【文章內(nèi)容簡介】 移動機器人的控制方式從遙控、監(jiān)控向自治控制發(fā)展，綜合應(yīng)用機器視覺、問題求解、專家系統(tǒng)等人工智能等技術(shù)研制自治型移動機器人。 圖12 火星探索車移動機器人除用于宇宙探測、海洋開發(fā)和原子能等領(lǐng)域外，在工廠自動化、建筑、采礦、排險、軍事、服務(wù)、農(nóng)業(yè)等方面也有廣泛的應(yīng)用前景。 在移動機器人相關(guān)技術(shù)的研究中，導(dǎo)航技術(shù)是其核心，而路徑規(guī)劃是導(dǎo)航研究的一個重要環(huán)節(jié)和課題。所謂路徑規(guī)劃是指移動機器人按照某一性能指標(biāo)(如距離、時間、能量等)搜索一條從起始狀態(tài)到目標(biāo)狀態(tài)的最優(yōu)或次優(yōu)路徑。路徑規(guī)劃主要涉及的問題包括：利用獲得的移動機器人環(huán)境信息建立較為合理的模型，再用某種算法尋找一條從起始狀態(tài)到目標(biāo)狀態(tài)的最優(yōu)或近似最優(yōu)的無碰撞路徑；能夠處理環(huán)境模型中的不確定因素和路徑跟蹤中出現(xiàn)的誤差，使外界物體對機器人的影響降到最??；如何利用已知的所有信息來引導(dǎo)機器人的動作，從而得到相對更優(yōu)的行為決策。目前，對于移動機器人路徑規(guī)劃技術(shù)的研究已經(jīng)取得了大量的成果，許多問題獲得了比較滿意的答案。第2章 移動機器人路徑規(guī)劃方法的分類及現(xiàn)狀從到目前為止的研究來看，移動機器人路徑規(guī)劃方法主要可以分為以下三種類型： 基于事例的學(xué)習(xí)規(guī)劃方法 基于事例的學(xué)習(xí)規(guī)劃方法依靠過去的經(jīng)驗進行學(xué)習(xí)及問題求解，一個新的事例可以通過修改事例庫中與當(dāng)前情況相似的舊的事例來獲得。將其應(yīng)用于移動機器人的路徑規(guī)劃中可以描述為：首先，利用路徑規(guī)劃所用到的或已產(chǎn)生的信息建立一個事例庫，庫中的任一事例包含每一次規(guī)劃時的環(huán)境信息和路徑信息，這些事例可以通過特定的索引取得；隨后，將由當(dāng)前規(guī)劃任務(wù)和環(huán)境信息產(chǎn)生的事例與事例庫中的事例進行匹配，以尋找出一個最優(yōu)匹配事例，然后對該事例進行修正，并以此作為最后的結(jié)果。移動機器人導(dǎo)航需要良好的自適應(yīng)性和穩(wěn)定性，而基于事例的方法能滿足這個需求。Ram A將基于事例的在線匹配和增強式學(xué)習(xí)相結(jié)合，提高了機器人的自適應(yīng)性能，較好地適應(yīng)了環(huán)境的變化。利用基于事例的方法時要注意保持事例庫中的事例數(shù)量，以防止增加機器人在線規(guī)劃時間或產(chǎn)生信息爆炸問題。Marefat M把基于事例的方法作為一個特征輔助規(guī)劃與全局規(guī)劃結(jié)合從而提高了全局規(guī)劃的效率。Krusmaa M通過創(chuàng)建種群事例庫在理論上覆蓋了關(guān)于路徑搜尋問題所有可能的路徑解空間，克服了啟發(fā)式搜索方法在此方面的缺陷[16]。圖21 深海機器人近年來，自主式水下機器人由于其在海底資源探測上的優(yōu)勢而受到各國的關(guān)注，但因為水下環(huán)境十分復(fù)雜(能見度差、定位困難等)，導(dǎo)致一般的規(guī)劃方法都難以奏效，而水下環(huán)境的擁擠程度相對較低、機器人工作在同一區(qū)域的可能性較大這一特征恰好有利于基于事例的規(guī)劃方法的應(yīng)用，因此該方法被廣泛的用于解決水下機器人的路徑規(guī)劃問題，試驗證明其效果也較為理想。 基于環(huán)境模型的規(guī)劃方法 該方法首先需要建立一個關(guān)于機器人運動環(huán)境的環(huán)境模型。在很多時候由于移動機器人的工作環(huán)境具有不確定性(包括非結(jié)構(gòu)性、動態(tài)性等)，使得移動機器人無法建立全局環(huán)境模型，而只能根據(jù)傳感器信息實時地建立局部環(huán)境模型，因此局部模型的實時性、可靠性成為影響移動機器人是否可以安全、連續(xù)、平穩(wěn)運動的關(guān)鍵。環(huán)境建模的方法基本上可以分為兩類：網(wǎng)絡(luò)／圖建模方法、基于網(wǎng)格的建模方法。前者主要包括自由空間法、頂點圖像法、廣義錐法等，利用它們在進行路徑規(guī)劃時可得到比較精確的解，但所耗費的計算量相當(dāng)大，不適合于實際的應(yīng)用。而后者在實現(xiàn)上要簡單許多，所以應(yīng)用比較廣泛，其典型代表就是四叉樹建模法及其擴展算法(如基于位置碼四叉樹建模法、Framedquadtrees建模法等)?；诃h(huán)境模型的規(guī)劃方法根據(jù)掌握環(huán)境信息的完整程度可以細分為環(huán)境信息完全已知的全局路徑規(guī)劃和環(huán)境信息完全未知或部分未知的局部路徑規(guī)劃。由于環(huán)境模型是已知的，全局路徑規(guī)劃的設(shè)計標(biāo)準(zhǔn)是盡量使規(guī)劃的效果達到最優(yōu)。在此領(lǐng)域已經(jīng)有了許多成熟的方法，包括可視圖法、切線圖法、Voronoi圖法、拓撲法、懲罰函數(shù)法、柵格法等。前4種方法都是采用基于圖論的思想，將目標(biāo)、機器人及其工作空間用一個連接圖表示，如此一來，路徑規(guī)劃問題就轉(zhuǎn)化為在圖上尋找一條從起始節(jié)點到目標(biāo)節(jié)點的路線。懲罰函數(shù)法將路徑規(guī)劃這個有約束的問題(受到障礙物的限制)轉(zhuǎn)化為一個無約束最優(yōu)化問題，再求解就可得出解答。柵格法用網(wǎng)格描述機器人的工作環(huán)境，根據(jù)柵格的可信度值可確定出障礙物的分布，此時通過避障規(guī)劃就可得到無碰路徑。作為當(dāng)前規(guī)劃研究的熱點問題，局部路徑規(guī)劃得到了深入細致的研究。對環(huán)境信息完全未知的情況，機器人沒有任何先驗信息，因此規(guī)劃是以提高機器人的避障能力為主，而效果作為其次。Koeing S等提出了增量式的D Lite算法，該方法利用啟發(fā)式策略搜索一條從目標(biāo)點指向機器人當(dāng)前位置的路徑，并在機器人向目標(biāo)運動過程中根據(jù)局部環(huán)境的更新信息來實時重規(guī)劃路徑，由此得出一條最優(yōu)路徑。在國內(nèi)，張純剛等提出了基于滾動窗口的規(guī)劃方法，也取得了較好的效果。在環(huán)境部分未知時的規(guī)劃方法主要有人工勢場法、模糊邏輯算法、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、模擬退火算法、蟻群優(yōu)化算法、粒子群算法和啟發(fā)式搜索方法等。前4種方法相對應(yīng)用較廣，后幾種則是近年來才比較流行，其中啟發(fā)式方法的研究取得了較大進展。啟發(fā)式方法的最初代表是A 算法而其新發(fā)展是D和Focussed D 這兩種由Stentz A提出的增量式圖搜索算法(又稱作Dynamic A*算法)的產(chǎn)生。D 算法可以理解為動態(tài)的Dijkstra(最短路徑)算法，而Focussed D 算法則利用了A 算法的主要優(yōu)點即使用啟發(fā)式估價函數(shù)，兩種方法都能根據(jù)機器人在移動中探測到的新的環(huán)境信息快速地修正和重規(guī)劃出最優(yōu)路徑，減少了局部規(guī)劃的時間，對于在線的實時路徑規(guī)劃有很好的效果。此外，還出現(xiàn)了一些基于A 的改進算法，它們一般都是通過修改A 算法中的估價函數(shù)和圖搜索方向而實現(xiàn)的，可以較大地提高路徑規(guī)劃的速度，具有一定的復(fù)雜環(huán)境自適應(yīng)能力[25]。基于環(huán)境模型的方法由于其規(guī)劃的精確性和平穩(wěn)性應(yīng)用在很多領(lǐng)域特別是在宇宙空間探測中，美國于1996年12月發(fā)射了“火星探路者”探測器，并用所攜帶的“索杰納”火星車對火星進行了實地考察，獲得了很大的成功。索杰納所采用路徑規(guī)劃方法就是D 算法，它使索杰納能在火星表面自如而謹慎地行走，且能自主判斷出前進道路上的障礙物，并通過實時重規(guī)劃來作出后面行動的決策，真正做到了“三思而后行”。 基于行為的結(jié)構(gòu)MIT的Brooks等人首先提出了基于行為的結(jié)構(gòu)。所謂基于行為的控制結(jié)構(gòu)是把復(fù)雜的任務(wù)分解成很多簡單的可以并發(fā)執(zhí)行的單元，每個單元有自己的感知器和執(zhí)行器，這兩者緊耦合在一起的，構(gòu)成感知動作行為，多個行為相互松耦合構(gòu)成層次模型。機器人的最終操作由控制器根據(jù)行為的優(yōu)先級和本身的任務(wù)做出綜合的反應(yīng)[41]。這種方法的主要優(yōu)點在于每個行為的功能比較簡單，因而可以通過簡單的傳感器及其快速信息處理過程獲得比較好的運行效果。對于移動機器人的自主導(dǎo)航來說，所具備的行為包括緊急行為、避障行為、任務(wù)行為(包括障礙物識別和環(huán)境探索)，每種行為有不同的優(yōu)先級，其中應(yīng)急行為優(yōu)先級最高，避障次之，任務(wù)行為優(yōu)先級最低，整個體系結(jié)構(gòu)，如圖所示。圖22 典型基于行為控制系統(tǒng)(1) 緊急行為緊急行為比其他行為具有更高的優(yōu)先級別。緊急距離是由預(yù)先定義的，距離傳感器不斷告訴移動機器人離周圍障礙物的距離。當(dāng)障礙物的距離在緊急距離之內(nèi)時候，機器人就立即停止。因此，緊急行為如下：l 檢查周圍障礙物的距離；l 當(dāng)障礙物的距離在緊急距離之內(nèi)時就停止。(2) 避障行為如果障礙物在左邊就向右轉(zhuǎn)；如果障礙物在右邊就向左轉(zhuǎn)；如果障礙物的距離位于緊急距離之內(nèi)則該行為被忽視。(3) 任務(wù)行為由障礙物識別和環(huán)境探索兩個行為組成。障礙物識別。當(dāng)機器人探測到前方有未知物體，執(zhí)行未知障礙物檢測行為。此時按順時針方向圍繞此未知物體進行探測，直到回到初始點。結(jié)束未知障礙物檢測。此算法能夠快速、準(zhǔn)確的得出未知物體的形狀。環(huán)境探索。保證能夠?qū)λ杼綔y的環(huán)境或區(qū)域進行完全的、無遺漏的搜索?；谛袨榈姆椒ㄔ谥兄悄芗彝サ壬虡I(yè)領(lǐng)域受到了許多研究人員的青睞，iRobot公司成功地研制出Roomba家庭式自動地板吸塵除菌機器人，將基于行為的思想引入機器人的作業(yè)規(guī)劃中，提高了規(guī)劃的效率和對環(huán)境的適應(yīng)度，具有良好的應(yīng)用前景。圖23 Roomba公司生產(chǎn)的清潔機器人第3章 自主式小型移動機器人設(shè)計任務(wù)及方案分析 微型鼠競賽介紹微型鼠競賽大會自1977年5月IEEE的《光譜》（Spectrum）雜志上載文倡議以來，在世界各國相繼開展起來。 （） 日本在1980年舉辦第一次微型鼠競賽大會。每年有上百臺微型鼠，以它們的頭腦和速度進行比賽。和其他機器人比賽型比，它是最有實際的理智比賽。（~ntf/mouse/）微型鼠競賽如照片所示，項目為迷宮探路，從起點到終點以最短的路線、最短時間到達者為優(yōu)勝。圖31 機器鼠比賽現(xiàn)場迷宮由1616個區(qū)域組成，起點設(shè)在拐角處。規(guī)定通道長寬尺寸，頂面涂紅色，側(cè)面涂白色，地面涂黑色。機器人的長寬不超過規(guī)定尺寸，高度和重量沒有限制。把從起點到終點用最短時間行走的紀(jì)錄作為這個機器人的記錄。另外，機器人必須是自律的，行走過程中不能用手接觸，和外界的通信。當(dāng)機器鼠開始行走的時候，不能給它傳送迷宮信息[43]。圖32 機器鼠比賽場地模型 設(shè)計任務(wù)分解針對微型鼠競賽任務(wù)，選擇迷宮走法，即左手規(guī)則：設(shè)定機器人的傳感器判別左側(cè)是否有可通過通道，當(dāng)傳感器判斷出左側(cè)為通道，即可機器人響應(yīng)轉(zhuǎn)向左側(cè)通道，如遇凹形通道，連續(xù)左轉(zhuǎn)兩次返回。走法示意如圖33：圖33 迷宮走法示意 為研究使用，綜合考慮迷宮通道情況，將迷宮簡化為一段L型通道。圖34 迷宮通道簡化模型機器人所必需具備的主要功能包括：l 在迷宮通道中，自主沿墻行走行為；l 在行走過程中，使車體與環(huán)境保持相對距離；l 判斷行駛方向前方是否遇到阻隔；l 根據(jù)左手規(guī)則，傳感器組滿足觸發(fā)要求，車體以最小轉(zhuǎn)彎半徑左轉(zhuǎn)九十度；l 在凹型通道，連續(xù)左轉(zhuǎn)九十度兩次，駛離通道。以上的分析作為初步任務(wù)分解，將設(shè)計任務(wù)分解成各個易于處理的子任務(wù)，對于這些子任務(wù)機器人更有希望完成和實現(xiàn)。為了得到這種任務(wù)分解方式，從機器人的視角出發(fā)，全局考慮整個任務(wù)的實現(xiàn)過程?；谛袨榈臋C器人學(xué)的一個重要特征：復(fù)雜行為可以由比較簡單的行為相互組合和實現(xiàn)[41]。 機器鼠任務(wù)分析及基于行為設(shè)計由于設(shè)計目的是在短時間內(nèi)構(gòu)建和實現(xiàn)機器人系統(tǒng)，因此在選取實現(xiàn)穿過迷宮的這一任務(wù)的相關(guān)方案時，選擇使用滿足要求的現(xiàn)有技術(shù)。同時，為了保證系統(tǒng)能夠成功運行，對于這些現(xiàn)有技術(shù)的能力、實現(xiàn)代價以及相關(guān)局限需要通過論證。圖35 機器鼠已完成實物（a）圖35 機器鼠已完成實物（b） 巡視通道，沿墻行走行為通常情況下為了實現(xiàn)任務(wù)，機器人需要努力完成各式各樣的目標(biāo)。機器人通過由軟件或者硬件構(gòu)造的控制系統(tǒng)實現(xiàn)目標(biāo)。傳感器在控制系統(tǒng)中可有可無，但控制系統(tǒng)必須包含一個或者更多的執(zhí)行器以使機器人維持或者達到某個狀態(tài)。反饋控制系統(tǒng)采用某種算法，或者某種物理機制，將輸入信號和被控設(shè)備響應(yīng)的測量信號轉(zhuǎn)換為新的控制命令。1) 控制系統(tǒng)選擇l 開環(huán)控制系統(tǒng)（openloop control systems） 系統(tǒng)的控制輸入不受輸出影響的控制系統(tǒng)。在開環(huán)控制系統(tǒng)中，不存在由輸出端到輸入端的反饋通路（見反饋控制系統(tǒng)）。因此，開環(huán)控制系統(tǒng)又稱為無反饋控制系統(tǒng)。開環(huán)控制系統(tǒng)由控制器與被控對象組成?？刂破魍ǔ＞哂泄β史糯蟮墓δ堋Ｍ]環(huán)控制系統(tǒng)相比，開環(huán)控制系統(tǒng)的結(jié)構(gòu)要簡單得多，同時也比較經(jīng)濟。開環(huán)控制系統(tǒng)的缺點是控制精度和抑制干擾的性能都比較差，而且對系統(tǒng)參數(shù)的變動很敏感。因此，一般僅用于可以不考慮外界影響，或慣性小，或精度要求不高的一些場合，如步進電機的控制，簡易電爐爐溫調(diào)節(jié)，水位調(diào)節(jié)等。開環(huán)控制器是一種最簡單的控制系統(tǒng)，下圖所示為小車的開環(huán)控制系統(tǒng)。速度選擇器用來為機器人輸入期望速度Vd，信號變換器用來將速度選擇器的輸入信號調(diào)整，產(chǎn)生適用于傳動系統(tǒng)的速度命令Vc。傳動系統(tǒng)包括電動機和輪子，這些裝置將電子信號轉(zhuǎn)換為機器人的實際動作。速度傳感器用來測量機器人的實際運轉(zhuǎn)速度Vm。圖36 開環(huán)控制系統(tǒng)示意l 閉環(huán)控制系統(tǒng)（closedloop control system）閉環(huán)控制系統(tǒng)的特點是系統(tǒng)被控對象的輸出(被控制量)會反送回來影響控制器的輸出，形成一個或多個閉環(huán)。閉環(huán)控制系統(tǒng)有正反饋和負反饋，若反饋信號與系統(tǒng)給定值信號相反，則稱為負反饋( Negative Feedback)，若極性相同，則稱為正反饋，一般閉環(huán)控制系統(tǒng)均采用負反饋，又稱負反饋控制系統(tǒng)。閉環(huán)控制系統(tǒng)的例子很多。比如人就是一個具有負反饋的閉環(huán)控制系統(tǒng)，眼睛便是傳感器，充當(dāng)反饋，人體系統(tǒng)能通過不斷的修正最后做出各種正確的動作。如果沒有眼睛，就沒有了反饋回路，也就成了一個開環(huán)控制系統(tǒng)。通過在開環(huán)控制器中增加一些輔助性元件和更加復(fù)雜的環(huán)節(jié)可以實現(xiàn)系統(tǒng)的閉環(huán)控制。閉環(huán)控制器通過減小期望速度Vd和測量速度Vm之間的差值調(diào)整速度控制命令Vc。期望速度和測量速度的差值為誤差信號Ve。誤差信號備放大g倍后產(chǎn)生控制命令。采用這種閉環(huán)控制的比例控制器，即使在環(huán)境發(fā)生變化的情況下，也能使機器人以接近于期望速度值的速度運行。圖37 閉環(huán)控制系統(tǒng)示意雖然閉環(huán)控制系統(tǒng)具有控制精確等優(yōu)點，但由于系統(tǒng)中存在延遲問題將會導(dǎo)致系統(tǒng)振蕩。通常提高系統(tǒng)的復(fù)雜程度為代價，許多方法可以使系統(tǒng)在不發(fā)生發(fā)散型振蕩的情況下，能夠以比較快的速度，精確的停止在目標(biāo)位置，其中最常用的一種閉環(huán)控制系統(tǒng)是PID控制器。l 針對機器鼠比賽的狀態(tài)控制器由于考慮采用步進電機作為驅(qū)動部件，因此在開環(huán)控制器的基礎(chǔ)上提出狀態(tài)控制器，這種控制器比比例控制器還要簡單，只有兩種狀態(tài)，根據(jù)傳感器反饋信息實現(xiàn)狀態(tài)之間的切換：當(dāng)檢測量高于某個設(shè)定的閥值，控制器輸出一個數(shù)值；而當(dāng)檢測量低于該值時，則輸出另