【文章內(nèi)容簡介】 應(yīng)能力，可以進行復(fù)雜的規(guī)劃，判斷與決策，能在作業(yè)環(huán)境下獨立工作。它是人工智能，計算機技術(shù)與工業(yè)機器人三者相結(jié)合的產(chǎn)物，目前處于實驗探索階段。 本文所要描述的移動機器人屬于第三代機器人，它通過傳感器獲知周圍的環(huán)境信息，并且能夠根據(jù)不同的環(huán)境進行復(fù)雜的判斷和決策。 移動機器人概述 本科畢業(yè)設(shè)計（論文） 2 智能移動機器人是機器人研究領(lǐng)域的一個重要的分支，智能移動機器人集 成了人工智能，智能控制，信息處理，圖像處理，檢測和轉(zhuǎn)換等專業(yè)技術(shù)，跨計算機，自動控制，機械電子等多門學(xué)科。 1969 年，斯坦福研究院的 Nilssen 設(shè)計了一個移動機器人，目的是為了研究應(yīng)用人工智能技術(shù)，在復(fù)雜環(huán)境下機器人系統(tǒng)的自主推理，規(guī)劃和控制。這是世界上第一個利用人工智能的方法設(shè)計的移動機器人。在上個世紀其實年代，研究人員的重點放在固定機器人領(lǐng)域中，然而到了八十年代中期，人們對移動機器人的研究呈爆炸式的發(fā)展。許多公司開始設(shè)計，制作和銷售移動機器人平臺，這些平臺被用于研究與教育目的。在很短的時間里，自主移動機器人就引起了全世界的廣泛注意，尤其是在美國和日本。他們在該領(lǐng)域的研究發(fā)展很快，取得了處于世界領(lǐng)先的成果。 麻省理工學(xué)院人工智能實驗室的科學(xué)家提出了包孕結(jié)構(gòu)。包孕結(jié)構(gòu)是對傳統(tǒng)的人工智能理論的重大突破。他認為移動機器人的控制問題應(yīng)該按照行為方式來分解，而不是按照功能組件來分解。用這種理論設(shè)計的移動機器人能夠在僅使用超聲波傳感器和紅外線傳感器的情況下就可以自由的運動，不會碰上障礙物。 路徑規(guī)劃的概念和方法 路徑規(guī)劃問題源于計算機幾何學(xué)的傳統(tǒng)研究課題。 它被描述成 :給定 移動機器人 所處的環(huán)境 (環(huán)境可以通過移 動機器人視覺系統(tǒng)或者別的途徑獲得 )， 起始點 和 期望的終止點，移動機器人路徑規(guī)劃就是根據(jù)一定的任務(wù)要求 (路徑最 短、消耗能量最少或使用時間最短等 )尋求 分別連接起點到終點且能避開 環(huán)境中障礙物的移動機器人的運動軌跡，即最優(yōu)或次優(yōu)有效路徑 。 七十年代中期，智能機器人研究的需求，促進規(guī)劃問題的研究。因為裝配機器人，移動機器人都涉及到路徑規(guī)劃技術(shù)。由于路徑規(guī)劃的復(fù)雜性，不 少 的研究者從不同的角度研究某一方面的問題，對具體問題的提法也不完全相同。典型的路徑規(guī)劃問題的提法是指在有障礙物的工作環(huán)境中，如何為機器人尋本科畢業(yè)設(shè)計（論文） 3 找從起點到終點的運 動路徑，讓機器人在運動過程中能安全，無碰撞的通過所有的障礙物。 一般說來，路經(jīng)規(guī)劃得到的是一條幾何路徑 。首先，利用路徑規(guī)劃算法得到一條無碰撞的幾何路徑。這樣的一條幾何路徑不能夠應(yīng)用于實際的移動機器人，因為它是不連續(xù)的。第二步把幾何路徑轉(zhuǎn)換成一條連續(xù)的，可執(zhí)行的路徑。第三步，根據(jù)實際中機器人的速度約束條件把可執(zhí)行的路徑裝換成機器人的移動軌跡。最后，結(jié)合機器人的控制方 程，得到機器人可以實現(xiàn)的路徑。 實際的路徑規(guī)劃算法往往會考慮到第三步，也就是機器人本身的速度約束。因為障礙物可能是以一定速度移動的，如果障礙物移動 速度太快，即使機器人在緩慢的前進，也會由于相對速度的增大而大大提高碰撞的機率。第四步的控制方程也經(jīng)常是被結(jié)合在路徑規(guī)劃算法之內(nèi)的，如果路徑是不可控的，那么這條路徑是沒有意義的。但是第二步中的路徑連續(xù)性問題，路徑規(guī)劃往往不予考慮。在產(chǎn)生路徑以后，由特定的方法光滑路徑 。 路徑規(guī)劃問題的研究涉及到環(huán)境表達，規(guī)劃方法，路徑執(zhí)行。環(huán)境表達有兩層含義，其一是有效的獲取環(huán)境信息，這與傳感器相關(guān) :其二是如何將環(huán)境信息有效的表達出來。規(guī)劃方法關(guān)心的是在環(huán)境表達的基礎(chǔ)上，采用有效的方法規(guī)劃路徑并且進行優(yōu)化。路徑的執(zhí)行與底層控制 密切相關(guān)，并且考慮機器人的動力學(xué)特性，即如何控制機器人按照設(shè)定的路徑行走。 移動機器人路徑規(guī)劃問題在理論上主要存在三個問題 : a 環(huán)境表示問題 :指環(huán)境中障礙物的表示和自由空間的表示。合理的環(huán)境表示才能有利于規(guī)劃中搜索量的減少，才能有利于算法開銷的減少。 b 尋空間問題 :在某個指定區(qū)域 R 中，確定物體 A 的安全位置，使它不與已有的其他障礙物相碰。 c 尋路徑問題 :在某個指定區(qū)域 R 中，確定物體 A 從初始位置移動到目標位置的安全路徑，使得移動過程中不發(fā)生碰撞。 本科畢業(yè)設(shè)計（論文） 4 路徑規(guī)劃問題具有如下特點 : A 復(fù)雜性 :在復(fù)雜環(huán)境尤其是動態(tài)時變 環(huán)境中，機器人路徑規(guī)劃非常復(fù)雜，而且需要很大的計算量。 B： 隨機性 。復(fù)雜環(huán)境的變化往往存在很多隨機性和不確定因素。動態(tài)障礙物的出現(xiàn)也帶有隨機性。 C 多約束 :機器人的運動存在幾何約束和物理約束。幾何約束是指機器人的形狀制約，而物理約束是指機器人的速度和加速度。 D 多目標 :機器人運動過程中路徑性能要求存在多種目標，如路徑最短，時間最優(yōu)，安全性能最好，能源消耗最小。但它們之間往往存在沖突。 按照環(huán)境表示方法的不同，可以把路徑規(guī)劃算法分成以下幾類 : (1)幾何法 : 幾何法用幾何圖形來描述障礙物，通過抽取環(huán)境的幾何特 征，把地圖映射到一張類似于拓撲圖的圖上，這樣就把路徑規(guī)劃問題轉(zhuǎn)換成了一個簡單的圖搜索問題。幾何法的關(guān)鍵在于如何劃分自由空間和障礙空間。 頂點圖法是一種簡單的幾何法，它把障礙物看作幾何圖形，路徑是建立在每個障礙物的頂點上的，把自由空間中各個障礙物的頂點連接起來，這樣的線段的集合就是一條無碰撞的路徑。然后通過一定的代價函數(shù)來篩選得到最優(yōu)路徑。這種方法要求能夠精確的控制機器人到達障礙物的頂點附近，這在實際中較難實現(xiàn)。 因此出現(xiàn)了 Voronoi 法。處于對安全和實際應(yīng)用的簡單性的考慮，希望機器人與障礙物能夠保持一定的 距離。 Voronoi 圖用一系列的節(jié)點定義，這些節(jié)點到附近的兩 個或多個障礙物的邊緣是等距離的。然后把機器人的工作空間劃分成若干 區(qū)域，每個區(qū)域只包含一個障礙物的邊緣。對于一個區(qū)域中的任何一點，他到該區(qū)域所包含的障礙物邊緣的距離比到其他任何一個區(qū)域近。這樣，無碰路徑就可以很快找到了，而且計算速度很快 幾何法在二維空間的性能很好，但是，在三維空間和多個障礙物的條件本科畢業(yè)設(shè)計（論文） 5 下，復(fù)雜性和計算時間大大增加。 (2)柵格法 把整個地圖空間劃分為許多小柵格，按照柵格是否包含障礙物把柵格分為障礙單元和自由單元兩類，那么自由單元的集合就 是自由空間。在分解柵格的同時，計算單元之間的鄰接關(guān)系。然后把起點單元和終點單元之間的連續(xù)的單元格連接起來，就得到了一條無碰路徑。柵格法簡單易懂，但是計算量大，如果柵格太大，就會浪費很多自由空間，如果柵格太小，柵格數(shù)量劇增，計算量也 呈 指數(shù)級增加 ， 考慮到自由空 間 在整個空間中占絕大多數(shù)，如果可以把多個自由柵格合并成一個大的柵格，將會大大降低計算量，因此，單元樹法應(yīng)運而生。以四叉樹為例，首先把整個地圖分成四個大小相等的柵格，考察每個柵格，如果是自由柵格或者障礙柵格，就停止該節(jié)點的生長。如果該柵格既有障礙物，又有自由 空間，就再分成四個小柵格，以此類推。這類方法在一定程度上減輕了計算量，并且簡單易實現(xiàn)，因此成為許多混合型算法的必備算法。 (3)人工勢場法 在電勢場中，帶電粒子一定會向勢場低的方向運動。利用這一原理，人為的在地圖中構(gòu)建一個勢場，使得目標點的勢場最低，障礙物的勢場最高。這樣，機器人就會向著勢場最低的方向運動。 我們主要研究人工勢場法，因為該算法計算量少，容易滿足實時性要求，在數(shù)學(xué)描述上簡潔，產(chǎn)生的路徑比較平滑并且安全。 關(guān)于人工勢場法的具體原理和實現(xiàn)，將在第二章作詳細的闡述。 本科畢業(yè)設(shè)計（論文） 6 第 2 章 人工勢場法 人工 勢場法（ APF） 是由 Khatib 率先提出的，剛開始只是為了解決機械手臂在移動抓取物體的時候，能夠不碰到工作臺。但是后來人們發(fā)現(xiàn)，這個方法在移動機器人上應(yīng)用也有很好的效果。能產(chǎn)生出非常平滑的運行軌跡。人工勢場法是一種根據(jù)局部信息來實施路徑規(guī)劃的算法，但是通過許多研究人員的改進，人工勢場法也可以應(yīng)用于未知的環(huán)境，移動障礙物等比較復(fù)雜的情況。 其基本思想是將機器人在環(huán)境中的運動視為一種在虛擬的人工受力場中運動。障礙物對機器人產(chǎn)生斥力，目標點產(chǎn)生引力。引力和斥力的合力控制機器人的運動，控制機器人的運動方向，確定機器人 的位置。 場強的基本模型 場可以用來描述很多物理現(xiàn)象，如電磁場、流體場、輻射場等等。場能夠?qū)μ幱谄渲械奈矬w產(chǎn)生作用力，如引力和斥力，他們體現(xiàn)了環(huán)境對運動動物體的作用和約束 ?？紤]移動及機器人在進行 路徑 規(guī)劃的時候主要完成壁障和到達目的點的目的，將路徑規(guī)劃與電勢場結(jié)合起來，產(chǎn)生了利用人工虛擬電勢場進行路徑規(guī)劃的方法。 圖 21 點電荷靜電場模型 設(shè)點 r 處有一個點電荷如圖 21 所示，電荷量為 Q,設(shè)它在空間點 R 處產(chǎn)本科畢業(yè)設(shè)計（論文） 7 生的場強表示為： _E （ r） =k*__3||QRr?*（ __Rr? ） （ 21） 場強方向從 r 指向 R，大小與他們之間的距離的平方成反比。電荷間的同性相斥，異性相吸的作用力剛好能夠刻畫移動機器人的避障和尋找目標點的運動趨勢。 人工勢場模型 我們把移動機器人、障礙物、目標點均簡化為一點，機器人的運動空間為二維的，機器人要到達目標點，需要不斷朝著目標點運動，因此可以將目標點看作與移動機器人帶有相反特性的電荷，對機器人產(chǎn)生吸引力。同 時由于機器人在運動過程中需要避開障礙物，因此可以將障礙物看作與機器人帶有相同極性的電荷，對機器人具有排斥力，從而使機器人避開障礙物。同時，假設(shè)起始點帶有與機器人極性相同的電荷，從而規(guī)劃開始的時候推動機器人運動。 其中引力勢場函數(shù)為： 1( ) ( , )2 matt gU X k X X?? （ 22） K 是正比例位置增益系數(shù)， X， gX 分別代表機器人和目標點在運動空間中的位置 ， ( , )gXX? =‖ gXX? ‖ 表示機器人與目標點之間的距離。 斥力勢場 函數(shù)為： 2000000110 .5 ( ) ( , )( , )()0 ( , )r e pXXXXUXXX? ? ?????? ???? ???? （ 23） 其中 ? 為正比例位置增益系數(shù)， ),( 0XX? 為機器人在空間的位置與障礙物之間的最短距離。 常數(shù) 0? 代表障礙物的影響距離，其應(yīng)根據(jù)障礙物和目標點的 具體情況而定，一般應(yīng)小于各障礙物之間距離的一半和目標點到各障礙物之間的最小距離。 本科畢業(yè)設(shè)計（論文） 8 移動機器人的受力分析 由目標點產(chǎn)生的引力 atF 是引力勢場函數(shù)的負梯度。 ? ?()1 ( , )2( , )att attmggF U xkp X Xk X X? ????? ??????? （ 24） 當(dāng)機器人不在目標點，有 相應(yīng)的斥力為： 0020 0 000()1 1 1( ) ( , )( , ) ( , )0 ( , )re p re pF U xXXX X X XXX? ? ?? ? ?????? ? ? ??? ???? ?? ?? （ 25） 機器人受到的合力為 t att repF F F?? （ 26） 這個力決定了機器人的運動，如圖 22 所示。 圖 22 機器人在人工勢場中的受力情況 機器人在運動空間中任意位置 ? ?TyxXX ?( )的移動方向由起點、障礙本科畢業(yè)設(shè)計（論文） 9 物的斥力場和目標點的引力場共同合成的總場強的方向指定。