需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

基于闭环控制策略的智能机器人模块化设计与制作

11.2K 次观看

DOI:

10.3791/56422

2017年10月14日

本文内容

摘要

我们提出了一种智能机器人模块化设计与制造的方案,旨在帮助科研与技术人员根据个人需求及个性化设计,开发适用于特定生产任务的智能机器人。

摘要

智能机器人是新一代机器人的组成部分,能够感知周围环境、自主规划行动,并最终实现目标。近年来,机器人在日常生活和工业中的应用日益增加。本文提出的方案描述了一种具备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过程。

首先,将各个工作模块进行机械组装,完成工作平台的构建及机械臂的安装。然后,在调试软件的辅助下,设计闭环控制系统和四象限电机控制策略,并设置舵机身份(ID)、波特率及其他工作参数,以确保机器人达到预期的动态性能和低能耗。接下来,调试传感器以实现多传感器融合,准确获取环境信息。最后,实现相关算法,以识别机器人在特定应用中功能执行的成功与否。

该方法的优势在于其可靠性和灵活性,用户可开发多种硬件构建程序,并利用全面的调试器来实施智能控制策略。这使得用户能够根据自身需求高效且稳健地设定个性化要求。

引言

机器人是融合了机械学、电子学、控制学、计算机、传感器和人工智能等多个学科知识的复杂智能设备1,4。由于机器人在执行重复性或危险性任务方面具有优势,其在工作场所中正越来越多地辅助甚至取代人类,尤其是在工业生产领域。本研究中智能机器人方案的设计基于闭环控制策略,具体采用遗传算法进行路径规划。此外,功能模块已进行了严格划分3,4,这可能为未来的优化工作提供坚实基础,使机器人具备较强的升级能力。

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

我们在电机控制模块中采用直流电机的双闭环控制和四象限电机运行。双闭环速度控制是指速度调节器的输出作为电流调节器的输入,从而实现对电机电流和转矩的控制。该系统的优点是能够根据给定速度与实际速度之间的偏差实时调节电机转矩。当给定速度与实际速度的偏差较大时,电机转矩增大,使转速更快地变化,从而迅速趋近于给定值,实现快速调速7,8,9。相反,当速度接近给定值时,系统可自动减小电机转矩,避免超调,使转速在较短时间内无静差地达到设定值6,10。由于电流环的等效时间常数较小,四象限电机11,12在系统受到外部干扰时能够更快响应,有效抑制干扰影响,从而提高系统的稳定性和抗干扰能力。

我们根据 MATLAB 仿真运行的结果,选择效率最高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。在没有任何初始信息的情况下,该算法是寻找全局最优解的有效方法。它将问题的解集视为一个种群,通过持续的选择、交叉、变异等遗传操作来提高解的质量。在智能机器人路径规划中,由于初始信息不足、环境复杂以及问题的非线性特性,路径规划面临较大困难。遗传算法在解决此类问题时具有全局优化能力,对非线性问题具有较强的适应性和鲁棒性;对问题本身无特定限制;计算过程简单;对搜索空间无特殊要求,因此更适用于解决路径规划问题13,14

访问受限。请登录或开始试用以查看此内容。

方案

1. 仪器的构建

  1. 按照图示组装底盘,使用合适的紧固件固定机械部件。(图1
    注意:底盘包含底板、电机、车轮等,是机器人实现运动的主要部件。因此,在组装过程中,应保持支架平直。
  2. 对导线引线以及电机的正负两极进行镀锡处理。将两根导线分别焊接到电机的两端,红色导线接正极,黑色导线接负极。
  3. 组装轴套、电机和车轮。
    1. 将电机连接到轴套上,并用螺丝固定。
    2. 将轴套插入轮毂中心。
    3. 将组装完成的结构安装到底盘上。
  4. 在底盘中心钻两个直径为 3 mm 的孔,用于安装电机驱动模块。将电机与电机驱动模块连接。
  5. 在底盘左右两侧边缘各向内 1 cm 处钻一个孔,用于在底部安装红外传感器支架。
  6. 在底盘两侧的中心位置安装两个紧固件。
    注意:为确保红外传感器正常工作,应保证连接件与底盘垂直。
  7. 在两个结构件上各钻一个直径为 18 mm 的孔,用于安装传感器。(图2A
  8. 将电机驱动模块安装到底盘的下侧。(图2B)在底盘的四个方向分别安装一个朝向对应方向的红外传感器。(图2C
  9. 对称安装转向舵机。由于舵机运行时会产生较大的扭矩,必须确保螺栓安装牢固且连接紧密。
  10. 在机器中心位置安装四个红外传感器。
  11. 将 14.8 V 电源置于机器中心,并将微控制器单元(MCU)固定在电池组上。
  12. 将四个测距传感器固定在机器上部。调节每个传感器与地面之间的角度至 60°,以确保相对于工作台的检测精度。
  13. 安装双轴倾角传感器,用于检测机器在工作区域内未能到达目标位置的情况。
  14. 使用螺丝刀将机械臂安装在机器前端。(图3

2. 调试舵机与驱动模块

  1. 双击打开调试软件(例如 Robot Servo Terminal2010)。使用通用串行总线(USB)转换线将计算机连接至调试板。(图4
  2. 在工作界面中,将舵机的波特率设置为 9600 bits/s,转速限制为 521 rad/min,角度限制为 300°,电压限制为 9.6 V。
  3. 将机器人舵机的工作模式设置为“舵机模式”。
  4. 采用异步半双工通信方式连接控制器与舵机。通过该方式,控制器可通过单个通用异步收发器(UART)接口控制超过 255 个舵机。(图5
    注意:单根通信线上最多可连接 6 个舵机。连接过多舵机会导致过热和较大的电压降,从而引发异常行为,如系统复位、数据通信异常等。(图6
  5. 采用异步半双工通信方式连接控制器与电机驱动模块。(图7
  6. 设置两个驱动模块和四个舵机的 ID 编号。ID3 和 ID4 暂留空缺,以供后续升级使用。(图8
    注:ID1:左侧驱动模块;ID2:右侧驱动模块;ID5:左前舵机;ID6:右前舵机;ID7:左后舵机;ID8:右后舵机。
  7. 将舵机依次级联,并将级联链路连接至控制器。
  8. 将各传感器连接至对应的控制器接口。需注意,连接器上带有三角标记的引脚为接地(GND)。
    注:AD1:底盘前侧红外光电传感器;AD2:底盘右侧红外光电传感器;AD3:底盘后侧红外光电传感器;AD4:底盘左侧红外光电传感器;AD5:前方红外测距传感器;AD6:右侧红外测距传感器;AD7:后方红外测距传感器;AD8:左侧红外测距传感器;AD9:左前防跌落红外光电传感器;AD10:右前防跌落红外光电传感器;AD11:右后防跌落红外光电传感器;AD12:左后防跌落红外光电传感器。

3. 传感器调试

  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。当机器人位于工作台中心位置时,上方四个红外传感器的逻辑电平为1;当机器人移动至工作台边缘时,对应侧的红外传感器逻辑电平将变为0。(图9A
    注意:机器人可通过分析红外传感器的逻辑电平来确定其在工作台上的位置。例如,若左侧和前侧传感器的逻辑电平为0,则机器人必定位于工作台的左上区域。
  2. 将距离传感器的测量值与其基准值进行比较,以完成校准。(图9B
    注意:距离传感器为模拟传感器。随着距离的变化,传感器的信号强度反馈及其对应的测量值也会相应变化。测量值将通过数字传感器传输至主机,使机器人能够识别周围环境的变化。
  3. 调试倾角传感器。
    1. 将倾角传感器水平放置,并记录其测量值。
    2. 将传感器分别向两个不同方向倾斜,并记录其测量值。若测量值处于误差允许范围内,则可认为传感器处于正常工作状态。

4. 控制方案

  1. 根据直流电机的电压平衡方程、磁链方程和转矩平衡方程,构建直流电机的仿真模型。
    1. 建立电压平衡方程:
      静力平衡方程;电压分量;数学表达式;工程分析。
      其中,ud 为直轴电压,uq 为交轴电压,RdRq 分别表示直轴电阻和交轴电阻。角动量符号 \( I_a \)。静力平衡方程,Iq,电流符号;物理教学概念图示。Psi 函数公式,量子力学符号,波函数表示法。波函数符号 Ψq,用于量子力学、方程、物理概念。 分别表示直轴电流、交轴电流、直轴磁链和交轴磁链。
    2. 建立磁链方程:
      机电学方程,用于电磁力分析的数学符号公式。
      其中,LaTeX 符号 L_a 在物理公式中;用于方程表示。数学符号 L_q 方程;用于静力平衡分析。 分别表示直轴自感系数和交轴自感系数。静力平衡方程,MaD,用于结构分析研究的符号。方程符号 \( M_{q0} \);可能用于机械或热力学应用。 为互感系数。静力平衡,ΣFx=0 方程,示意图,说明平衡与力分解概念。热力学符号,方程或科学分析中表示低温 T<sub>L</sub>。 分别表示电磁转矩和负载转矩。
    3. 建立转矩平衡方程,其计算公式为:机电转矩方程,旋转动力学,公式,物理教育概念。
    4. 构建直流电机的仿真模型。(图 10
  2. 对直流电机实施双闭环控制。利用转速调节器的输出作为电流调节器的输入,以调节电机的转矩和电流。
    注:电流调节系统结构示意图。(图 11
    PI 电流调节器的传递函数表示为:传递函数方程 \(W_{ACR}(s) = \frac{K_i(\tau_i s + 1)}{\tau_i s}\),用于控制系统分析。,其中 平衡常数方程 \( K_i \) 符号,化学公式。 为电流调节器的比例系数,数学符号 τ_i,常用于物理方程中表示弛豫时间或延迟。 为电流调节器的超前时间常数。可通过比例系数 静力平衡公式,Ki=TR/2KsβTΣi,平衡方程示意图。 和积分系数 控制系统公式 \( K_i / τ_i \),表示过程增益与时间常数之比。 求得。
    1. 对直流电机实施双闭环控制。(图 12
  3. 对直流电机实施四象限运动控制。(图 13
    1. 利用 H 桥驱动电路,通过调节金属氧化物半导体场效应晶体管(MOSFET)的通断,实现直流电机的四象限运行。(图 14
      注:当 Q1 和 Q4 导通时,电机处于正向电动状态,运行于第一象限;当 Q3 和 Q4 导通时,电机处于能耗制动状态,运行于第二象限;当 Q2 和 Q3 导通时,电机处于反向电动状态,运行于第三象限;当 Q1 和 Q2 导通时,电机处于反向能耗制动状态,运行于第四象限。
  4. 采用脉宽调制(PWM)调节直流电机的转速。在直流电机电源电压基本保持不变的条件下,通过控制电子开关的通断,调节施加于电机电枢的直流电压脉冲宽度(占空比),从而调节电枢电压的平均值及电机的转速。

5. 编写程序

  1. 使用 USB 下载线将 KEIL5 生成的二进制(BIN)文件导入控制器。
  2. 选择要执行的程序。

6. 应用场景

  1. 应用颜色识别对工厂中的货物进行分类。(图15
    1. 使用光学相机采集图像,并通过反射的二维数组数量验证扫描的颜色。
    2. 使用机械臂抓取物体。
    3. 通过机器人上的相机和驱动电机发出指令,将物体运送至指定位置。
  2. 快速搜索以清理指定区域。(图16
    1. 利用机器人上的四个光学传感器检测周围障碍物的位置。
    2. 指令转向电机抬起机械铲,清除指定区域内的障碍物。
    3. 使用遗传算法确定最有效的搜索路径。
  3. 利用自我识别防止从工作台跌落,将工作人员与机器工作区域分离,确保人员安全。
    1. 根据识别工作台与地面的四个上方光学传感器之间高度差所生成的信号进行调整。
    2. 分析变化的信号以确定工作台边缘的位置。
    3. 指令机器避开工作台的边缘。

访问受限。请登录或开始试用以查看此内容。

结果

在双闭环运动控制程序的示意图中,紫色表示给定的速度信号,黄色表示控制系统输出的数值。 图17 清楚地表明双闭环控制系统明显优于开环系统。双闭环系统输出的实际超调量相对较小,且系统的动态性能更优。 ( 图17)

图18 显示了机器人在不同波长反射光影响下的颜色识别准确率。在实际应用中,由于光照条件的不同,目标物体反射光的波长会在一定范围内波动。为了检测机器的颜色识别准确性,在黄光(565–595 nm)和红光(625–740 nm)波长范围内进行了测试。若相机返回值为1,则表示颜色识别准确。在585–593 nm范围内,相机对黄光的识别准确率超过90%,而在此范围之外,准确率迅速下降。类似地,在660–700 nm范围内,红光识别准确率超过90%,而在该范围之外,准确率也迅速下...

访问受限。请登录或开始试用以查看此内容。

讨论

本文设计了一种可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功能。在本方案中,我们介绍了配置硬件和调试智能机器人的基本方法,这些方法可帮助用户设计出适合自己需求的机械结构。然而,在实际操作过程中,必须注意结构的稳定性、工作范围、自由度以及空间利用率,以确保这些参数满足要求。合理的机械结构能够保证机器人具有高精度、高灵活性和高鲁棒性。对于复杂机械结构的设计,用户可结合 Adams 等软件建立仿真模型,并应用虚拟样机技术,从而排除不符合技术要求或在机械上不可行的设计方案。

一个潜在的问题是机器人无法准确实现其预期功能。这主要可能源于两个原因。第一个原因是传感器无法满足要求。例如,在首次测试中,本研究中的清洁机器人无法成功将障碍物推出工作区域,这是因为设备上的红外传感器探测范围较窄,导致机器人在检测到障碍物时无法实现所需的加速度。该问题可通过增加红外传感器的探测范围来解决。为解决此类问题,可能需要根据具体情境或应用对传感器进行更深入的调试。第二个原因是所选电机无法满足性能要求。在选择电机时,必须在预算范围内优先考虑具有合适启动性能、运行稳定且噪...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

作者谨此感谢姚杰先生在完成本文报道的实验过程中所提供的帮助。本工作部分得到了国家自然科学基金(编号:61673117)的资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
结构部件UPTECMONYH HARL1-1
结构部件UPTECMONYH HARL2-1
结构部件UPTECMONYH HARL3-1
结构部件UPTECMONYH HARL4-1
结构部件UPTECMONYH HARL5-1
结构部件UPTECMONYH HARL5-2
结构部件UPTECMONYH HARU3A
结构部件UPTECMONYH HARU3B
结构部件UPTECMONYH HARU3C
结构部件UPTECMONYH HARU3F
结构部件UPTECMONYH HARU3G
结构部件UPTECMONYH HARU3H
结构部件UPTECMONYH HARU3J
结构部件UPTECMONYH HARI3
结构部件UPTECMONYH HARI5
结构部件UPTECMONYH HARI7
结构部件UPTECMONYH HARCGJ
连接组件UPTECMONYH HARLM1
连接组件UPTECMONYH HARLM2
连接组件UPTECMONYH HARLM3
连接组件UPTECMONYH HARLM4
连接组件UPTECMONYH HARLX1
连接组件UPTECMONYH HARLX2
连接组件UPTECMONYH HARLX3
连接组件UPTECMONYH HARLX4
舵机结构组件UPTECMONYH HARKD
舵机结构组件UPTECMONYH HARDP
红外传感器UPTECMONYH HARE18-B0数字传感器
红外 测距 模块SHARPGP2D12
灰度传感器SHARPGP2Y0A02YK0F
proMOTION CDSSHARPCDS 5516机器人舵机
电机驱动模块RisymHG7881
焊锡丝ELECALL63A
端子Bright wire5264
电机BX motor60JX
摄像头LogitechC270
钻孔机XIN XIANG16MM请注意安全
焊接台YIHUA8786D小心 烫伤 风险 , 注意防护
螺丝刀EXPLOIT043003
镊子R`DEERRST-12

参考文献

  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).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

四象限电机控制多传感器融合机器人机械臂硬件构建传感器调试自主识别智能搜索算法