和部分有用信息；圖2（c）為決策級融合，由每個傳感器根據(jù)采集到的數(shù)據(jù)進(jìn)行屬性決策后在融合中心完成局部決策的信息處理。其優(yōu)點(diǎn)是靈活性高、實(shí)時性好、抗干擾能力強(qiáng)等，缺點(diǎn)是預(yù)處理代價高，數(shù)據(jù)信息損失大，精度低。

三種融合結(jié)構(gòu)模型比較后，根據(jù)文中輪式移動機(jī)器人需要完成的控制任務(wù)，選取特征層融合方法，與其它兩類模型相比，在信息損失、容錯性、計算量、融合水平、實(shí)時性、精度和抗干擾能力等方面性能居中。機(jī)器人主控制器采集到各傳感器信息后，利用特征層融合方法，通過多信息融合技術(shù)的處理，選取合適的融合算法，對采集的信息進(jìn)行處理、識別，送出融合后的結(jié)果，供機(jī)器人控制系統(tǒng)實(shí)現(xiàn)最優(yōu)控制。

4 信息融合算法的選取

4.1 常用信息融合算法

多傳感器信息融合算法一般分為4 類，包括估計、參數(shù)、識別和人工智能技術(shù)等算法。其中估計算法包括加權(quán)平均法、最小二乘法、卡爾曼濾波和擴(kuò)展卡爾曼濾波； 參數(shù)算法包括通用的證據(jù)處理、貝葉斯理論和D-S 證據(jù)理論； 識別算法包括K-mean聚類、參數(shù)模板法、學(xué)習(xí)量子化、聚類分析法、Koho nen 特征圖、自適應(yīng)共振理論映射ARTMAP 等；人工智能算法包括專家系統(tǒng)、適應(yīng)性神經(jīng)網(wǎng)絡(luò)和模糊邏輯等[4]。目前，以上融合算法在機(jī)器人中應(yīng)用較為廣泛的是貝葉斯理論、D-S 證據(jù)推理、模糊理論和神經(jīng)網(wǎng)絡(luò)算法等。貝葉斯理論是在所采集信息不全面時用主觀概率對部分未知信息狀態(tài)進(jìn)行估計，用公式對發(fā)生的概率進(jìn)行修正，通過修正概率和期望值比較做出決策，適用于具有高斯白噪聲的不確定性傳感信息融合；D-S 證據(jù)推理是貝葉斯理論的推廣，不需要知道先驗(yàn)概率即可以表示不確定信息；模糊理論是對多傳感器采集的信息進(jìn)行模糊化表示成模糊子集并確定隸屬度函數(shù)，通過融合處理對隸屬度函數(shù)綜合處理后給出精確的控制量，適用于數(shù)學(xué)模型復(fù)雜的被控對象，具有較強(qiáng)的容錯能力和魯棒性；神經(jīng)網(wǎng)絡(luò)算法是充分利用多傳感器采集的外部環(huán)境信息，實(shí)現(xiàn)自動獲取知識并進(jìn)行學(xué)習(xí)和推理，將復(fù)雜的環(huán)境信息融合為控制系統(tǒng)能夠理解的信號，適用于實(shí)時性，強(qiáng)智能化要求高的機(jī)器人系統(tǒng)。

4.2 Fuzzy-PID 控制算法

機(jī)器人主要研究的關(guān)鍵核心技術(shù)包括避障、自主導(dǎo)航和路徑規(guī)劃，許多學(xué)者對這三方面進(jìn)行了研究。如文獻(xiàn)[5]通過對采集到的測距數(shù)據(jù)用證據(jù)理論進(jìn)行融合，提高了定位精度；文獻(xiàn)[6]提出一種基于多平臺下傳感器融合和卡爾曼濾波的移動機(jī)器人定位技術(shù)，獲得更加精確的定位；文獻(xiàn)[7]通過模糊控制方法對移動機(jī)器人路徑進(jìn)行了研究，實(shí)現(xiàn)實(shí)時跟蹤；文獻(xiàn)[8]利用神經(jīng)網(wǎng)絡(luò)控制理論等，設(shè)計了一種6 自由度機(jī)械臂的RBF-PI 魯棒-滑模控制算法，實(shí)現(xiàn)對機(jī)械臂末端進(jìn)行實(shí)時追蹤。

由于本文研究的機(jī)器人自主控制性能要求高，故機(jī)器人運(yùn)動控制策略采用Fuzzy-PID 控制算法[9]，其控制系統(tǒng)方框圖如圖3所示。系統(tǒng)結(jié)構(gòu)圖組成包括比較環(huán)節(jié)、控制器、驅(qū)動器、被控制對象移動機(jī)器人和檢測變換器等部分，其中模糊控制器包括對誤差信號的模糊化、模糊規(guī)則和模糊推理。根據(jù)機(jī)器人控制系統(tǒng)的需要，選擇二維模糊控制器，其中一個輸入量是速度偏差E（n），另一個輸入量是速度偏差變化率EC；經(jīng)過模糊推理后輸出量包括比例系數(shù)KP、積分系數(shù)KI和微分系數(shù)KD。常規(guī)PID 控制器與模糊控制器串聯(lián)成復(fù)合控制器，通過此復(fù)合控制器可使移動機(jī)器人控制系統(tǒng)實(shí)現(xiàn)無靜差模糊控制。

圖3 機(jī)器人Fuzzy-PID 控制算法Fig.3 Robot Fuzzy-PID control algorithm

由于機(jī)器人的數(shù)學(xué)模型是非線性的，且輸入輸出變量多，各變量之間存在耦合，其控制過程包含了任務(wù)規(guī)劃、軌跡規(guī)劃、伺服控制和動作規(guī)劃等多個層次，其控制順序流程如圖4所示。機(jī)器人首先通過人機(jī)接口獲取操作者的指令，指令的形式可以是觸摸屏、手機(jī)或者鍵盤等輸入的信號，也可以是人的自然語言發(fā)出的命令，機(jī)器人對輸入的控制命令通過譯碼翻譯理解，把操作者的命令分解為機(jī)器語言，完成任務(wù)規(guī)劃；為了實(shí)現(xiàn)機(jī)器人自主智能行走，對機(jī)器人運(yùn)動路線進(jìn)行設(shè)計，完成路徑規(guī)劃；在運(yùn)動的過程中遇到障礙物，可以避開，實(shí)現(xiàn)機(jī)器人避障；帶有機(jī)械臂的機(jī)器人，根據(jù)需要對機(jī)械臂各種運(yùn)動和機(jī)器人本體運(yùn)動進(jìn)行規(guī)劃。

圖4 機(jī)器人控制順序流程Fig.4 Robot control sequence flow chart

5 結(jié)語

移動機(jī)器人的人工智能化水平依賴于其內(nèi)部和外部傳感器技術(shù)的應(yīng)用，多傳感器信息融合技術(shù)決定了移動機(jī)器人的自主化程度，移動機(jī)器人的智能控制器通過多傳感器信息融合算法實(shí)現(xiàn)對自身狀態(tài)、周圍環(huán)境感知等統(tǒng)一協(xié)調(diào)、研判并采取預(yù)期控制策略，實(shí)現(xiàn)機(jī)器人精準(zhǔn)定位和精確避障等工作任務(wù)，改善其探測和自主導(dǎo)航等各項(xiàng)性能，提高了移動機(jī)器人的感知能力和智能水平。