Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

基于闭环控制策略的智能机器人模块化设计与制作

Published: October 14, 2017 doi: 10.3791/56422
Automatic Translation
1, 2, 2, 3, 4, 1, 5
1Institute of Software, Chinese Academy of Sciences, 2Hunan University, 3Fuyang Normal University, 4Anhui Normal University, 5University of Chinese Academy of Sciences

Summary

我们提出了一个关于模块化设计和生产智能机器人的协议, 以帮助科技人员设计基于个人需求和个性化设计的具有特殊生产任务的智能机器人。

Abstract

智能机器人是新一代机器人的一部分, 能够感知周围环境, 规划自己的行动, 最终达到目标。近年来, 对机器人的依赖在日常生活和工业中增加了。本文所提出的协议描述了一个具有智能搜索算法和自主识别功能的搬运机器人的设计与制作。

首先, 对各种工作模块进行机械装配, 完成工作平台的搭建和机械手的安装。然后, 我们设计了一个闭环控制系统和一个四象限电机控制策略, 借助于调试软件, 以及设置转向齿轮的识别 (ID), 波特率和其他工作参数, 以确保机器人达到期望的动态性能和低能耗。然后, 对传感器进行调试, 实现多传感器融合, 准确获取环境信息。最后, 我们实现了相应的算法, 能够识别机器人在给定应用中的功能的成功。

这种方法的优点是它的可靠性和灵活性, 因为用户可以开发各种硬件建设程序, 并利用全面的调试器来实施智能控制策略。这样, 用户就可以根据自己的需要来设置个性化需求, 从而提高效率和鲁棒性。

Introduction

机器人是复杂的, 智能机器, 结合了一些学科的知识, 包括机械, 电子学, 控制, 计算机, 传感器和人工智能1,2。机器人在工作场所, 特别是在工业生产中, 越来越多地帮助甚至取代人类, 这是由于机器人在执行重复或危险任务时所拥有的优势。在目前的研究中, 智能机器人协议的设计是基于闭环控制策略, 特别是基于遗传算法的路径规划。此外, 功能模块已被严格划分为3,4, 为未来的优化工作打下了坚实的基础, 使机器人具有很强的升级能力。

机器人平台的模块化实现主要基于以下方法: 电机控制模块的多维组合控制策略5,6, 基于遗传算法的智能探测在优化算法模块中。

我们采用双闭环控制的直流电机和四象限电机操作在电机控制模块。双闭环速度控制意味着速度调节器的输出作为电流调节器的输入, 允许它控制电机的电流和扭矩。该系统的优点是可以根据给定速度和实际转速的不同, 对电机的转矩进行 real-time 控制。当给定的和实际的速度之间的差异是相对较大的, 电机的扭矩增加和速度的变化更快地驱动电机的速度向给定的价值尽快, 这使得快速调速7,8,9. 反之, 当速度相对接近给定值时, 它可以自动减小电机的转矩, 以避免速度过快, 允许速度相对快速地实现给定的值, 没有错误6,10. 由于电流回路的等效时间常数相对较小, 四象限电机11、12可以更快地响应, 以抑制系统受干扰的影响。外部干扰。这使得它能够提高系统的稳定性和抗干扰能力。

基于 MATLAB 的仿真运行结果, 我们选择了具有最高效率的遗传智能优化算法。遗传算法是一种基于遗传学中自然选择理论的随机并行搜索算法。它构成了在没有任何初始信息的情况下找到全局最优解的有效方法。它将问题的解决方案视为一个群体, 从而通过连续选择、交叉、变异和其他遗传操作来提高解决方案的质量。在智能机器人的路径规划方面, 由于初始信息不足、环境复杂、非线性等原因, 造成了很高的难度。遗传算法在求解非线性问题时具有全局优化能力、较强的适应性和鲁棒性, 能够较好地解决路径规划问题;对这个问题没有具体的限制;计算过程简单;并且对于搜索空间没有特殊要求13,14。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. 机器的构造

  1. 按图示装配机箱, 使用适当的紧固件确保机械部件的安全。( 图 1 )
    注意: 底盘, 包括底板, 马达, 轮子等, 是机器人的主要组成部分, 负责其运动。因此, 在装配过程中, 保持支架平直.
  2. 锡导线引线和正负电极。焊料两个导线通向电机的两端, 将红色引线连接到正极, 黑色引出负极.
  3. 装配轴套、马达和车轮。
    1. 将马达连接到轴套, 并用螺钉将其固定.
    2. 将轴套插入轮毂中心.
    3. 将已完成的结构安装到机箱上.
  4. 在机箱中心钻两个直径为3毫米的孔, 以允许安装马达驱动模块。将马达连接到马达驱动模块.
  5. 从机箱的左右边缘钻一个1厘米的孔, 以便安装底部的红外线传感器托架.
  6. 将两个紧固件安装到机箱两侧的中心.
    注意: 为确保红外线传感器正常运行, 请确保连接件与机箱垂直.
  7. 钻孔, 直径18毫米, 通过两个结构元件安装传感器。( 图 2A )
  8. 将马达驱动器安装到机箱底部。( 图 2B )安装一个红外传感器, 分别指向机箱的四方向。( 图 2C )
  9. 以对称的方向安装转向器。由于舵机操作所产生的大扭矩, 确保螺栓安装在提供牢固和防渗接头的方式上.
  10. 在计算机中心安装四红外线传感器.
  11. 将 14.8 V 电源置于机器中心, 并将单片机单元 (MCU) 粘贴到电池组上.
  12. 将四量程传感器粘贴到机器的上部。将每个传感器和地面之间的角度调整到60和 #176;, 以确保相对于工作台的检测精度.
  13. 安装双轴倾斜传感器, 用于检测计算机无法到达工作区域中的目标时的情况.
  14. 使用螺丝刀将机械手连接到机器的前面。( 图 3 )

2。调试转向引擎和驱动程序模块

  1. 双击打开调试软件 (例如, 机器人伺服 Terminal2010)。使用通用串行总线 (USB) 转换电缆将计算机连接到调试板。( 图 4 )
  2. 将转向引擎和 #39 的波特率设置为9600位/秒, 速率限制为 521 rad/分钟, 角度限制为300和 #176; 工作接口中的电压限制为9.6 伏.
  3. 设置机器人转向装置的工作方式 #34; 转向引擎模式. #34;
  4. 应用异步半双工通信作为控制器和转向引擎之间的连接。这样, 控制器就可以从单一的通用异步收发器 (UART) 接口控制255以上的转向引擎。( 图 5 )
    警告: 最多可能有6台转向引擎连接到一根导线。太多的转向引擎将导致过热和大电压下降, 导致异常行为, 如复位和异常数据通信等 ( 图 6 )
  5. 应用异步半双工通信作为控制器和马达驱动模块之间的连接。( 图 7 )
  6. 设置两个驱动模块和四转向引擎的 ID 号。ID3 和 ID4 为将来的更新目的保留为空白。( 图 8 )
    注: ID1: 向左驱动模块;ID2: 向右驱动模块;ID5: 左前转向引擎;ID6: 右转向引擎;ID7: 左后方转向引擎;ID8: right-rear 转向引擎.
  7. 将转向引擎一个接一个地层叠, 并将级联连接到控制器.
  8. 将传感器连接到各自的控制器接口。应该注意的是, 连接器带有三角形标记的传感器是地面 (地线).
    注: AD1: 前红外光电传感器在下侧;AD2: 右下侧红外光电传感器;AD3: 背面红外光电传感器AD4: 左红外线传感器在下侧;AD5: 前红外距离测量传感器;AD6: 右红外线测距传感器;AD7: 后红外测量传感器;AD8: 左红外线测距传感器;AD9: 左前摔红外光电传感器;AD10: 右摔红外光电传感器;AD11: right-rear 摔红外光电传感器;AD12: 左后方摔红外光电传感器.

3。调试传感器

  1. 旋转红外传感器尾部的调节旋钮以调整传感器的检测范围。当机器人处于工作台中心位置时, 前四红外传感器的逻辑电平为1。当机器移动到工作台的边缘时, 对应端的红外线传感器的逻辑电平将为0。( 图 9A )
    注意: 通过分析红外传感器的逻辑电平, 机器人可以确定其在工作台中的位置。例如, 如果左侧和前端传感器的逻辑级别为 0, 则该机器人必须位于工作表的左上角区域.
  2. 将距离传感器的测量值与其基线值进行比较以进行校准。( 图 9B )
    注意: 距离传感器是模拟传感器。随着距离的变化, 传感器和 #39 的信号强度反馈和相应的测量值也会有所不同。测量值将通过数字传感器中继到主机, 以便机器人能够识别周围环境的变化.
  3. 调试倾角传感器。
    1. 水平放置倾斜角度传感器并记录其测量值.
    2. 将传感器倾斜到两个不同的方向, 并记录其测量值。如果测量值在误差范围内, 则可以将传感器视为正常操作.

4。控制方案

  1. 基于直流电机电压平衡方程、磁链方程和转矩平衡方程, 构造直流电机的仿真模型。
    1. 建立由
      Equation 1
      所给出的电压平衡方程, 其中 u d 是直接轴电压, u q 是正交轴电压。 R d 和 r q 分别表示直接轴电阻和正交轴电阻。Equation 2, Equation 3, Equation 4, Equation 5, 表示直接轴电流、直轴电流、直轴通量和正交轴通量.
    2. 建立磁链方程由
      它 = "等式 6" src = "/文件/ftp_upload/56422/56422eq6. jpg"/>>
      where Equation 7 和 Equation 8 表示系数分别为直轴自感和正交轴自感。Equation 9 and Equation 10 是互感系数。Equation 11, Equation 12 表示电磁转矩和负载扭矩.
    3. 建立计算的扭矩平衡方程式 Equation 13.
    4. 建立直流电机仿真模型。( 图 10 )
  2. 对直流电机应用双闭环控制。利用速度调节器的输出作为电流调节器的输入来调节电机和 #39 的扭矩和电流.
    注: 当前调节系统结构示意图。( 图 11 )
    PI 电流调节器的传递函数显示为 Equation 14, 其中 Equation 15 的比例系数当前调节器和 Equation 16 是当前调节器的提前期常数。它可以通过尺度系数 Equation 17, 和积分系数 Equation 18 得到。
    1. 应用直流电机的双闭环控制。( 图 12 )
  3. 应用 DC 马达的四象限运动控制。( 图 13 )
    1. 利用 H 桥驱动电路, 通过调制金属氧化物-半导体场效应晶体管 (MOSFET) 的开关来实现直流电机的四象限运动。( 图 14 )
      注: 当 Q1 和 Q4 开启时, 电机处于正向电状态和第一象限运行状态。当 Q3 和 Q4 开启时, 电机处于能量制动状态和第二象限运行状态。当 Q2 和 Q3 开启时, 电机处于反向电状态和第三象限运动状态。当 Q1 和 Q2 打开时, 马达处于反向能量制动状态和第四象限运动状态.
  4. 应用脉宽调制 (PWM) 来调节直流电机的速度。在直流电机电源的电压基本保持不变的情况下, 对电机电枢施加的直流电压脉冲宽度 (占空比) 进行控制, 从而调节平均值和转速输入电机的电枢电压.

5。编写程序

  1. 使用 USB 下载行将由 KEIL5 生成的二进制文件导入到控制器中.
  2. 选择要执行的程序.

6。应用程序方案

  1. 应用颜色识别对工厂中的货物进行分类。( 图 15 )
    1. 使用光学摄像机来收集图像, 并使用已弹起的 two-dimensional 阵列的编号验证扫描的颜色.
    2. 用机械臂抬起对象.
    3. 使用机器人的摄像头和驱动马达发出命令将对象传送到指定的位置
  2. 快速搜索以清除指定区域。( 图 16 )
    1. 使用机器人上的四光学传感器来检测周围障碍物的位置.
    2. 命令舵机在指定区域内提起机械铲和清除障碍物.
    3. 使用遗传算法确定最有效的搜索路径.
  3. 使用自我防止从工作台中掉下来将工人与机器工作区分开, 并确保工人的安全。
    1. 根据识别工作台和地面的四上部光学传感器之间的高度差异来修改信号.
    2. 分析可变信号以确定工作台边缘的位置.
    3. 命令计算机避免工作台的边缘.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

在双闭环运动控制程序图中, 紫色代表给定的速度信号, 黄色表示控制系统输出的值。图 17清楚地表明双闭环控制系统比开环系统更有效。双闭环系统输出的实际超调量相对较小, 系统的动态性能较好。(图 17)

图 18显示了在不同波长的反射光的影响下机器人的颜色识别精度。在实际中, 由于光照条件不同, 目标物体的反射光波长会在一定范围内波动。为了检查机器的识别精度, 在黄光 (565-595 nm) 和红光 (625-740 nm) 的波长范围内进行了测试。如果照相机返回的值为 1, 则颜色识别是准确的。在 585-593 nm 的范围内, 摄像机的黄光识别精度超过 90%, 而超出范围的速度迅速减小。同样, 在 660-700 nm 范围内, 红光识别精度超过 90%, 而范围外的速率则迅速下降。实验结果表明, 在适当的光照下, 机器人在误差较小的情况下实现了颜色识别。(图 18)

图 19说明了照相机的颜色识别精度与距离之间的关系。识别精度与距离呈反比关系。如实验结果所示, 当距离介于0-30 厘米之间时, 摄像机的颜色识别精度大于80%。结果表明, 该程序具有很强的实用性。(图 19)

Figure 1
图 1:机箱的构造。请单击此处查看此图的较大版本.

Figure 2
图 2:安装红外线传感器。请单击此处查看此图的较大版本.

Figure 3
图 3:安装效果。请单击此处查看此图的较大版本.

Figure 4
图 4:调试工作屏幕。请单击此处查看此图的较大版本.

Figure 5
图 5:机器人转向齿轮的连接。请单击此处查看此图的较大版本.

Figure 6
图 6:电气连接原理。请单击此处查看此图的较大版本.

Figure 7
图 7:电气连接原理。请单击此处查看此图的较大版本.

Figure 8
图 8:设置 ID 号。请单击此处查看此图的较大版本.

Figure 9
图 9:两个传感器请单击此处查看此图的较大版本.

Figure 10
图 10:直流电机仿真模型。请单击此处查看此图的较大版本.

Figure 11
图 11:现行的监管制度。请单击此处查看此图的较大版本.

Figure 12
图 12:双闭环控制仿真模型。请单击此处查看此图的较大版本.

Figure 13
图 13:四象限电机运行示意图。请单击此处查看此图的较大版本.

Figure 14
图 14:H 桥电路。请单击此处查看此图的较大版本.

Figure 15
图 15:颜色识别的工作流。请单击此处查看此图的较大版本.

Figure 16
图 16:快速搜索的工作流。请单击此处查看此图的较大版本.

Figure 17
图 17:仿真图。请单击此处查看此图的较大版本.

Figure 18
图 18:不同波长反射光影响下的颜色识别精度。请单击此处查看此图的较大版本.

Figure 19
图 19:摄像机的颜色识别精度与距离之间的关系。请单击此处查看此图的较大版本.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

本文设计了一种可以自主构建的智能机器人。通过将多个软件程序与硬件集成, 实现了所提出的智能搜索算法和自主识别。在协议中, 我们介绍了配置硬件和调试智能机器人的基本方法, 它可以帮助用户设计适合自己机器人的机械结构。然而, 在实际运行过程中, 必须注意结构的稳定性、工作范围、自由度和空间利用率, 以确保这些参数符合要求。合理的机械结构保证了机器人的高精度、高灵活性和高鲁棒性。为了设计复杂的机械结构, 用户可以结合 Adams 等软件构建仿真模型, 并应用虚拟样机技术。这可能使他们排除那些不符合技术要求或机械上不可行的可能性的可能性。

一个潜在的问题是, 机器人无法准确地实现其所需的功能。这可能主要源于两个原因。首先是传感器无法满足要求。例如, 在第一次测试中, 这项研究中的清洁机器人无法成功地将障碍物推离工作区域。这是因为设备上的红外线传感器的范围有点窄, 这意味着机器人在检测到障碍物时无法达到所需的加速度。这一问题可以通过增加红外传感器的检测范围来解决。为了解决这些问题, 根据情况或应用, 可能需要对传感器进行额外的调试。二是所选电机无法满足性能要求。在选择电动机时, 必须优先考虑具有适当启动性能、操作稳定性和预算中低噪音的电动机。

为了开始设计和生产一个新的机器人, 必须定义一个手动配置方案的参数来控制机器人的行为, 以便它能够适应新任务的要求。同时, 所有进程都必须遵循协议中提出的步骤。机器人模块化设计的一个优点在于它的工作分工清晰, 这使得它可以通过各种工程师的协作来开发。机械工程师设计硬件结构, 电气工程师设计电机控制策略, 并控制工程师设计搜索算法。因此, 每个模块的工作可以独立开发, 以完成一个特定的任务。我们为每个模块提供一个基本的设计方案, 帮助用户搜索特定应用程序的最优方案。

随着智能机器人技术的成熟, 潜在应用的范围将大大扩大。它将被证明是海洋发展、空间探索、工农业生产、社会服务和娱乐等领域的个人的宝贵资源。这种技术将在危险和不卫生的工作环境中逐步取代人类。智能机器人将继续朝着多机器人合作、智能化和网络化方向发展。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

作者没有什么可透露的。

Acknowledgments

作者希望对 Mr. 高耀洁在执行本文所报道的实验方面的帮助表示感谢。这项工作得到了中国国家自然科学基金 (No. 61673117) 的部分支持。

Materials

Name Company Catalog Number Comments
structural parts UPTECMONYH HAR L1-1
structural parts UPTECMONYH HAR L2-1
structural parts UPTECMONYH HAR L3-1
structural parts UPTECMONYH HAR L4-1
structural parts UPTECMONYH HAR L5-1
structural parts UPTECMONYH HAR L5-2
structural parts UPTECMONYH HAR U3A
structural parts UPTECMONYH HAR U3B
structural parts UPTECMONYH HAR U3C
structural parts UPTECMONYH HAR U3F
structural parts UPTECMONYH HAR U3G
structural parts UPTECMONYH HAR U3H
structural parts UPTECMONYH HAR U3J
structural parts UPTECMONYH HAR I3
structural parts UPTECMONYH HAR I5
structural parts UPTECMONYH HAR I7
structural parts UPTECMONYH HAR CGJ
link component UPTECMONYH HAR LM1
link component UPTECMONYH HAR LM2
link component UPTECMONYH HAR LM3
link component UPTECMONYH HAR LM4
link component UPTECMONYH HAR LX1
link component UPTECMONYH HAR LX2
link component UPTECMONYH HAR LX3
link component UPTECMONYH HAR LX4
Steering gear structure component UPTECMONYH HAR KD
Steering gear structure component UPTECMONYH HAR DP
Infrared sensor UPTECMONYH HAR E18-B0 Digital sensor
Infrared Range Finder SHARP GP2D12
Gray level sensor SHARP GP2Y0A02YK0F
proMOTION CDS SHARP CDS 5516 The robot steering gear
motor drive module Risym HG7881
solder wire ELECALL 63A
terminal Bright wire 5264
motor BX motor 60JX
camera Logitech C270
Drilling machine XIN XIANG 16MM Please be careful
Soldering station YIHUA 8786D Be careful to be burn
screwdriver EXPLOIT 043003
Tweezers R`DEER RST-12

DOWNLOAD MATERIALS LIST

References

  1. Charalampous, K., Kostavelis, I., Gasteratos, A. Robot navigation in large-scale social maps: An action recognition approach. Expert Syst Appl. 66 (1), 261-273 (2016).
  2. Huang, Y., &Wang, Q. N. Disturbance rejection of Central Pattern Generator based torque-stiffness-controlled dynamic walking. Neurocomputing. 170 (1), 141-151 (2015).
  3. Tepljakov, A., Petlenkov, E., Gonzalez, E., Belikov, J. Digital Realization of Retuning Fractional-Order Controllers for an Existing Closed-Loop Control System. J Circuit Syst Comp. 26 (10), 32-38 (2017).
  4. Siluvaimuthu, C., Chenniyappan, V. A Low-cost Reconfigurable Field-programmable Gate Array Based Three-phase Shunt Active Power Filter for Current Harmonic Elimination and Power Factor Constraints. Electr Pow Compo Sys. 42 (16), 1811-1825 (2014).
  5. Brogardh, T., et al. Present and future robot control development - An industrial perspective. Annu Rev Control. 31 (1), 69-79 (2007).
  6. Wang, E., Huang, S. A Novel DoubleClosed Loops Control of the Three-phase Voltage-sourced PWM Rectifier. Proceedings of the CSEE. 32 (15), 24-30 (2012).
  7. Li, D. H., Chen, Z. X., Zhai, S. Double Closed-Loop Controller Design of Brushless DC Torque Motor Based on RBF Neural Network. Proc. 2nd International Conference on Frontiers of Manufacturing Science and Measuring Technology. (ICFMM 2012), , 1351-1356 (2012).
  8. Tian, H. X., Jiang, P. L., Sun, M. S. Double-Loop DCSpeed Regulation System Design Basd On OCC). Proc. 4th International Conference on Advances in Materials and Manufacturing (ICAMMP 2013), , 889-890 (2014).
  9. Xu, G. Y., Zhang, M. Double Closed-Loop Feedback Controller Design for Micro Indoor Smart Autonomous Robot). Proc. International Conference on Material Science and Engineering Technology. (ICMSET 2011), , 474-479 (2011).
  10. Chen, Y. N., Xie, B., Mao, E. R. Electric Tractor Motor Drive Control Based on FPGA. Proc. 5th IFAC Conference on Sensing, Control and Automation Technologies for Agriculture (AGRICONTROL), , 271-276 (2016).
  11. Zhang, J., Zhou, Y. J., Zhao, J. Study on Four-quadrant Operation of Brushless DC Motor Control Method. Proc. International Conference on Mechatronics, Robotics and Automation. (ICMRA 2013). , 1363-1368 (2013).
  12. Joice, C. S., Paranjothi, S. R., Kumar, V. J. S. Digital Control Strategy for Four Quadrant Operation of Three Phase BLDC Motor With Load Variations. Ieee T Ind Inform. 9 (2), 974-982 (2013).
  13. Drumheller, Z., et al. Optimal Decision Making Algorithm for Managed Aquifer Recharge and Recovery Operation Using Near Real-Time Data: Benchtop Scale Laboratory Demonstration. Ground Water Monit R. 37 (1), 27-41 (2017).
  14. Wang, X. S., GAO, Y., Cheng, Y. H., Ma, X. P. Knowledge-guided genetic algorithm for path planning of robot. Control Decis. 24 (7), 1043-1049 (2009).

Tags

工程 问题 128 智能机器人 闭环控制 转向发动机 传感器调试 直流 (DC) 电机 比例积分 (PI) 电流调节器 四象限运动控制 脉宽调制 (PWM) 自治识别、智能搜索算法
基于闭环控制策略的智能机器人模块化设计与制作
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Zhang, L., Zhu, J., Ren, H., Liu,… More

Zhang, L., Zhu, J., Ren, H., Liu, D., Meng, D., Wu, Y., Luo, T. The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy. J. Vis. Exp. (128), e56422, doi:10.3791/56422 (2017).

Less
Copy Citation Download Citation Reprints and Permissions
View Video
Waiting X
Simple Hit Counter