張鵬偉, 李學(xué)威

(周口職業(yè)技術(shù)學(xué)院 信息工程學(xué)院,河南 周口 466000,;E-mail: zhanghu54545@yeah.net)

分揀機(jī)器人是由傳感器、物鏡和電子光學(xué)系統(tǒng)組成的機(jī)器人,具備多種功能,能夠?qū)崿F(xiàn)對(duì)商品的快速分揀。隨著快遞物流行業(yè)的高速發(fā)展,大量貨物需要分揀,部分大型物流中心選擇采用分揀機(jī)器人代替人工分揀[1-2]。目前分揀機(jī)器人在控制方面技術(shù)不夠成熟,分揀機(jī)器人在分揀大型包裹時(shí)力量?jī)?yōu)于人工,分揀小型包裹時(shí)機(jī)械臂精準(zhǔn)度不足,易存在漏撿或掉落情況。若分揀機(jī)器人運(yùn)送包裹至目標(biāo)處時(shí),受障礙物影響或其他原因可能導(dǎo)致機(jī)器人運(yùn)行線路失誤[3]。因此,如何精確地控制分揀機(jī)器人是目前學(xué)術(shù)界的一個(gè)重要課題。

王敏等[4]采用改進(jìn)的粒子群技術(shù)實(shí)現(xiàn)了食品分揀機(jī)器人的動(dòng)態(tài)目標(biāo)抓取控制。通過改進(jìn)傳統(tǒng)粒子群,對(duì)食品分揀機(jī)器人動(dòng)態(tài)目標(biāo)抓取動(dòng)作進(jìn)行控制,雖有效提升分揀機(jī)器人的分揀效率,但分揀機(jī)器人對(duì)小目標(biāo)食品進(jìn)行抓取的效果還有上升的空間。董豪等[5]利用深度強(qiáng)化學(xué)習(xí)方法,實(shí)現(xiàn)了機(jī)器人的運(yùn)動(dòng)控制。采用深度強(qiáng)化學(xué)習(xí)算法,對(duì)機(jī)器人運(yùn)動(dòng)軌跡進(jìn)行控制,雖然能夠使機(jī)器人運(yùn)動(dòng)軌跡穩(wěn)定,但機(jī)器人運(yùn)行效率較低。

針對(duì)上述問題,提出了接觸狀態(tài)感知下分揀機(jī)器人抓取過程多參數(shù)挖掘控制技術(shù)。通過力傳感器獲取接觸狀態(tài)的信息,根據(jù)時(shí)間序列構(gòu)造數(shù)據(jù)集,并對(duì)不同的時(shí)間序列進(jìn)行了離散化處理,利用模糊PID控制算法對(duì)分揀機(jī)器人進(jìn)行控制,引入模糊隸屬度函數(shù)及模糊控制關(guān)聯(lián)規(guī)則,對(duì)關(guān)鍵參數(shù)進(jìn)行挖掘,并將挖掘結(jié)果輸入到模糊PID控制器中,完成分揀機(jī)器人多參數(shù)群體挖掘控制。

1 接觸狀態(tài)感知下分揀機(jī)器人多參數(shù)選取

1.1 接觸狀態(tài)問題分析

在分揀機(jī)器人的控制過程中,由于貨物存在著復(fù)雜的結(jié)構(gòu)形狀和位置隨機(jī)分布等諸多因素,使其難以有效描述控制過程中的接觸狀態(tài)[6]。因此,通過力傳感器[7-8]來獲得接觸狀態(tài)的信息是實(shí)現(xiàn)分揀機(jī)器人控制的關(guān)鍵。

在t時(shí)刻,分揀機(jī)器人機(jī)械臂末端的接觸狀態(tài)為:

ζt=[FX,FY,FZ,εX,εY,εZ,X,Y,Z,ωt,ψt,υt]

(1)

式中:FX,FY,FZ分別表示分揀機(jī)器人機(jī)械臂末端在坐標(biāo)X,Y,Z中的力;εX,εY,εZ分別表示在坐標(biāo)X,Y,Z中,通過力傳感器獲取的分揀機(jī)器人機(jī)械臂末端操縱力矩,ωt,ψt,υt分別表示t時(shí)刻,分揀機(jī)器人機(jī)械臂末端接觸狀態(tài)的特征屬性。

在實(shí)際的分揀要求下,將分揀機(jī)器人控制與貨物之間的接觸過程視為一種接觸狀態(tài),也就是真實(shí)的接觸狀態(tài)是一個(gè)多變量的時(shí)間序列[9]。根據(jù)時(shí)間序列構(gòu)造數(shù)據(jù)集,對(duì)不同的時(shí)間序列進(jìn)行了離散化,得到的接觸狀態(tài)Vi表示為:

Vi=[ζ1,ζ2,…,ζn],i=1,2,…,m

(2)

1.2 接觸狀態(tài)感知下分揀機(jī)器人多參數(shù)獲取

在上述接觸狀態(tài)描述下,將PID算法融入模糊控制,利用模糊PID控制算法[10-12]控制分揀機(jī)器人,分揀機(jī)器人控制總體結(jié)構(gòu)如圖1所示。

圖1 分揀機(jī)器人控制總體結(jié)構(gòu)

圖1的分揀機(jī)器人控制總體結(jié)構(gòu)中包括以下部分:

(1) PID控制利用比例參數(shù)、積分參數(shù)、微分參數(shù)對(duì)分揀機(jī)器人進(jìn)行控制。

(2) 模糊控制即對(duì)PID控制的輸出增益K進(jìn)行調(diào)整,增益K值是分揀機(jī)器人控制總體結(jié)構(gòu)穩(wěn)定的關(guān)鍵。PID算法是利用設(shè)定期望值與實(shí)際值間的誤差值對(duì)輸出量進(jìn)行控制,直至實(shí)際值與設(shè)定期望值貼近為止。在接觸狀態(tài)感知下PID算法控制多參數(shù)表達(dá)式為:

(3)

公式(3)中:U為通過計(jì)算比例參數(shù)Kp、積分參數(shù)Ki及微分參數(shù)Kd獲取的被控制量,即分揀機(jī)器人控制多參數(shù);E為分揀機(jī)器人參數(shù)期望值與實(shí)際值間的誤差值;R為分揀機(jī)器人參數(shù)設(shè)定期望值,并輸入R至PID算法;用Y描述控制后分揀機(jī)器人參數(shù)的實(shí)際值;分別用Ti與Td描述積分參數(shù)Ki與微分參數(shù)Kd的時(shí)間常數(shù),轉(zhuǎn)換公式(1)為傳遞函數(shù)表達(dá)式:

(4)

公式(4)中:S為收集樣本周期。在接觸狀態(tài)感知下PID算法中,調(diào)整比例參數(shù)Kp、積分參數(shù)Ki和微分參數(shù)Kd是分揀機(jī)器人多參數(shù)群體挖掘控制的核心,輸出增益K值能夠影響分揀機(jī)器人控制總體結(jié)構(gòu)的穩(wěn)定性。

1.3 分揀機(jī)器人多參數(shù)群體關(guān)鍵參數(shù)挖掘控制

1.3.1 PID控制多參數(shù)輸出增益的模糊自整定

為使分揀機(jī)器人控制更加穩(wěn)定,減少多參數(shù)群體設(shè)定期望值的盲目性及隨機(jī)性,隨時(shí)對(duì)輸出增益K值進(jìn)行調(diào)整。在接觸狀態(tài)感知下,PID算法控制多參數(shù)的基礎(chǔ)上,融入模糊控制,利用誤差及其變化率調(diào)整輸出增益K值,達(dá)到在接觸狀態(tài)感知下PID算法控制K值的模糊自整定。模糊控制對(duì)不易被構(gòu)建的模型或精準(zhǔn)度差的模型進(jìn)行控制時(shí),控制優(yōu)勢(shì)明顯。

在Matlab軟件上設(shè)計(jì)Mamdani型模糊控制器[13],將誤差及其變化率傳送至輸入控制器,將融入模糊控制的PID控制K值傳送至輸出控制器。設(shè)定輸入和輸出的基礎(chǔ)論域是[-3,3];模糊論域是{-3,-2,-1,0,1,2,3};模糊語言子集是{負(fù)大NB、負(fù)中NM、負(fù)小NS、零ZO、正小PS、正中PM、正大PB},依據(jù)輸入與輸出的變量,獲取對(duì)應(yīng)的隸屬度函數(shù)。

模糊控制規(guī)則通常由專家知識(shí)庫及實(shí)踐結(jié)合組成,如表1所示。

表1 模糊控制規(guī)則

通過表1模糊控制規(guī)則,獲取PID多參數(shù)輸出增益的模糊自整定標(biāo)準(zhǔn)為:在分揀機(jī)器人控制過程中,若誤差值高,則通過增加K值提升分揀機(jī)器人控制速度與控制時(shí)間;若誤差值低,則通過減少K值,調(diào)整誤差,使分揀機(jī)器人狀態(tài)穩(wěn)定。

1.3.2 模糊C均值聚類的多參數(shù)群體挖掘控制

將模糊隸屬度函數(shù)及模糊控制關(guān)聯(lián)規(guī)則引入至聚類分析內(nèi),即模糊C均值聚類算法[14-16]。設(shè)置模糊隸屬度函數(shù)矩陣為A,其中行與列分別用m與n描述。任意參數(shù)i屬于某一簇j的長(zhǎng)度用Aij(Aij∈[0,1],i=1,2,…,m;j=1,2,…,n)值描述,此過程為模糊劃分,模糊隸屬度函數(shù)矩陣A所需要符合條件的表達(dá)式為:

(5)

設(shè)置X=(x1,x2,…,xm)為待聚類數(shù)據(jù)集,xi為待聚類數(shù)據(jù)對(duì)象,模糊劃分?jǐn)?shù)據(jù)集為n類。將歐式距離作為聚類效果衡量標(biāo)準(zhǔn),獲取目標(biāo)函數(shù)為:

(6)

公式(6)中,z為模糊加權(quán)指數(shù),vj為j次模糊劃分獲取的聚類中心。

依據(jù)拉格朗日乘數(shù)法及公式(3)求導(dǎo),獲取表達(dá)式為:

(7)

結(jié)合并擴(kuò)展模糊C均值聚類的模糊關(guān)聯(lián)規(guī)則,實(shí)現(xiàn)分揀機(jī)器人多參數(shù)群體挖掘控制步驟為:

(1) 依據(jù)模糊C均值聚類,挖掘模糊PID控制多參數(shù)群體中的模糊關(guān)聯(lián)規(guī)則,輸入分揀機(jī)器人多參數(shù)群體等待挖掘,獲取符合約束條件的支持度與信任度最小值,關(guān)聯(lián)規(guī)則參考A&B?C,其中A、B、C代表分類屬性。

(2) 通過專家知識(shí)庫及實(shí)踐,結(jié)合建立相關(guān)多參數(shù)群體,將其與分揀機(jī)器人相關(guān)的A、B、C模糊數(shù)據(jù),與具備的全部可能組合代入關(guān)聯(lián)規(guī)則A&B?C,模糊查詢并挖掘其模糊關(guān)聯(lián)規(guī)則。

(3) 輸出分揀機(jī)器人多參數(shù)群體挖掘結(jié)果至分揀機(jī)器人控制的模糊PID控制器中,由此實(shí)現(xiàn)分揀機(jī)器人多參數(shù)群體挖掘控制。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)環(huán)境與多參數(shù)選取

為驗(yàn)證接觸狀態(tài)感知下分揀機(jī)器人多參數(shù)群體挖掘控制方法的有效性,將所提方法應(yīng)用于某物流中心,抽取該物流中心編號(hào)1至編號(hào)10分揀機(jī)器人進(jìn)行分揀控制實(shí)驗(yàn)。為避免隨機(jī)性對(duì)控制結(jié)果的影響,在所提方法控制下通過10個(gè)分揀機(jī)器人完成該物流中心部分貨物分揀。10個(gè)機(jī)器人均為協(xié)作機(jī)器人,驅(qū)動(dòng)方式為雙輪差速,最大載重量為30 kg,機(jī)器人關(guān)節(jié)數(shù)量為6個(gè),關(guān)節(jié)長(zhǎng)度為0.5 m,機(jī)械臂質(zhì)量為1.5 kg。對(duì)該環(huán)境仿真:

① 下載并安裝MATLAB里的 Robotic機(jī)器人工具箱。

② 編寫機(jī)器人位姿運(yùn)動(dòng)學(xué)方程,即給定關(guān)節(jié)變量,求解機(jī)器人末端相對(duì)于基坐標(biāo)的齊次變換矩陣。并在此基礎(chǔ)上,用工具箱里的命令fkine驗(yàn)證程序的正確性。

③ 編寫機(jī)器人速度運(yùn)動(dòng)學(xué)中求解雅克比矩陣的程序,并在此基礎(chǔ)上,用工具箱里的命令jacob0驗(yàn)證程序的正確性。

④ 使用機(jī)器人工具箱建立機(jī)器人連桿模型,并在此基礎(chǔ)上,繪制機(jī)器人工作空間,分揀機(jī)器人仿真圖如圖2所示。

圖2 分揀機(jī)器人仿真圖

為驗(yàn)證所提方法采用模糊C均值聚類算法實(shí)現(xiàn)多參數(shù)群體挖掘控制有效性,統(tǒng)計(jì)不同模糊加權(quán)指數(shù)時(shí),采用所提方法進(jìn)行多參數(shù)群體挖掘的調(diào)整蘭德系數(shù),調(diào)整蘭德系數(shù)通過優(yōu)化蘭德系數(shù),可有效解除蘭德系數(shù)在評(píng)估時(shí)受隨機(jī)標(biāo)簽的限制。結(jié)合模糊C均值聚類算法與實(shí)際標(biāo)簽,設(shè)置X={X1,X2,…,Xi}為通過聚類獲取的簇集;Y={Y1,Y2,…,Yj}為依據(jù)實(shí)際標(biāo)簽更新后的聚類結(jié)果集,則調(diào)整蘭德系數(shù)表達(dá)式為:

(8)

公式(8)中,nij為Xi和Yj交集處的樣本個(gè)數(shù),即nij=|Xi∩Yj|,ai為Xi的樣本個(gè)數(shù),bj為Yj的樣本個(gè)數(shù)。ARI的閾值是[-1,1],且ARI值越高,聚類效果就越好,多參數(shù)環(huán)境及調(diào)整蘭德系數(shù)如圖3、圖4所示。

圖3 多參數(shù)機(jī)器人控制環(huán)境仿真圖

圖4 多參數(shù)群體挖掘的調(diào)整蘭德系數(shù)

通過圖4實(shí)驗(yàn)結(jié)果可以看出,當(dāng)模糊加權(quán)指數(shù)為0.5時(shí),所提方法調(diào)整蘭德系數(shù)均高于0.9;當(dāng)模糊加權(quán)指數(shù)為0.3以及0.7時(shí),所提方法調(diào)整蘭德系數(shù)處于0.7-0.85之間。由此可知,所提方法采用模糊C均值聚類算法實(shí)現(xiàn)多參數(shù)群體挖掘控制時(shí),模糊加權(quán)指數(shù)為0.5,具有最優(yōu)的挖掘性能,為分揀機(jī)器人的精準(zhǔn)控制提供基礎(chǔ)。

2.2 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)與分析

采用所提方法控制10個(gè)分揀機(jī)器人完成897個(gè)物流包裹的分揀,在物流中心的貨物分揀狀況如圖5所示。

圖5 分揀機(jī)器人分揀界面圖

通過圖5實(shí)驗(yàn)結(jié)果可以看出,采用所提方法對(duì)分揀機(jī)器人進(jìn)行控制,分揀機(jī)器人可以依據(jù)設(shè)定的分揀目標(biāo),自動(dòng)分揀目標(biāo)包裹。物流中心的10個(gè)分揀機(jī)器人在五個(gè)區(qū)域內(nèi)分揀包裹總數(shù)量為897個(gè),與設(shè)定的包裹分揀數(shù)量相同。由此可知,所提方法未出現(xiàn)誤分揀情況,各區(qū)域出件數(shù)量精準(zhǔn),表明所提方法的分揀機(jī)器人控制效果良好。

2.2.1 移動(dòng)距離

為進(jìn)一步驗(yàn)證采用所提方法控制分揀機(jī)器人移動(dòng)狀態(tài)下的控制性能,統(tǒng)計(jì)分揀機(jī)器人跨區(qū)域分揀時(shí)的目標(biāo)距離與機(jī)器人實(shí)際移動(dòng)距離,實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 分揀機(jī)器人移動(dòng)距離對(duì)比

通過圖6實(shí)驗(yàn)結(jié)果可以看出,采用所提方法控制分揀機(jī)器人的實(shí)際移動(dòng)距離與目標(biāo)距離的吻合度較高,驗(yàn)證所提方法可以有效控制分揀機(jī)器人,令分揀機(jī)器人移動(dòng)至目標(biāo)位置。由此可知,所提方法具有較高的分揀機(jī)器人控制精度,保證分揀機(jī)器人在遠(yuǎn)距離包裹分揀中良好運(yùn)行。

2.2.2 運(yùn)動(dòng)軌跡控制

在此基礎(chǔ)上,驗(yàn)證所提方法對(duì)分揀機(jī)器人機(jī)械臂控制情況,實(shí)驗(yàn)在物流中心分揀過程中,記錄分揀機(jī)器人機(jī)械臂的期望與實(shí)際運(yùn)動(dòng)軌跡,實(shí)驗(yàn)結(jié)果如圖7所示。

根據(jù)圖7實(shí)驗(yàn)結(jié)果可以看出,采用所提方法控制分揀機(jī)器人機(jī)械臂,可以依據(jù)期望運(yùn)動(dòng)軌跡控制分揀機(jī)器人機(jī)械臂。分揀機(jī)器人在分揀包裹時(shí),機(jī)械臂輸出的運(yùn)動(dòng)軌跡與期望運(yùn)動(dòng)軌跡相差較小,驗(yàn)證所提方法具有良好的分揀機(jī)器人控制性能。

2.2.3 避障誤差

為驗(yàn)證采用所提方法控制分揀機(jī)器人的準(zhǔn)確性,實(shí)驗(yàn)在物流中心五個(gè)區(qū)域內(nèi)設(shè)置不同類型障礙物,觀察分揀機(jī)器人在運(yùn)行過程中,對(duì)障礙物的避障誤差,實(shí)驗(yàn)結(jié)果如圖8所示。

圖8 分揀機(jī)器人避障誤差

通過圖8實(shí)驗(yàn)結(jié)果可以看出,采用所提方法控制分揀機(jī)器人,其在X軸、Y軸、Z軸坐標(biāo)位置的避障誤差均低于1 mm,由此驗(yàn)證了所提方法具有較高的分揀機(jī)器人控制精度,應(yīng)用于物流中心的包裹分揀時(shí),具有良好的避障應(yīng)用性能。

2.2.4 分揀動(dòng)作控制

進(jìn)一步驗(yàn)證采用所提方法控制分揀機(jī)器人在分揀小件包裹時(shí)的有效性,實(shí)驗(yàn)對(duì)物流中心的10臺(tái)分揀機(jī)器人進(jìn)行不同次數(shù)的分揀測(cè)試,分別測(cè)試分揀機(jī)器人在分揀小件包裹時(shí),抓取、抬起與松開三種動(dòng)作的實(shí)際控制結(jié)果,統(tǒng)計(jì)結(jié)果如表2所示。

表2 分揀機(jī)器人分揀動(dòng)作控制結(jié)果

通過表2實(shí)驗(yàn)結(jié)果可以看出,采用所提方法控制分揀機(jī)器人,僅存在少量的動(dòng)作失敗情況,能夠良好地完成分揀包裹所需的抓取、抬起與松開動(dòng)作,分揀失敗次數(shù)均低于0.5%。再次驗(yàn)證了所提方法控制分揀機(jī)器人動(dòng)作有效性。

2.2.5 抓取速率

統(tǒng)計(jì)采用所提方法控制分揀機(jī)器人在不同傳送帶速度時(shí)的抓取速率,統(tǒng)計(jì)結(jié)果如圖9所示。

圖9 分揀機(jī)器人抓取速率

觀察圖9實(shí)驗(yàn)結(jié)果可以看出,分揀機(jī)器人的抓取速率隨傳送帶速度升高而提升,采用所提方法對(duì)分揀機(jī)器人進(jìn)行控制,在不同傳送帶速度時(shí)的抓取速率均高于1.5個(gè)/s,表明通過所提方法控制分揀機(jī)器人的抓取速率較高,為提升物流中心的分揀效率提供良好的基礎(chǔ)。

3 結(jié)論

為有效控制分揀機(jī)器人,提升分揀機(jī)器人分揀效率及穩(wěn)定性,提出了接觸狀態(tài)感知下分揀機(jī)器人多參數(shù)群體挖掘控制方法。根據(jù)分揀機(jī)器人機(jī)械臂末端的接觸狀態(tài),獲取接觸狀態(tài)感知下分揀機(jī)器人多參數(shù)。通過模糊控制方法對(duì)PID控制多參數(shù)的輸出增益實(shí)施模糊自整定,并選取模糊C均值聚類方法,挖掘模糊PID控制多參數(shù)群體中的模糊關(guān)聯(lián)規(guī)則,實(shí)現(xiàn)分揀機(jī)器人多參數(shù)群體挖掘控制。通過實(shí)驗(yàn)驗(yàn)證,所提方法能夠控制分揀機(jī)器人抓取、抬起,松開等動(dòng)作,且分揀機(jī)器人抓取速率高,精準(zhǔn)程度良好。