陳 亞，張栗銘，張雪峰，李歡歡，寇海波

(北京石油化工學院機械工程學院，北京 102617)

隨著科技的不斷發(fā)展，機器人被廣泛地運用在工業(yè)、醫(yī)療以及軍事等領域[1]。讓各種機器聽懂人類的語言并根據(jù)獲得的信息完成相應的任務，可以使人的雙手從控制機器人工作中解脫出來，從而大幅提高工作效率[2]。語音識別技術(shù)的研究目的就是讓機器“聽懂”人類的語言，使機器人能夠更好地為人類服務[3]。目前對特定人語音孤立詞識別的主要方法包括動態(tài)時間規(guī)整(DTW)、矢量量化(DQ)和隱馬爾可夫模型(HMM)等[4]。Microsoft公司的Speech SDK語音開發(fā)包就是以HMM為基礎建立并提供有語音應用程序編程接口SAPI，是構(gòu)建語音識別平臺的基礎，能夠使語音技術(shù)與機器人控制系統(tǒng)有機結(jié)合。使用Speech SDK語音開發(fā)包能夠縮短開發(fā)周期，方便進行二次開發(fā)[5]。

筆者采用Speech SDK語音開發(fā)包構(gòu)建雙驅(qū)雙向AGV的語音識別開發(fā)平臺，在基于平板電腦及其外圍模塊的控制方式基礎上增加語音識別功能，在完成語音的準確識別后，驅(qū)動雙驅(qū)雙向AGV實現(xiàn)前進、后退、停止、左轉(zhuǎn)、右轉(zhuǎn)等一系列動作。該系統(tǒng)既能保證雙驅(qū)雙向AGV穩(wěn)定可靠地運行，又能實現(xiàn)對雙驅(qū)雙向AGV實時的語音控制，豐富了人機交互方式，幫助企業(yè)提高了生產(chǎn)效率[6]。

1 系統(tǒng)結(jié)構(gòu)設計

1.1 雙驅(qū)雙向AGV語音識別控制系統(tǒng)結(jié)構(gòu)

以雙驅(qū)雙向AGV為控制對象，采用PMAC (programmable multi-axes controller)運動控制卡作為控制器，并基于Speech SDK語音開發(fā)包構(gòu)建具有語音識別功能的雙驅(qū)雙向AGV控制系統(tǒng)，該系統(tǒng)結(jié)構(gòu)如圖1所示。

雙驅(qū)雙向AGV控制系統(tǒng)主要由2部分組成：上位機(工業(yè)平板電腦)和下位機(PMAC運動控制卡)，共同構(gòu)成開放式控制系統(tǒng)。其中上位機為工業(yè)平板電腦，選用對微軟語音開發(fā)包兼容性好、安全性高、多任務處理穩(wěn)定可靠的Window XP操作系統(tǒng)，該操作系統(tǒng)支持麥克風作為外設對語音輸入進行數(shù)據(jù)采集，判斷并識別語音，激活響應函數(shù)，控制雙驅(qū)雙向AGV的運動，同時處理其他傳感器信息實現(xiàn)對AGV的實時導航糾偏控制。下位機為PMAC運動控制卡，主要負責實時采集外圍傳感器信號，并將數(shù)據(jù)通過網(wǎng)口送入上位機，實時處理上位機發(fā)出的指令，驅(qū)動電機完成相應動作。筆者采用工業(yè)平板電腦+PMAC運動控制卡作為雙驅(qū)雙向AGV的控制系統(tǒng)，不僅結(jié)構(gòu)簡單、開發(fā)周期短、穩(wěn)定性好，而且可擴展性強，具有對運動實時控制的能力。

1.2 系統(tǒng)工作原理

用戶通過麥克風輸入語音指令，上位機接收用戶語音信號，提取語音命令，與語音模板中的信息匹配，若匹配成功，則執(zhí)行響應函數(shù)，創(chuàng)建新線程并給下位機發(fā)送運動指令，實現(xiàn)對雙驅(qū)雙向AGV的運動控制，運動結(jié)束，則關(guān)閉線程；若匹配失敗，則繼續(xù)匹配。下位機接收上位機的運動指令，并根據(jù)上位機對磁導航傳感器的處理信息，驅(qū)動直流無刷電機差速運轉(zhuǎn)，實現(xiàn)對雙驅(qū)雙向AGV的運動控制。

2 雙驅(qū)雙向AGV運動控制分析

運動學模型的建立是實現(xiàn)對AGV語音控制的基礎。雙驅(qū)雙向AGV通過非接觸式的磁條導引方式沿著預定路線循跡行走，雙驅(qū)雙向AGV的運動學模型如圖2所示。通過實時調(diào)節(jié)前后驅(qū)動模塊左右驅(qū)動輪A、B、C、D的速度，利用差速糾偏原理協(xié)調(diào)控制驅(qū)動電機，實現(xiàn)雙驅(qū)雙向AGV沿預定軌跡行駛的運動控制。

假定A和B為第1個驅(qū)動模塊左右輪，運動速度分別為Va和Vb，C和D為第2個驅(qū)動模塊左右輪，運動速度分別為Vc和Vd，2個驅(qū)動模塊間距為S，2個驅(qū)動輪間距為L，驅(qū)動輪半徑為R。A輪和B輪中點的速度為Vo1，C輪和D輪之間的中點的速度為Vo2。假定整個AGV是一個剛體在平面內(nèi)運動，AGV 2個驅(qū)動模塊左右各輪在平面內(nèi)只做純滾動，無滑動情況出現(xiàn)。

根據(jù)不同的運動路線，雙驅(qū)雙向AGV的運動可分為直線運動和轉(zhuǎn)彎運動。當雙驅(qū)雙向AGV沿著直線運動時，2個驅(qū)動模塊的4個驅(qū)動輪的速度相等。AGV沿著軌跡在運動的過程中不可避免的會產(chǎn)生一定的偏差，當AGV運動發(fā)生偏差時，根據(jù)磁導航傳感器采集到的位置信息確定AGV偏離磁條中心的距離，通過糾偏算法，調(diào)節(jié)一側(cè)驅(qū)動輪的速度下降，另一側(cè)驅(qū)動輪的速度維持不變，利用差速原理實時調(diào)整兩驅(qū)動模塊左右驅(qū)動輪速度，控制AGV保持直線運動。

當AGV進入彎道時，轉(zhuǎn)彎過程可以分為3個階段，如圖3所示。第1階段，第1個驅(qū)動模塊進入彎道，開始轉(zhuǎn)彎，第2個驅(qū)動模塊仍沿直線軌跡運動；第2階段，2個驅(qū)動模塊都進入彎道，同時轉(zhuǎn)彎；第3階段，第1個驅(qū)動模塊已經(jīng)完成轉(zhuǎn)彎，開始沿直線軌跡運動，第2個驅(qū)動模塊仍在轉(zhuǎn)彎。

通過分析計算[7]，得到在這3個階段4個驅(qū)動輪的瞬時速度關(guān)系為：

(1)第1階段：

其中：R為磁條鋪設半徑；θ為第1個驅(qū)動模塊轉(zhuǎn)過的角度。

(2)第2階段：

Va=Vc， Vb=Vd

(3)第3階段：

其中：σ為第2個驅(qū)動模塊轉(zhuǎn)過的角度。

通過分析4個驅(qū)動輪在轉(zhuǎn)彎不同階段的瞬時速度關(guān)系，當接收到轉(zhuǎn)彎的語音指令后，控制驅(qū)動輪的運動速度繼而實現(xiàn)對雙驅(qū)雙向AGV的轉(zhuǎn)彎運動。

3 軟件設計

3.1 軟件總體結(jié)構(gòu)

基于SAPI的雙驅(qū)雙向AGV軟件控制流程如圖4所示。首先系統(tǒng)進行語音識別模塊初始化，SAPI提供了完善的COM接口，根據(jù)COM規(guī)范的要求，首先調(diào)用CoInitializeEx函數(shù)對COM庫進行初始化。當進程不再使用COM庫函數(shù)時，必須調(diào)用CoUninitializeEx函數(shù)釋放系統(tǒng)資源[8]。然后初始化語音識別的各接口，完成識別引擎、識別上下文接口的創(chuàng)建，并設置識別消息和感興趣的事件，最后對識別的語音內(nèi)容建立語法規(guī)則，完成語音識別平臺的構(gòu)建。用戶通過麥克風輸入語音指令，進程對識別的語音進行匹配，如果匹配成功，則根據(jù)識別的語音內(nèi)容進行消息響應，從而驅(qū)動AGV執(zhí)行相應的動作；如果匹配失敗，則繼續(xù)進行語音識別并匹配。

3.2 基于SDK5.1的語音平臺

微軟的SDK提供有語音應用程序編程接口SAPI(Speech Application Programming Interface)、語音聽寫引擎TTS(Text To Speech)以及連續(xù)語音識別引擎MCSR (Microsoft Continuous Speech Recognition)[9]。SAPI是基于COM技術(shù)實現(xiàn)的組件編程接口，封裝了操作系統(tǒng)底層硬件，提供具有高度適應性的直接語音管理、訓練向?qū)Ч芾?、資源、語音識別SR(Speech Recognition)管理等，所以，語音識別SAPI的調(diào)用符合COM規(guī)范。SAPI層、應用程序接口API層和設備驅(qū)動接口DDI(DeepSpar Disk Imager)層三者之間的結(jié)構(gòu)圖如圖5所示。

應用程序是通過SAPI與API(Application Programming Interface)層之間進行交互，語音引擎是通過SAPI與DDI(DeepSpar Disk Imager)層進行通信[10]。利用接口函數(shù)，屏蔽了底層驅(qū)動與識別算法的開發(fā)，大大簡化了語音開發(fā)的難度。根據(jù)開發(fā)的XML(Extensible Markup Language)文件確定需要匹配的詞匯，開發(fā)者可以根據(jù)需要定義詞匯，大大降低詞匯檢索量，提高識別速度。

3.3 語音識別模塊軟件實現(xiàn)

利用SAPI開發(fā)語音應用程序，將程序嵌入到機器人運動控制系統(tǒng)中，通過用戶的語音輸入使雙驅(qū)雙向AGV接受指令，實現(xiàn)機器人前進、后退、轉(zhuǎn)向以及停止等動作，具體步驟如下。

(1)創(chuàng)建XML文件(CmdCtrl.xml)，定義需要機器人識別的命令。

前進

后退

左轉(zhuǎn)

右轉(zhuǎn)

停止

(2)語音識別系統(tǒng)初始化。語音識別系統(tǒng)初始化包含多個步驟，初始化模塊流程圖如圖6所示。

通過CoInitializeEx函數(shù)初始化COM接口，在程序的頭文件中定義建立語音識別需要的接口對象。

//語音識別引擎對象

CComPtr m_cpRecognizer;

//語音命令的語法對象

CComPtr m_cpCmdGrammar;

//語音識別的上下文接口對象

CComPtr m_cpRecoCtxt;

//初始化COM口

CoInitializeEx(NULL，COINIT_APARTMENTTHREADED) ;

//創(chuàng)建識別引擎：共享型服務

hr=m_cpRecognizer.CoCreateInstance (CLSID_SpInprocRecognizer);

//創(chuàng)建識別的上下文接口

hr=m_cpRecognizer->CreateRecoContext (&m_cpRecoCtxt);

//設置識別消息

hr=m_cpRecoCtxt->SetNotifyWindowMessage (m_hWnd，WM_RECOEVENT，0，0);

//設置觸發(fā)事件

Const ULONGLONG ullInterest=SPFEI (SPEI_RECOGNITION);

hr=m_cpRecoCtxt-> SetInterest(ullInterest，ullInterest);

//設置語法規(guī)則

Hr=m_cpRecoCtxt-> CreateGrammar (100，&m_cpCmdGrammar);

//加載語法詞典

Hr=m_cpCmdGrammar-> LoadCmdFromFile (wszXMLFile，SPLO_DYNAMIC);

(3)語音識別系統(tǒng)初始化之后，識別引擎開始工作，當系統(tǒng)匹配到正確的命令輸入，在消息響應函數(shù)中對動作進行實現(xiàn)。

//消息相應函數(shù)RecoEvent()

void CSpeechReco::RecoEvent()

{

…

};

(4)在程序退出之前需要卸載系統(tǒng)資源，即在析構(gòu)函數(shù)中釋放COM。

CoUninitializeEx();

雙驅(qū)雙向AGV控制系統(tǒng)識別到正確的指令后，執(zhí)行相應動作。

3.4 人機交互界面的軟件實現(xiàn)

基于微軟提供的Microsoft Visual C++6.0面向?qū)ο蟮目梢暬砷_發(fā)環(huán)境開發(fā)了人機交互界面，結(jié)果如圖7所示。該控制程序采用的是命令識別模式自定義匹配詞匯，通過點擊“語音識別”，完成語音初始化的創(chuàng)建，經(jīng)麥克風輸入命令，再由系統(tǒng)匹配識別，從而控制AGV完成“前進”、“后退”、“左轉(zhuǎn)”、“右轉(zhuǎn)”以及“停止”等相關(guān)動作指令。

4 語音實驗

針對雙驅(qū)雙向AGV的語音識別以及指令控制效果進行實驗測試。實驗選擇在安靜的環(huán)境下進行，實驗場地如圖8所示。任意選擇1人完成語音樣本的錄入，即前進、后退、停止、左轉(zhuǎn)、右轉(zhuǎn)等指令。并隨機抽取5人，其中男生2人、女生3人完成語音字典中的5條指令，規(guī)定每位測試者隨機讀取5條指令20次，實驗結(jié)果如表1所示。實驗結(jié)果表明，該系統(tǒng)語音識別模塊的正確識別率達到90%以上。

表1 語音實驗結(jié)果

5 結(jié)論

以雙驅(qū)雙向AGV為控制對象，基于SAPI語音應用程序編程接口完成了語音系統(tǒng)的開發(fā)，通過麥克風輸入語音，再經(jīng)語音識別處理能夠控制雙驅(qū)雙向AGV完成前進、后退、左轉(zhuǎn)、右轉(zhuǎn)、停止等動作。該系統(tǒng)不僅增加了人機交互的多樣性，而且也降低了設備操作的復雜性，提高了企業(yè)自動化水平和生產(chǎn)效率。實驗結(jié)果表明，該系統(tǒng)語音模塊在安靜的環(huán)境下的正確識別率達90%，并且雙驅(qū)雙向AGV能在用戶的指令下正確完成相應的運動。