,

(榆林學院，陜西 榆林 719000)

0 引言

社會的飛速發(fā)展得益于人類對于環(huán)境的不斷探索。環(huán)境探測小車可作為“先行者”，對惡劣環(huán)境和未知環(huán)境進行探測并反饋，尤其是發(fā)生災難或恐怖襲擊后的高溫、煙霧、有害氣體等危險場所[1-2]。因此，環(huán)境探測小車的研究具有重要的現(xiàn)實意義和應用價值。環(huán)境探測小車屬于智能輪式移動機器人范疇，國內(nèi)外均對其展開了大量的研究[3-4]。據(jù)統(tǒng)計，人類感受客觀世界80%的信息都是由視覺系統(tǒng)得到的，因此基于單目視覺傳感器和雙目視覺傳感器的環(huán)境探測小車成為近幾年的熱點[5-8]。但是視覺傳感器價格昂貴，開發(fā)難度較大，在實際應用中常常會出現(xiàn)誤差和誤判現(xiàn)象。

為降低開發(fā)成本，實驗室研制了基于攝像頭的無線視頻探測小車進行環(huán)境探測，通過人機交互進行信號采集和無線控制。但在實際應用中發(fā)現(xiàn)，小車往往會偏離航向。遠程操作使得航向校正較為困難。因此，通過平面羅盤對小車航向進行檢測，并對其航向偏離進行分析，設計控制算法校正航向，以幫助環(huán)境探測小車按照預定軌跡完成任務。

1 環(huán)境探測小車

環(huán)境探測小車如圖1所示，主要由機械結(jié)構(gòu)本體和控制系統(tǒng)組成。

圖1 環(huán)境探測小車

1.1 機械結(jié)構(gòu)

環(huán)境探測小車主要完成的任務為視頻信號的采集，因此其硬件結(jié)構(gòu)要適應較為復雜的地面。采用兩驅(qū)動輪和兩從動輪的四輪結(jié)構(gòu)保證小車穩(wěn)定運行，其中前輪為主動輪，由2套直流減速電機和充氣輪胎構(gòu)成，后輪為從動輪。

攝像頭安裝于小車頂部，架設在云臺上。控制器通過云臺進行攝像頭方位調(diào)整，無死角采集視頻信息。同時,在小車前后均安裝LED大燈，便于在光線不夠充足的環(huán)境中采集信號。

小車外殼采用鋁合金板拼接而成，在保持其剛度的同時減輕小車重量。在鋁合金板組成的車殼內(nèi)放置控制器、驅(qū)動器等器件。

1.2 控制系統(tǒng)

結(jié)合分布式控制體系和分層遞階結(jié)構(gòu)的特點，以及環(huán)境探測小車設計要求，設計遞階分布控制系統(tǒng)，從而對系統(tǒng)實行遞階分布控制。總體方案如圖2所示。

圖2 控制系統(tǒng)

a.控制系統(tǒng)分為上層、中層和下層。上層為人機交互層，控制器采用帶有無線網(wǎng)卡的移動手機，手機上進行了系統(tǒng)移植。中層為信息采集層，下層為運動執(zhí)行層。采用DSP作為中層和下層的共用控制器。DSP通過攝像頭進行視頻信號采集，使用平面羅盤進行航向角檢測，并通過無線收發(fā)器與上層進行信息傳輸。同時DSP通過電流驅(qū)動器驅(qū)動電機，完成小車運動。

b.人機交互層負責人與環(huán)境進行交互。操作者通過指令控制小車在復雜的環(huán)境中進行探測，根據(jù)小車反饋的環(huán)境信息進行下一步工作。顯然，小車能夠進行無線數(shù)據(jù)傳輸，同時根據(jù)上層的指令進行運動以完成任務。

c.信息采集層負責采集環(huán)境信息，并通過無線收發(fā)模塊將信息傳輸?shù)缴蠈涌刂破鳎员闵蠈涌刂破鬟M行決策。同時根據(jù)上層傳送的指令，通過平面羅盤采集的航向角信息進行決策，發(fā)送運動指令到下層。

d.運動執(zhí)行層主要負責環(huán)境探測小車的移動，由驅(qū)動器和執(zhí)行器組成。采用大電流驅(qū)動器驅(qū)動直流減速電機，為小車運動提供足夠動力。

2 運動控制與航向數(shù)據(jù)

2.1 基于PWM的運動控制

采用PWM調(diào)速的方法對小車運動進行控制。在PWM驅(qū)動控制的調(diào)整系統(tǒng)中，按一個固定的頻率來接通和斷開電源，并且根據(jù)需要改變1個周期內(nèi)“接通”和“斷開”時間的長短。通過改變直流電機電樞上電壓的“占空比”，來達到改變平均電壓大小的目的，從而控制電動機的轉(zhuǎn)速。

設電機始終接通電源時，電機轉(zhuǎn)速最大為nmax，并設占空比為：

(1)

則電機的平均轉(zhuǎn)速na為：

na=nmaxD

(2)

設小車的車輪半徑為r，小車車輪最大速度為vmax，平均速度為va，關(guān)系為：

(3)

改變占空比D時，就可以得到不同的車輪平均速度va，從而達到調(diào)速的目的。實際上平均速度va與占空比D并非嚴格的線性關(guān)系，但是本次的應用中近似地將其看作為線性關(guān)系。

2.2 運動軌跡與航向數(shù)據(jù)

將小車放置于實驗室地面環(huán)境中，上層控制器發(fā)送直線前行指令后，運動如圖3所示。明顯可以看出，小車向右偏移未能走出預定軌跡。

因平面羅盤采集到的航向角數(shù)據(jù)波動較大，采用卡爾曼濾波處理后，才能較為準確地反映航向變化。將濾波處理后的數(shù)據(jù)與理想數(shù)據(jù)進行比較，如圖4所示。預期路線的理想航向角為180°，經(jīng)過800個采樣數(shù)據(jù)后，小車航向偏移約16.68°。

圖3 小車運動

圖4 航向數(shù)據(jù)

無論從小車實際位置變化，還是從航向角數(shù)據(jù)中均可得出，實驗室研制的環(huán)境探測小車會出現(xiàn)較大的航向偏離。

3 航向校正

小車航向出現(xiàn)偏離，原因較為復雜，可能是因為機械結(jié)構(gòu)誤差，也可能是因為PWM控制的誤差，或者由地面變化所導致。如果依據(jù)攝像頭采集的視頻信息，上層進行指令干預，無益會增加操作者的負擔。操作者通過采集回來的視頻信息進行方向校正也會產(chǎn)生誤差。因此，采用平面羅盤獲取的航向角信息，進行自身的航向校正。

3.1 校正方法

校正方法如圖5所示，接收到上層指令后，中層控制器對其初始航向角和預期航向角進行計算。并根據(jù)當前航向角與預期航向角的差值，調(diào)整左輪和右輪的運動速度，使其回歸預定航向。在每個采樣周期內(nèi)依據(jù)平面羅盤的數(shù)據(jù)不斷調(diào)整輪子速度，直到上層發(fā)送下一個指令。因采樣周期比較短，車輪速度的變化量非常小，因此對實際的航向校正起到了較好的效果。

圖5 校正方法

3.1.1 初始及當前航向角

初始航向角決定著當前航向角及預期航向角數(shù)值估算的準確性。平面羅盤采集到的航向角波動較大，如果通過卡爾曼濾波器進行處理，需要給定計算原始量，計算原始量的不確定使得在初始時間段內(nèi)計算的初始航向角不夠準確，因此采用算術(shù)平均濾波方法進行初始航向角估算。在初始時刻，初始航向角即為當前航向角，過一段時間后，卡爾曼濾波后的數(shù)據(jù)已經(jīng)能夠跟蹤實際的航向角，此后航向角采用卡爾曼濾波處理獲得。

3.1.2 預期航向角

接收到直線前行命令，預期航向角數(shù)值與初始航向角相同。如果不是直線命令，則需要進行預期航向角計算。

如圖6所示，假定兩輪各自勻速運動，左輪速度大于右輪速度，小車向右偏轉(zhuǎn)。則左輪走過的距離(外側(cè)劣弧長度)和右輪走過的距離(里側(cè)劣弧長度)如式(4)所示。其中，D1和D2分別代表左輪電機和右輪電機運動的PWM占空比；R表示y1和y2軸的交點距離O1和O2的距離；L表示小車兩前輪之間距離的一半。

圖6 預期航向角計算

(4)

進而求得航向角變化量Δθ為：

(5)

3.1.3 航向校正

如果測出當前航向角與預期航向角數(shù)值有所差別，則認為小車運動發(fā)生偏移。如果差值大于零，則代表小車向左發(fā)生了偏離，則要迅速進行校正，左輪加速，右輪減速，讓小車向右偏移，回歸原方向，反之亦然。

本文采用左輪和右輪差動調(diào)整航向。左輪速度變化量與右輪相同，即PWM的占空比變化量相同。

假設小車發(fā)生角度偏移為θ，占空比調(diào)整量為Dc，則可得：

(6)

可求得調(diào)整的占空比Dc為：

(7)

3.2 實驗驗證

上層控制器發(fā)送小車直線前行命令進行實驗驗證，占空比調(diào)整量Dc為：

(8)

取采用周期t為1 s，航向數(shù)據(jù)如圖7所示。當小車偏離航向后，航向出現(xiàn)了明顯的校正，同時小車基本能按照預定軌跡運動。由圖7可知，航向角誤差最大為4.5°(以濾波后的航向作為最終的角度)，且迅速得到了校正。

圖7 校正后航向數(shù)據(jù)

4 結(jié)束語

采用分層遞階控制體系設計了環(huán)境探測小車的控制系統(tǒng)，模塊化的設計使得小車控制更為有效。

設計控制算法對小車航向進行了校正，實驗結(jié)果表明，小車航向誤差得到了明顯的改善，小車前行過程中存在的航向偏差問題得到了有效的控制。

[1] 田豐,方海峰,李允旺,等.煤礦探測機器人導航環(huán)境可通過性評價研究[J].煤礦機械,2014,35(9):47-50.

[2] 李國才,張文棟,胡杰,等.煤礦環(huán)境探測機器人的多傳感器系統(tǒng)設計[J].礦山機械,2013,41(8):127-130.

[3] 馮劍,張文安,倪洪杰,等.輪式移動機器人軌跡跟蹤的PID控制方法[J].信息與控制,2017,46(4):385-393.

[4] 郭一軍,俞立,徐建明.基于擴張狀態(tài)觀測器的輪式移動機器人全階滑?？刂芠J].重慶郵電大學學報(自然科學版),2017,29(3):382-388.

[5] 趙清夫,連廣宇,孫增析.機器人視覺伺服綜述[J].控制與決策,2001, 16(6): 849-853.

[6] Davidson I, RaviS S.Intractability and clustering with constraints [C]// Proceedings of the 24th International Conference on Machine Learning.New York: ACM Press, 2007: 201-208.

[7] 王鵬，李平康.雙機RTWT模式的視覺機器人實時仿真系統(tǒng)設計[J].北京交通大學學報2011,35(4):148-153.

[8] 夏庭鍇,楊明,楊汝清.基于單目視覺的移動機器人導航算法研究進展[J]. 控 制 與 決 策,2010,25(1):1-7,19.