智能机器人及其控制技术研究

(整期优先)网络出版时间:2022-09-05
/ 2

智能机器人及其控制技术研究

周润华

深圳市峰创科技有限公司

[摘要]摘要:随着我国科学技术的进步,路径规划在嵌入式智能机器人的研究中得到广泛应用。本文主要对嵌入式智能机器人路径规划技术和路径规划算法进行研究,提出了以嵌入式实时计算系统为基础的智能机器人的路径算法。

[关键词]智能机器人;路径规划;嵌入式系统;机器人应用

路径规划在嵌人式智能机器人的研究过程中有重要的意义。随着我国科学技术的提高,机器人技术得到了广泛的发展和应用,我国智能机器人技术进步的最显著特征是嵌入式系统与机器人技术的结合,嵌入式系统具体集成度较高、功耗较低等方面的优势,不仅可以充分满足系统的实时性,在一定程度上还能够使控制软件的开发工作变得简化。

1嵌入式智能机器人路径技术的研究

智能机器人路径规划是指处于有障碍物或风险点的工作条件下,如何寻找一条最优化的运动路径(从给定起点到终点),在运动过程中,使机器人能够安全的规避全部障碍物或风险点并且完成所有的设计功能/行为

(1)嵌入式智能机器人路径规划的发展趋势

从近些年的研究成果来看,有以下趋势:第一,以功能或行为为基础的智能机器热的路径规划。以功能或行为为基础的机器人具有一种典型的慎思结构,又

被称为基于功能的控制体系结构,其主要内容是基于模型自顶向下的感知、建模、规划和动作。智能机器人路径规划问题,建模时,能够设置成为有约束性的规划问题,确保机器人能够完成路径规划、路径规避和定位等方面的任务。由于不同的机器人掌握信息环境,的程度存在差异,可将智能机器人的路径规划分为两种,其一是以传感器为基础的局部路径规划,具体是获知了作业环境中的所有信息,主要包括:自由空间法、构型空间法以及神经网络法等;其二是以模型为基础的全局路径规划,具体是指已经全部获知或部分获知作业环境中的信息,主要包括混合法、滚动窗口法、人工势场法等。第二,神经网络、模糊控制等一系列算法不断涌现并相互结合形成新的算法。第三,智能机器人的系统路径规划。智能机器人的工作环境逐渐复杂化,再加上工作任务的增加,单智能机器人无法负荷这样的工作要求。因此,将会出现单个智能机器人路径规划与多智能机器人的合作相结合的发展趋势。

(2)机器人智能规划中的特点

智能机器人路径规划中主要存在以下特点,①复杂性,是指环境复杂,机器人的路径规划复杂,且路径规划过程中需要很大的计算量支持。②随机性,是指工作环境的变化复杂,存在较多的不确定因素和随机性。③约束性,在机器人运动的过程中,其运动速度、运动轨迹等方面均存在约束。

2智能机器人路径规划的算法研究

(1)局部路径规划算法研究

1)模糊逻辑控制法

在环境模型不完善的情况下,可以使用模糊逻辑算法。这种算法的推理和计算简单,对传感器信息的要求较低,且对机器人的行为有较高的稳定性、一致性以及连续性,能够有效的解决在路径规划过程中遇到的一-些问题。虽然这种算法能够圆满的解决未知环境下的规划问题,但仍存在灵活性较差、无法学习的不足之处。

2)遗传算法

遗传算法是解决最佳化的搜索方法,属于进化算法的一种。这种算法最初借鉴了进化生物学中突变、自然选择、交叉和变异等现象而发展起来的,它采用群体搜索技术,实施选择、 交叉、变异等一系列遗传操作后,使种群在迭代中不断进化。这种算法的理论推导简单,问题的最优解能够直接得出。遗传算法的基本思想是路径转换为二进制串,首先将路径群体实施初始化操作,然后对路径群体实施选择、复制等一系列遗传操作。通过多次进化后,达到最佳的进化状态,停止进化并将当前存在的最优个体输出。虽然遗传算法得推导理论简单,但路径规划过程中仍存在效率低、个体编码不合理等问题。

(2)全局路径规划算法研究

1)构型空间法

构型空间法主要包括优化算法和可视图法。第一,优化算法。第二,可视图算法。路径图主要由机器人中的一维网络曲线自由空间中的节点构成。因此,在同路径图中,路径初始状态的点一一与目标状态的点相对应,从而促使点间搜索路径问题替代了路径规划问题。这就要求点与点之间的连线是无法穿越障碍物,即机器人与障碍物点、目标点与障碍物点、以及顶点与障碍物顶点之间的连线是可视的,然后,采取有效的搜索方法,搜索最优路径(起始点到目标点),从而使搜索最优路径问题演变为可视直线最短距离的问题。可视图法虽然能够得到最短路径。第二,优化算法。采用优化算法时,为了简化可视图和减少路径搜索时间,有部分可有可无的连线可以删除,最终实现求得最短路径的目的。

2)神经网络法

人工神经网络一种自适应非线性动态系统,主要是由大量神经元组成。在工作环境广泛、精度要求高的条件下,采用神经网络法表示环境,将会取得显著效果。在全局路径规划中应用神经网络法,能够将障碍约束变成惩罚函数,并用神经网络来描述碰撞惩罚函数进而将约束优化问题转变为无约束最优问题,实现全局路径规划。神经网络法具有较强的学习能力,但整体应用于路径规划中的效果不明显,这是因为智能机器人的工作环境复杂,并伴有一定的随机性,数学公式无法进行准确的描述。

3嵌入式智能机器人路径规划算法的应用与实现

嵌人式智能机器人的组成部分主要有驱动控制器和嵌人式微处理器。嵌人式智能机器人的硬件结构有较高的可扩展性、良好的独立性以及较小的功耗等特征,且能够得到嵌人式系统的充分支持。嵌入式智能机器人的主板是机器人的大脑,主要担任机器人运动过程中的实时计算工作。随着嵌人式技术的不断发展,为智能机器人的路径规划算法的实现和运用提供了无限的可能性,再加上以s0C技术为基础的高性能32位嵌人式微处理器的广泛应用,为智能机器人研究领域中,引人实时操作系统提供了强有力的物质基础,同时这将是机电控制系统的未来发展趋势。嵌入式智能机器人路径算法的主要从获取和决策两方面实现,获取是指通过感知系统获取所需要的环境信息, 决策是指通过决策运算后,得出的控制数据由伺服控制系统接收,同还能够实现与其他机器人的通讯和人机交互。嵌人式智能机器人路径规划的运用,需要嵌人式操作系统有较好的实时性、可靠性,并对系统成本提出了更高的要求,此外,根据系统拥有的定制和裁减的特点,在开展多任务管理的同时也能够保证工作的实时性能。嵌人式智能机器人路径算法,不需要使用复杂的系统即功能,如文件系统等。嵌人式智能机器人路径技术的研究重点主要在仿人智能和仿生智能两方面,随着我国科学技术的发展,嵌人式智能机器人与多种学科交叉和结合,比如,人工智能、认知科学等,使其智能化的行为程度不断的提升。此外,嵌人式系统还适用于在功能、体积等方面有严格规定的专业计算机系统,使计算机系统具体专用性强、实时性好、微内核精简等优势,由此可见将嵌人式智能机器人路径规划算法与嵌人式技术相结合是未来智能化机.器人的重要发展方向。

4总结

随着我国科技水平的不断提高,传感器技术、遥感技术、控制技术等诸多技术的进一步发展,在智能机器人研究领域,嵌入式智能机器人路径规划技术也已经取得了显著的成就。在未来的机器人系统中,遗传算法、神经网络法、模糊逻辑控制法等将会进一步应用于嵌人式智能机器人的研究中,使机器人的安全性和功能性等各方面性能得到显著提升,为我国的国民经济和科学技术的进一步发展提供更大的支持。

参考文献

[1]王思德.基于Cortex A9平台的双目立体视觉机器人路径规划研究[D].山东大学,2016.

[2]蒋江红.基于忆阻神经网络的机器人路径规划研究[D].陕西师范大学,2016.

[3]娄军强,魏燕定,李国平,等.基于遗传优化算法的柔性机械臂抑振轨迹规划研究[J].振动与冲击, 2016,35(11):1-6.