传感器在多关节机器人系统实时避障中的应用.docx

《传感器在多关节机器人系统实时避障中的应用.docx》由会员分享，可在线阅读，更多相关《传感器在多关节机器人系统实时避障中的应用.docx（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、传感器在多关节机器人系统实时避障中的应用dujing导语：评述近几年来在多关节机器人系统实时避障中传感器技术的应用.具体介绍了传感器的选择及多传感器信息交融技术，并指出这一领域中值得进一步研究的一些问题和可能的开展方向摘要：评述近几年来在多关节机器人系统实时避障中传感器技术的应用.具体介绍了传感器的选择及多传感器信息交融技术，并指出这一领域中值得进一步研究的一些问题和可能的开展方向。关键词：传感器；信息交融；多关节机器人系统；实时避障一、引言Introduction多关节机器人为了能在未知或者时变环境下自主地工作.应具有感受作业环境和规划自身动作的才能。为此.必须进步机器人对当前感悟环境的快速

2、理解识别及实时避障的才能。实时避障是实现智能化机器人自主工作才能的关键技术.也是国内外智能机器人近期开展的一个热门.其显著特征是具有传感器信息反应.可以实现很好的智能行为。本文主要针对基于传感器信息的多关节机器人实时避障方法方面的研究.具体介绍了传感器的选择和传感器信息交融技术。二、传感器选择Thechoiceofsensors机器人避障的关键问题之一是在运动经过中怎样利用传感器对环境的感悟。任何类型的传感器都有各自的优点和缺乏.选用时需要仔细考虑各种因素。在机器人运动规划经过中传感器主要为系统提供两种信息：1机器人附近障碍物的存在信息。2障碍物与机器人间的间隔。近几年.应用到机器人运动规划的

3、传感器一般分为两大类：无源式传感器和有源式传感器。1、无源式传感器应用在避障中的无源式传感器包括触觉传感器和视觉传感器两种。1触觉传感器机器人触觉系统是模拟人的皮肤与物体接触的感觉功能.获取四周环境信息.用来到达避障目的.十分是在黑暗处或因障碍物的影响导致无法通过视觉获取信息的条件下.使机器人具备触觉功能。触觉传感器是一种测量自身敏感面与外界物体互相作用参数的装置.触觉传感器经常包含很多触觉敏感元.并以阵列的形式排列.通过这些触觉敏感元与物体互相接触产生触觉图象.并进展分析与处理.这种工作方式称为被动式触觉/但是.实际应用中.一方面由于触觉传感器的空间分辨率大大进步.其工作平面尺寸比被识别物体

4、要小得多；另一方面机器人控制中需要得到物体的三维信息。因此，在被动式触觉的根底上，将触觉传感器安装在机器人上，随着机器人的不断运动，传感器可得到被识别物体的三维触觉信息，通过进一步处理与识别，并反映给机器人控制器，这样可以使机器人获取四周环境信息，识别物体外形，确定物体空间位置等，进而到达智能控制和避障的目的。这种工作方式称为主动式触觉。在安装触觉传感器时，一般都安装在手爪、足、关节等主要的操纵部位。触觉传感器应用在多关节机器人避障系统中的主要缺陷是：信号滞后，很难实现实时避障，工作经过中机器人系统轻易损坏。2视觉传感器视觉传感器获取的信息量要比其它传感器获取的信息量多得多，但目前还远未能使机

5、器人视觉具有人类完全一样的功能，一般仅把视觉传感器的研制限于完成特殊作业所需要的功能。视觉传感器把光学图像转换为电信号，即把入射到传感器光敏面上按空间分布的光强信息转换为按时序串行输出的电信号视频信号，而该视频信号能再现入射的光辐射图像。固体视觉传感器主要有三大类型：一种是电荷耦合器件CCD；第二种是MOS图像传感器，又称自扫描光电二极管列阵SSPA；第三种是电荷注入器件CID。目前在机器人避障系统中应用较广的是CCD摄像机,它又可分为线阵和面阵两种.线阵CCD摄取的是一维图像，而面阵CCD可摄取二维平面图像。视觉传感器摄取的图像经空间采样和模数转换后变成一个灰度矩阵，送入计算机存储器中，形成

6、数字图像。为了从图像中获得期望的信息，需要利用计算机图像处理系统对数字图像进展各种处理，将得到的控制信号送给各执行机构，进而再现多关节机器人避障经过的控制。这种传感器在避障中主要有三方面缺陷：一是受光线条件和工作范围限制；二是此类传感器驱动电路复杂，价格昂贵；三是实时性差。2、有源式传感器有源式传感器由于中间传递介质不同分为：超声波传感器、电容耦合式传感器、电涡流传感器、红外传感器。1超声波传感器超声波传感器是靠发射某种频率的声波信号，利用物体界面上超声反射，散射检测物体的存在与否。超声波在空气中传播时假如碰到其它媒介，那么因两种媒质的声阻抗不同而产生反射。因此，向空气中的被测物体发射超声波，

7、检测反射波并进展分析，进而获到障碍物的信息。超声波传感器由于信息处理简单、快速并且价格低，被广泛用在机器人测距、定位及环境建模等任务中。但在多关节机器人实时避障系统中存在一定的局限性，主要表如今四个方面：一是由于超声波的波长相对长一些，对于稍大的扁平的障碍物可以发生镜面反射，传感器由于接收不到反射信号，使此障碍物不能被检测到。二是盲区较大，由于每个超声换能器既作超声发射器又作超声接收器，因此不能同时发射超声和接收超声。在发射超声后必须经过一段时间才能处理返回的声波。假如障碍物间隔太近三、传感器的信息交融Informationfusionofsensors在智能机器人避障的系统中，由于任何传感器

8、的功能都有限，必要时，应将多种传感器集成在一起，交融多种传感器信息，这样可以更正确、更全面的反映出外界环境的特征，为避障提供正确的根据。信息交融技术可以增加各类传感器信息的互补性、对环境变化的适应性，进步决策的正确性。多传感器数据交融的根本目的是指通过对多种，类传感器数据的综合处理以获得比每个单一传感器更多的信息。也可以理解为对多传感器的原始信息加以智能化的综合，进而导出新的有意义的信息。这种信息的价值比单一传感器所获得信息要高得多，它有利于判定和决策。因此近年来多传感器信息交融技术系统已越来越多地应用于机器人的避障系统中，通过实验可以获得良好的效果。1、传感器数据交融方法多传感器的机器人避障

9、系统中，各信息源提供的环境信息都具有一定程度的不确定性。另外，由于传感器数目较多，且多为非线性，要进展很好的全局优化和控制，处理量大。面对离散数据多、关联度大、输入信息不可线性化且要求交融结果可靠性高等特点，传统的数据交融方法加权平均法、贝叶斯估计法、Dempster-Shafer证据推理方法等不能很好地知足要求。对于多关节机器人避障系统而言，通常采用卡尔曼滤波法、产生式规那么、模糊逻辑人工神经网络法，可以得到关于环境更加可靠、统一、准确的描绘，便于判定与决策。1卡尔曼滤波用于实时交融动态的低层次冗余多传感器数据，该方法用测量模型的统计特性递推决定统计意义下最优交融数据估计。由于机器人避障系统

10、具有线性动力学模型，且系统噪声和传感器噪声是高斯分布的白噪声模型，卡尔曼滤波为交融多传感器数据提供唯一的统计意义下的最优估计。应用到机器人避障系统的多传感器信息处理中，国内外学者经常选用的是结合式卡尔曼滤波法，其根本思想是采用一组并行运行的滤波器模块，每一个模块只处理某一个特定传感器的信息。另外，还采用了一个“主滤波器对来自所有部分滤波器的信息进展交融。这种构造明显的上风在于：计算量平均分布在各个并行滤波器中，主滤波器的计算负担不大；具备了多种冗余信息，可以通过适当的重构算法设计提供强容错才能。2产生式规那么可以建立自然景象专家系统，根据多传感器的检测数据，使用符号来表示环境特征，这样可以更全

11、面的反映避障系统的四周信息，为机器人的途径规划做预备。3模糊逻辑法方法是用某种模拟人类的思维习惯的模型系统地反映机器人避障系统中多传感器数据交融经过的不确定性，并通过模糊推理来完成数据交融，得到预期的效果。4人工神经网络法是一种仿效生物神经系统的信息处理方法，是通过有老师或者无师自学算法进展网络学习，一旦学习完成，该神经网络就可以根据以网络权矩阵和网络拓扑构造形式存储的特征信息，基于此神经网络得到了一种进展决策思维的模型构造，通过综合来自于系统各种不同传感器的信息，从中抽取出单一传感器无法提供的准确可靠信息，这是在有环境交互的情况下处理多传感器信息的一种特别有效的方法。此方法应用到机器人避障系

12、统多传感器信息处理中，主要通过传感器在操纵现场获得环境信息，过滤和预处理模块对传感信息进展修正和数字化，经平安机制判定后作为相应神经网络交融处理器的输入源，采用知识数据库作为神经网络交融器的选型和知识;的辅助决策工具，应用程序接收交融结果，采取相应的控制策略，并发送控制命令给机器人驱动设备。这样可以快速准确地获得尽可能多的实际操纵现场的环境信息，进而有效地完成多传感器的信息处理。2、传感器信息处理由于机器人避障系统中所用的传感器种类和数目较多，信息处理较复杂。应用在此系统的信号处理方法主要有小波分析法、神经网络法、遗传算法、免疫算法。1小波分析法小波变换的根本思想是用一族小波基函数去表示或者逼

13、近信号，很好地解决了时间和频率分辨力的矛盾，合适于对时变信号进展部分分析。小波变换作为一种新的信号处理方法，近几年，将小波分析应用在机器人避障系统实时收集传感器信号检测分析中，通过对传感器信号的多尺度分解，滤除被测传感器信号中混入的噪声成分，重构真实信号，这样可以有效进步机器人避障系统中采样数据的可靠性，进而可以进步避障系统的控制精度。另外它还有数据压缩功能，对此系统大量的传感信号进展压缩处理可以节省存储空间，进步运算速度。2神经网络法神经网络是一种不需要选取基函数系的非线性函数逼近方法。机器人避障系统利用神经网络的高度非线性描绘才能，并利用这一才能对此系统的多传感器进展建模，利用BP算法误差

14、反向传播算法，可以对传感器输出信号进展滤波、除噪及传感器的信号识别，进而使传感器的输出信号更准确反映外部环境信息，为机器人的途径规划算法做预备。这种方法的特点是：不需要机理方面的细节知识，防止了数学建模的不完备性；利用软件实现传感信号的处理，方便灵敏，适用性强，免去了硬件电路。3遗传算法遗传算法是按照自然界“优胜劣汰，适者生存法那么提出的一种全局优化自适应概率搜索算法。遗传算法通过对当前群体施加选择、杂交、变异等一系列操纵，产生出新一代的群体，并逐步使群体进化到最优解状态。遗传算法被应用于机器人避障系统的传感信号处理中，首先在一个采样周期内将实际传感器信号均匀采样N次送入计算机，随机选择几组数

15、据作为初始群体。然后循环进展选择、杂交、变异三种操纵，直到到达给定的要求电压值为止。在机器人避障系统中，利用简单的放大电路和遗传算法软件可以在多传感信号的情况下准确复原传感信号，进步传感器信息处理中的测量精度。4免疫算法免疫算法是一种基于模拟生物体的计算方法，该算法模拟免疫系统中抗体-抗原的互相作用，通过系统对抗原输入信号的识别，抗体标样信号与抗原间亲和力的调整，以及抗体对抗原的消除来实现数字信号处理。近几年来免疫算法也被应用于机器人避障系统的传感器信号处理中，该方法模拟免疫系统的作用机制，对此系统复杂、大量的传感器信号进展处理，可以得到重叠传感器信号中起决定作用的单组传感器信息，运行速度快，

16、进而可以减少计算机处理传感器信息时间。3、传感器故障诊断传感器故障诊断的施行，可以保证诊断系统获取实时准确的信息，防止因错误信息造成的负效应，保证数据的正确性，因此传感器故障诊断是系统实时避障的重要保证。应用在机器人避障系统传感器故障诊断的方法主要有以下几个方面：1模糊诊断方法模糊诊断方法就是以模糊数学为理论根底，根据系统的传感器的模糊状态进展状态识别、推理并作出决策的一种故障诊断方法。模糊故障诊断方法的优点是可以充分利用专家经历，考虑了故障状态及专家经历的模糊性，使得诊断结果更为公道，同时模糊诊断计算量相对较小，诊断速度快，实时性好，便于在计算机上应用，且准确率也较高。经常被国内外学者应用到

17、机器人避障系统中，进展传感器输出结果的诊断。但模糊故障诊断方法也有其不完善的方面，如隶属函数的选取、各个诊断规那么的运用，至今并无同一原那么，常依详细问题而定。2离散小波网络法离散小波网络法是利用小波网络来诊断避障系统中传感器对象，当传感器对象没有突变时，小波网络的输出与诊断避障系统中传感器对象的输出差值较小，当传感器有突变时，小波网络的输出与诊断避障系统中传感器对象的输出差值较大，据此可利用方差检测出故障。该方法灵敏度高，克制噪声才能强，对输入信号要求低，不需要对象的数学模型。缺点：在大尺度下，由于滤波器时域宽度较大，检测时会有一定的延时。3人工神经网络诊断法人工神经网络法近年来被应用于机器

18、人避障系统中的传感器故障诊断领域。人工神经网络是一种并行处理机制的网络，且它可以通过学习而获得外界知识，知识分布存储各个神经元之间连接权值上，它可以完成输入形式到输出形式的复杂映射，具有容错才能强和运行速度快的特点。采用神经网络法进展机器人避障系统的故障诊断的方法是选择系统中关键传感器输出作为神经网络的输入变量，并规定网络的输出变量值；选择适宜类型和构造的神经网络；根据所选择的输入输出信号的历史数据，离线对网络进展训练，获得网络的权值或者阀值；在线将前面选择的输入输出数据作用于网络，网络输出便可给出诊断结果。该方法优点是不需要准确的数学模型，可以直接用经过数据来解决机器人避障系统故障诊断问题。

19、但是此方法还存在一些问题，如网络构造怎样选取等。此外，在诊断经过中，经常自学习，自诊断，因此怎样将无导师训练算法引入到传感器故障诊断领域，也是一直讨论的方向。四、结论Conclusion智能多关节机器人的实时避障问题，是如今机器人研究领域的重点和难点问题。在避障经过中，经常会面临无法预先知道、不可预测或者动态变化的环境。机器人感悟环境的手段通常是不完备的，传感器给出的数据是不完全、不连续、不可靠的，传感器信息交融的算法还存在着众多问题。但由于传感器技术的飞速开展以及神经网络、模糊控制理论等学科的深化研究，及传感器信息处理方法的应用，为避障问题的最终解决提供了可能性，但是对于复杂的应用，仍不能令

20、人满足，因此现存的问题也正是该领域的研究方向。1传感器交融技术在近年来被引入到了机器人避障研究中，并已获得很好的成果，对于目前一些高精度的多关节机器人避障系统采用常规传感器还很难知足性能指标，因此开发新型传感器或者按照一定交融策略构造传感器阵列以弥补单个传感器的缺陷，将是重要的研究方向。2人工智能可使机器人避障系统本身具有较好的柔性和可理解性，同时还能处理复杂的问题，因此在将来的数据交融技术中利用人工智能的各种方法，以知识为根底构成多传感器数据交融仍将是其研究趋势之一。3为了在实现机器人避障系统多传感器数据交融，处理器构造将朝并行体行构造开展，包括传感器功能的并行构造和算法功能的并行构造。4在

21、一个智能系统中，使用单一的智能控制方法往往不能获得满足的效果，应综合采用常规控制方法和智能控制方法，才可以获得良好效果。神经网络和模糊推理是避障研究中的两个重要工具，但是神经网络样本集的完好性研究尚未获得打破，将事件空间的每一点都作为网络的学习样本显然是不可取的；模糊逻辑推理那么侧重于模糊规那么的选取，但有些规那么很难形式化描绘，或必须用大量的规那么描绘而增大运算量，这样就背离了模糊逻辑应用的初衷，因此近年来提出了基于多组传感器信息，利用神经网络技术实现机器人对当前感悟环境的快速识别和分类，进而利用模糊逻辑技术实现平安避障的新方法，它将是有潜力的研究方向。5在集中式多传感器系统研究时应该将仿真

22、技术和实时控制技术结合起来，建立集成开发环境来处理传感器信号。对于分布式传感器系统，应寻求一种基于通讯的实现方法来处理传感器信号，这是传感器系统今后开展方向之一。6机器人的避障系统愈高级，传感器就愈多，信息处理愈复杂，会碰到多速率采样问题。但是现有成熟的计算机控制理论涉及的都是单速率采样，即假定系统中所有A/D，D/A通道都以同样的采样速率工作。为填补此项空白，就很有必要研究多速率采样控制系统的建模，分析及设计方法。所以，机器人多传感器多速率采样控制系统研究是传感器系统今后开展方向之一。7多关节机器人避障系统是一个复杂的智能系统。因此在实际应用中，必须综合考虑各种功能，这是一个涉及机械、电子、计算机、自动化、物理学等多学科的跨学科课题，任何新技术的出现都可能对该领域的研究带来打破性进展，因此在机器人研究的同时，必须亲密关注相关学科的开展。0