胡鄭希 ，胡 泊

(1.安徽工業(yè)大學(xué)電氣與信息工程學(xué)院，安徽 馬鞍山 243000；2.銅陵力圖機(jī)電科技有限公司，安徽 銅陵 244000)

基于多傳感器的移動(dòng)小車(chē)循墻導(dǎo)航控制

胡鄭希1，胡 泊2

(1.安徽工業(yè)大學(xué)電氣與信息工程學(xué)院，安徽 馬鞍山 243000；2.銅陵力圖機(jī)電科技有限公司，安徽 銅陵 244000)

針對(duì)傳統(tǒng)單傳感器循墻移動(dòng)小車(chē)存在控制精度不高、行走導(dǎo)航不穩(wěn)定、控制程序算法繁雜的問(wèn)題，提出了基于光電傳感器、超聲波傳感器及光電測(cè)速碼盤(pán)等多傳感器組合的新型移動(dòng)小車(chē)循墻導(dǎo)航控制方法。描述了移動(dòng)小車(chē)系統(tǒng)結(jié)構(gòu)、傳感器設(shè)置，闡述了超聲波傳感器、光電傳感器和光電測(cè)速碼盤(pán)等的檢測(cè)分析方法。提出了基于超聲波的超誤差模糊化算法，并根據(jù)超誤差模糊化算法設(shè)計(jì)了相應(yīng)的控制算法程序。討論了房間內(nèi)不同運(yùn)動(dòng)環(huán)境下各個(gè)傳感器的工作狀態(tài)，并由不同的運(yùn)動(dòng)環(huán)境狀態(tài)確定了不同的傳感器檢測(cè)信息。利用光電傳感器、超聲波傳感器、光電測(cè)速碼盤(pán)檢測(cè)信息，構(gòu)建了室內(nèi)環(huán)境狀態(tài)的混合模型。結(jié)合混合模型制定了對(duì)應(yīng)的控制策略，在該控制策略的作用下，實(shí)現(xiàn)了小車(chē)在室內(nèi)各環(huán)境狀態(tài)下的平穩(wěn)運(yùn)行。試驗(yàn)結(jié)果表明，基于多傳感器構(gòu)建的混合模型實(shí)現(xiàn)了移動(dòng)小車(chē)精確、穩(wěn)定的循墻導(dǎo)航控制，所提出的方法簡(jiǎn)單可靠、實(shí)用性強(qiáng)，具有一定的應(yīng)用價(jià)值。

移動(dòng)小車(chē)；循墻導(dǎo)航控制；多傳感器；環(huán)境狀態(tài)；混合模型；控制策略；狀態(tài)機(jī)設(shè)計(jì)；系統(tǒng)配置

0 引言

循墻移動(dòng)控制作為一種機(jī)器人導(dǎo)航控制方式，其特征在于：在某一封閉的區(qū)域內(nèi)，機(jī)器人能夠自主判斷環(huán)境狀態(tài)并作出相應(yīng)處理，從而沿墻壁行走，與墻壁保持一定的距離且不發(fā)生碰撞。機(jī)器人的循墻移動(dòng)控制作為一種低層次的導(dǎo)航方式，不僅能夠方便、快捷地構(gòu)建未知封閉區(qū)域內(nèi)的移動(dòng)策略，而且能夠配合其他的智能控制方式完成復(fù)雜環(huán)境下的導(dǎo)航控制[1]。

傳統(tǒng)的循墻移動(dòng)控制采用單傳感器進(jìn)行循墻導(dǎo)航，國(guó)內(nèi)外很多學(xué)者采用這種方式對(duì)循墻導(dǎo)航進(jìn)行了研究。Holder[2]提出了一個(gè)利用單個(gè)旋轉(zhuǎn)聲納傳感器的循墻導(dǎo)航算法。由于聲納傳感器的發(fā)射發(fā)散及鏡面反射問(wèn)題，因而傳感器返回的距離與實(shí)際的距離有較大偏差，循墻試驗(yàn)不夠理想。郭小勤等[3]提出了基于紅外位置敏感探測(cè)器(position sensitive detector,PSD)的移動(dòng)機(jī)器人循墻導(dǎo)航控制方法，能夠識(shí)別大多數(shù)的環(huán)境模態(tài)，但由于其傳感器的特性和控制策略問(wèn)題，單傳感器的設(shè)計(jì)容易造成誤識(shí)別，試驗(yàn)結(jié)果表明其不能實(shí)現(xiàn)精準(zhǔn)的循墻而行。在控制方法上，王棟耀等[4]采用有限狀態(tài)機(jī)控制方法對(duì)機(jī)器人循墻導(dǎo)航進(jìn)行了仿真研究；簡(jiǎn)偉程等[5]則在循墻導(dǎo)航應(yīng)用中對(duì)遺傳規(guī)劃算法進(jìn)行了研究。這些控制方法對(duì)循墻控制進(jìn)行了優(yōu)化，但大多數(shù)控制方法結(jié)構(gòu)繁雜，且難以判斷特殊環(huán)境，不利于實(shí)際應(yīng)用和推廣。

本文利用光電傳感器、超聲波傳感器和光電測(cè)速碼盤(pán)的信息集建立了混合模型[6]，并制定了基于多傳感器移動(dòng)小車(chē)的循墻控制策略。該策略可以對(duì)環(huán)境狀態(tài)進(jìn)行有效判斷，解決了基于單傳感器的循墻控制不精確和環(huán)境判斷不準(zhǔn)確的問(wèn)題，簡(jiǎn)化了控制算法，提高了系統(tǒng)的可靠性和可利用性，保證了移動(dòng)小車(chē)平滑、精確的循墻移動(dòng)。

1 循墻導(dǎo)航移動(dòng)小車(chē)結(jié)構(gòu)

移動(dòng)小車(chē)長(zhǎng)300 mm、寬200 mm、高100 mm，質(zhì)量約為3 kg；安裝有4個(gè)E3F-DS30C4型光電傳感器、2個(gè)US-100型超聲波模塊和2個(gè)光電測(cè)速碼盤(pán)，底盤(pán)驅(qū)動(dòng)系統(tǒng)由2個(gè)驅(qū)動(dòng)輪、2個(gè)從動(dòng)輪和連接驅(qū)動(dòng)輪從動(dòng)輪的2個(gè)履帶組成，驅(qū)動(dòng)輪和從動(dòng)輪直徑為64 mm。移動(dòng)小車(chē)的系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 移動(dòng)小車(chē)的系統(tǒng)結(jié)構(gòu)圖

圖1中：①～④分別為光電傳感器1#～光電傳感器4#；⑤、⑥分別為超聲波傳感器1#、超聲波傳感器2#；⑦、⑧分別為光電碼盤(pán)1#、光電碼盤(pán)2#；⑨、⑩分別為左輪驅(qū)動(dòng)電機(jī)、右輪驅(qū)動(dòng)電機(jī)。

控制器采用ARM公司的STM32F103ZET6作為控制系統(tǒng)的核心，通過(guò)控制器的PCA通道產(chǎn)生PWM波經(jīng)電機(jī)驅(qū)動(dòng)模塊驅(qū)動(dòng)移動(dòng)小車(chē)兩側(cè)的電機(jī)，由光電測(cè)速碼盤(pán)檢測(cè)移動(dòng)小車(chē)的速度。

移動(dòng)小車(chē)控制系統(tǒng)采用自主循墻導(dǎo)航模式，規(guī)定以小車(chē)前進(jìn)方向?yàn)閰⒖枷担瑝Ρ谖挥谛≤?chē)左側(cè)為左循墻模式，否則為右循墻模式。兩種模式都需要采用傳感器接收環(huán)境信息，從而對(duì)環(huán)境狀態(tài)進(jìn)行判斷?？刂破鹘邮諅鞲衅鞯男畔⒁赃M(jìn)行混合模型構(gòu)建，并給出相應(yīng)的執(zhí)行器控制策略，從而實(shí)現(xiàn)混合模型下的導(dǎo)航功能。

2 多傳感器的環(huán)境檢測(cè)分析

2.1 超聲波傳感器

自帶溫度補(bǔ)償功能的超聲波模塊可以檢測(cè)小車(chē)與墻體之間的距離，傳感器利用串口在Trig/TX管腳輸出0x55/0x50(波特率為9 600 bit/s)，通過(guò)串口接收距離值/實(shí)時(shí)溫度值。在系統(tǒng)中，超聲波模塊與小車(chē)前進(jìn)方向成垂直關(guān)系，對(duì)墻壁距離進(jìn)行檢測(cè)。超聲波傳感器的聲波具有鏡面反射的特點(diǎn)且呈扇形發(fā)射[7]，因此采集的數(shù)據(jù)必須進(jìn)行處理后才能參與構(gòu)建循墻導(dǎo)航的混合模型。超聲波測(cè)距示意圖如圖2所示。

圖2 超聲波測(cè)距示意圖

超聲波采集到的距離值數(shù)據(jù)經(jīng)過(guò)中值濾波算法確定。將某時(shí)刻T開(kāi)始采集的8個(gè)值{S1，S2，S3，S4，S5，S6，S7，S8}按冒泡排序的方式重新排列成{Sm1，Sm2，Sm3，Sm4，Sm5，Sm6，Sm7，Sm8}，取(Sm4+Sm5)/2作為T(mén)時(shí)刻超聲波采集的距離值S。

偏差集K的算法如下：

KT=ST-ST-ΔT

(1)

式中：KT為T(mén)時(shí)刻的偏差元素，mm；ST為T(mén)時(shí)刻濾波后的距離值，mm；ST-ΔT為T(mén)-ΔT時(shí)刻濾波后的距離值，mm。

偏轉(zhuǎn)集P的算法如下：

(2)

式中：PT為T(mén)時(shí)刻的偏轉(zhuǎn)元素；VL為光測(cè)速碼盤(pán)測(cè)出的左輪速度；VR為光電測(cè)速碼盤(pán)測(cè)出的右輪速度。

偏差偏轉(zhuǎn)合成集E的算法如下：

ET=KT×PT

(3)

式中：ET為T(mén)時(shí)刻的偏差偏轉(zhuǎn)集元素，mm。

小車(chē)在循墻直線(xiàn)前進(jìn)狀態(tài)下，無(wú)論是向左偏轉(zhuǎn)還是向右偏轉(zhuǎn)，理論上偏差集元素和偏轉(zhuǎn)集元素符號(hào)相同。偏差偏轉(zhuǎn)合成集元素為正。而超聲波傳感器在α過(guò)大情況下返回的距離值遠(yuǎn)大于實(shí)際值，偏差偏轉(zhuǎn)合成集元素可能為負(fù)。偏差偏轉(zhuǎn)集合元素的符號(hào)性質(zhì)可以作為判斷超聲波返回的距離值是否精確的重要依據(jù)。超誤差模糊化算法如下：

If((ET-2ΔT≤0) &&(ET-ΔT≤0)&&(ET≤0))

S=ST;

Else

{

If((PT-2ΔT=-1&&PT-ΔT=-1&&PT=-1)|| (PT-2ΔT×PT-ΔT×PT=-1))

//S?實(shí)際值;

清空偏差集K、偏轉(zhuǎn)集P和偏差偏轉(zhuǎn)合成集E;

S值為ERROR。

α<-40°為大概率事件;

If((PT-2ΔT=-1&&PT-ΔT=-1&&PT=-1)|| (PT-2ΔT×PT-ΔT×PT=-1))

//S?實(shí)際值;

清空偏差集K、偏轉(zhuǎn)集P和偏差偏轉(zhuǎn)合成集E;

S值為ERROR。

α>40°為大概率事件;

}

程序中：S為實(shí)際距離，mm。

2.2 光電傳感器

分別位于小車(chē)前左、前右(小車(chē)前進(jìn)方向?yàn)榍?、左側(cè)、右側(cè)的4個(gè)光電傳感器，用于判斷墻體周?chē)h(huán)境狀態(tài)。光電傳感器檢測(cè)到障礙物即返回高電平1，沒(méi)有檢測(cè)到則返回低電平0，表示該光電傳感器延長(zhǎng)線(xiàn)方向有墻壁。當(dāng)檢測(cè)到墻壁狀態(tài)時(shí)會(huì)造成小車(chē)響應(yīng)時(shí)間過(guò)短無(wú)法及時(shí)糾正循墻動(dòng)作，檢測(cè)距離設(shè)置過(guò)長(zhǎng)會(huì)造成較高幾率的狀態(tài)誤識(shí)別，同時(shí)影響超聲波傳感器的狀態(tài)檢測(cè)。經(jīng)過(guò)試驗(yàn)分析，最佳距離為300 mm。

2.3 光電測(cè)速碼盤(pán)

100線(xiàn)的光電測(cè)速碼盤(pán)配合紅外對(duì)管使用，可確定小車(chē)的相對(duì)狀態(tài)。小車(chē)循跡過(guò)程中將在紅外對(duì)管的輸出端產(chǎn)生脈沖，控制器統(tǒng)計(jì)脈沖數(shù)可得到速度V。

V=πnR/(50×T)

(4)

式中：T為采樣周期，s；n為1個(gè)周期內(nèi)的脈沖數(shù)；R為光電測(cè)速碼盤(pán)的半徑，mm。

3 多傳感器的混合模型構(gòu)建

3.1 室內(nèi)小車(chē)移動(dòng)狀態(tài)

混合模型的構(gòu)建基于小車(chē)室內(nèi)循墻導(dǎo)航過(guò)程所遇到的各種情況，室內(nèi)環(huán)境狀態(tài)是可以窮舉的，通過(guò)對(duì)室內(nèi)各種環(huán)境狀態(tài)的分析，可以對(duì)傳感器的綜合信號(hào)構(gòu)建一個(gè)基于多傳感器的混合模型。不考慮不規(guī)則障礙物的室內(nèi)狀態(tài)，將小車(chē)在一般移動(dòng)環(huán)境狀態(tài)簡(jiǎn)單地抽象為丟墻(無(wú)墻)、直線(xiàn)墻、內(nèi)墻角、外墻角、房間門(mén)、碰撞墻壁6種狀態(tài)。小車(chē)移動(dòng)情況如圖3所示。

圖3 小車(chē)移動(dòng)示意圖

3.2 混合模型構(gòu)建

混合模型的構(gòu)建有助于精確判斷小車(chē)目前所處的環(huán)境狀態(tài)[9-10]。小車(chē)在不同室內(nèi)環(huán)境狀態(tài)下的各傳感器處理后的數(shù)據(jù)如表1所示。

表1中：ERROR為超聲波傳感器在超誤差模糊化算法下測(cè)量的錯(cuò)誤信息；S為超誤差模糊化算法下小車(chē)與墻面的實(shí)際距離。依據(jù)表1數(shù)據(jù)構(gòu)建出右循墻模式下混合模型。將丟墻(無(wú)墻)環(huán)境狀態(tài)規(guī)定為尋墻模型。

表1 各傳感器處理后的數(shù)據(jù)

由于受控制策略和檢測(cè)分析的影響，小車(chē)實(shí)際上在平行于墻的直線(xiàn)上來(lái)回震蕩前進(jìn)，結(jié)合超聲波模塊測(cè)量分析下的超誤差模糊化集，可以將直線(xiàn)墻環(huán)境分為直線(xiàn)墻正常狀態(tài)、遠(yuǎn)離狀態(tài)和接近狀態(tài)，并以這三種狀態(tài)規(guī)定直線(xiàn)循墻正常模型的模型信息為S。直線(xiàn)墻模型中的直線(xiàn)循墻遠(yuǎn)離模型，直線(xiàn)墻模型中的直線(xiàn)循墻接近模型的模型信息為“α>40°為大概率事件”。

將內(nèi)角墻環(huán)境狀態(tài)規(guī)定為內(nèi)墻角模型。

外墻角和房間門(mén)的環(huán)境狀態(tài)判斷是一個(gè)動(dòng)態(tài)過(guò)程，需要利用移動(dòng)小車(chē)結(jié)合狀態(tài)機(jī)的動(dòng)作執(zhí)行對(duì)傳感器的狀態(tài)進(jìn)行采集。將移動(dòng)小車(chē)的初始狀態(tài)記為P1。若P1狀態(tài)執(zhí)行過(guò)程中T1時(shí)刻各個(gè)傳感器狀態(tài)值為表1中外墻角和房間門(mén)1的數(shù)值，則小車(chē)按直線(xiàn)墻下的混合模型繼續(xù)循墻移動(dòng)，并將這個(gè)狀態(tài)記為P2。若P2狀態(tài)執(zhí)行過(guò)程中T2時(shí)刻各個(gè)傳感器狀態(tài)值為表1中外墻角和房間門(mén)2的數(shù)值，則控制小車(chē)?yán)^續(xù)向前移動(dòng)1.5個(gè)車(chē)身的距離，然后原地向右旋轉(zhuǎn)90°，最后再控制小車(chē)向前移動(dòng)1.5個(gè)車(chē)身的距離，并將這個(gè)狀態(tài)記為P3。若P3狀態(tài)執(zhí)行完畢后T3時(shí)刻各個(gè)傳感器狀態(tài)值為表1中外墻角和房間門(mén)3的數(shù)值，則規(guī)定這種狀態(tài)為外墻角模型。

若P3狀態(tài)執(zhí)行完畢后T3時(shí)刻各個(gè)傳感器狀態(tài)值為表1中外墻角和房間門(mén)4的數(shù)值，則控制小車(chē)原地向右旋轉(zhuǎn)90°后再向前移動(dòng)1.5個(gè)車(chē)身的距離，并將這個(gè)狀態(tài)記為P4。若P4狀態(tài)執(zhí)行完畢后，T4時(shí)刻各個(gè)傳感器狀態(tài)值為表1中外墻角和房間門(mén)5的數(shù)值，則規(guī)定這種狀態(tài)為房間門(mén)模型。

小車(chē)由于控制程序和策略的不完善，會(huì)發(fā)生碰撞墻壁的小概率事件。碰撞墻壁穩(wěn)定后，小車(chē)的速度為0，即左輪速度和右輪速度都為0，則將這種狀態(tài)規(guī)定為碰墻模型。

4 基于混合模型的循墻導(dǎo)航控制

4.1 循墻移動(dòng)小車(chē)運(yùn)動(dòng)控制

循墻前進(jìn)的特殊行動(dòng)方式?jīng)Q定了兩輪的速度必須盡可能保持一致，這里需要引入速度閉環(huán)控制。以設(shè)定速度作為閉環(huán)控制的給定量，光電測(cè)速碼盤(pán)檢測(cè)的小車(chē)速度作為反饋量，則實(shí)際的速度值將穩(wěn)定在設(shè)定速度附近。通過(guò)控制小車(chē)的左、右輪速度可以實(shí)現(xiàn)小車(chē)的轉(zhuǎn)向。直線(xiàn)墻環(huán)境狀態(tài)下可以通過(guò)差速驅(qū)動(dòng)的方式實(shí)現(xiàn)小車(chē)的循墻調(diào)節(jié)，即：

vR=v0+Δv

(5)

vL=v0-Δv

(6)

式中：vR為當(dāng)前時(shí)刻的小車(chē)右輪速度，mm/s;vL為當(dāng)前時(shí)刻的小車(chē)左輪速度，mm/s；v0為小車(chē)上一時(shí)刻速度值，mm/s；Δv為小車(chē)速度變化值，mm/s。

也可以通過(guò)控制左輪前進(jìn)、右輪后退(左右輪速度絕對(duì)值相同)和左輪后退、右輪前進(jìn)的方式實(shí)現(xiàn)小車(chē)的原地右轉(zhuǎn)和原地左轉(zhuǎn)。

4.2 混合模型下的控制策略設(shè)計(jì)

以下控制策略的設(shè)計(jì)全部基于右循墻模式。

4.2.1 尋墻模型

移動(dòng)小車(chē)在尋墻模型下應(yīng)控制其向墻壁方向運(yùn)動(dòng)。小車(chē)控制策略依據(jù)光電傳感器采集到的環(huán)境信息的變化狀態(tài)機(jī)設(shè)計(jì)，尋墻模型下?tīng)顟B(tài)機(jī)轉(zhuǎn)換如圖4所示。

圖4 尋墻模型下?tīng)顟B(tài)機(jī)轉(zhuǎn)換圖

4.2.2 直線(xiàn)墻模型

移動(dòng)小車(chē)在直線(xiàn)墻模型下應(yīng)該控制其平行于墻壁前進(jìn)，并與墻壁保持一定的距離。由構(gòu)建的混合模型分析可知，在直線(xiàn)墻模型下可以將小車(chē)的狀態(tài)分為正常直線(xiàn)墻模型、接近直線(xiàn)墻模型和遠(yuǎn)離直線(xiàn)墻模型。

在正常直線(xiàn)墻模型下，超聲波測(cè)出小車(chē)與墻壁的距離誤差不超過(guò)5%，反饋值精確。采用距離閉環(huán)控制可以有效地控制小車(chē)循墻前進(jìn)。

實(shí)際移動(dòng)過(guò)程中小車(chē)速度約為1 m/s，所以控制器采用PI(比例積分)控制就可以滿(mǎn)足偏差控制需要，具體的控制算法如下。

Error_last=Error;

Error=Distance_set-Distance;

Integral=KI×( Error- Error_last);

If(Integral>Full)

{

Integral=Full

}

V_Error=KP× Error+KI× Integral;

程序中：Error_last為上次的Error ；Error 為設(shè)定值與實(shí)測(cè)值的差；Distance_set 為設(shè)定的距離；Distance 為實(shí)際測(cè)定的距離；Integral為積分部分的值；KI為積分系數(shù)；KP為比例系數(shù)；Full為積分限幅常數(shù)；V_Error為兩側(cè)電機(jī)速度差值。

在接近直線(xiàn)墻模型和遠(yuǎn)離直線(xiàn)墻模型下，超聲波測(cè)得值與墻壁的距離誤差較大，由構(gòu)建的混合模型分析可以得到小車(chē)前進(jìn)方向(長(zhǎng)軸)與墻面的夾角α>40°或α<-40°為較大概率事件。

為了能使小車(chē)采用正常直線(xiàn)墻模型循墻前進(jìn)，這種狀態(tài)下的控制策略為：關(guān)閉小車(chē)的距離閉環(huán)調(diào)節(jié)，若α>40°為較大概率事件，則原地向左旋轉(zhuǎn)40°后繼續(xù)采用正常直線(xiàn)墻模型循墻前進(jìn)；若α<-40°為較大概率事件，則原地向右旋轉(zhuǎn)40°后繼續(xù)采用正常直線(xiàn)墻模型循墻前進(jìn)。

4.2.3 內(nèi)墻角模型

移動(dòng)小車(chē)在內(nèi)墻角模型下應(yīng)該避免碰撞到前方墻壁，并迅速轉(zhuǎn)彎以實(shí)現(xiàn)小車(chē)?yán)^續(xù)循墻功能。其控制策略為“原地向左旋轉(zhuǎn)90°”。

4.2.4 外墻角和房間門(mén)模型

移動(dòng)小車(chē)在內(nèi)墻角模型下應(yīng)結(jié)合傳感器的狀態(tài)繼續(xù)循墻前進(jìn)。本系統(tǒng)中外墻角檢測(cè)是一個(gè)動(dòng)態(tài)過(guò)程，外墻角檢測(cè)的同時(shí)也完成了相應(yīng)的控制。外墻角和房間門(mén)的控制策略都由混合模型下的外墻角模型直接給出。

4.3 小車(chē)基于混合模型的狀態(tài)轉(zhuǎn)換

基于多傳感器的小車(chē)循墻移動(dòng)控制是指移動(dòng)小車(chē)?yán)没旌夏Ｐ蛯?duì)環(huán)境進(jìn)行動(dòng)態(tài)判斷識(shí)別。在尋墻、直線(xiàn)墻、內(nèi)墻角、外墻角、房間門(mén)這幾種控制狀態(tài)機(jī)中，控制模型切換的過(guò)程(碰撞模型為小概率事件，不考慮)實(shí)際為狀態(tài)機(jī)轉(zhuǎn)換過(guò)程?；旌夏Ｐ拖?tīng)顟B(tài)機(jī)轉(zhuǎn)換如圖5所示。

圖5 混合模型下?tīng)顟B(tài)機(jī)轉(zhuǎn)換圖

5 試驗(yàn)結(jié)果

5.1 系統(tǒng)配置

系統(tǒng)配置如下：四個(gè)光電傳感器的檢測(cè)距離為300 mm，直線(xiàn)墻循跡的設(shè)定距離為180 mm;速度閉環(huán)的PID系數(shù)為Pv=10，Iv=0.1，Dv=0.1； 距離閉環(huán)的PI系數(shù)為PS=21，IS=1；小車(chē)標(biāo)準(zhǔn)行進(jìn)速度為250 mm/s。

5.2 環(huán)境設(shè)置

根據(jù)室內(nèi)的典型環(huán)境，選擇了具有以上各種混合模型的模擬環(huán)境進(jìn)行測(cè)試。模擬環(huán)境長(zhǎng)3 m、寬2 m，其中包括大廳1個(gè)、房間3個(gè)、內(nèi)墻角18個(gè)、外墻角2個(gè)、房間門(mén)3個(gè)。

5.3 試驗(yàn)結(jié)果分析

試驗(yàn)中，小車(chē)的運(yùn)動(dòng)軌跡由攝像頭記錄，并由計(jì)算機(jī)提取。

在上述的室內(nèi)模擬環(huán)境下，從移動(dòng)小車(chē)循墻導(dǎo)航的運(yùn)動(dòng)軌跡可以看出，通過(guò)混合模型控制，小車(chē)能夠精確地識(shí)別各種外部環(huán)境，具有很好的跟蹤性能。在直線(xiàn)墻環(huán)境下，小車(chē)能夠平行于墻壁平滑地前進(jìn)；在內(nèi)墻角、外墻角、房間門(mén)環(huán)境下，小車(chē)轉(zhuǎn)動(dòng)迅速且基本平滑。在狀態(tài)切換時(shí)，超聲波傳感器的值會(huì)發(fā)生比較明顯的躍變。在墻體環(huán)境發(fā)生改變時(shí)，循墻穩(wěn)定性有一定程度的下降。

6 結(jié)束語(yǔ)

針對(duì)單傳感器在循墻導(dǎo)航的過(guò)程中存在的問(wèn)題，研究了基于多傳感器的小車(chē)循墻移動(dòng)控制方法，分析了多傳感器的環(huán)境檢測(cè)方法，提出了基于超聲波的超誤差模糊化算法。利用光電傳感器、超聲波傳感器、光電測(cè)速碼盤(pán)檢測(cè)信息構(gòu)建室內(nèi)環(huán)境狀態(tài)的混合模型，并依據(jù)混合模型制定了相應(yīng)的控制策略。

試驗(yàn)結(jié)果表明：移動(dòng)小車(chē)循墻導(dǎo)航充分利用了多傳感器的優(yōu)勢(shì)，小車(chē)能夠平穩(wěn)地循墻移動(dòng)，具有較高的穩(wěn)定性和可靠性?？刂撇呗砸誀顟B(tài)機(jī)為框架，算法簡(jiǎn)單可靠，移植性和適用性強(qiáng)。基于多傳感器的移動(dòng)小車(chē)循墻導(dǎo)航控制方法，具有較高的應(yīng)用價(jià)值和較廣泛的應(yīng)用范圍。

[1] 李磊,葉濤,譚民,等.移動(dòng)機(jī)器人技術(shù)研究現(xiàn)狀與未來(lái)[J].機(jī)器人,2002(5):475-480.

[2] HOLDER M B,TRIVEDI M M,MARAPANS S B.Mobile robot navigation bywall following using a rotating ultrasonic scanner[C]//Proceedings of the 13th International Conference on Pattern Recognition，1996.

[3] 郭小勤,陳祝齊.基于紅外PSD的移動(dòng)機(jī)器人沿墻導(dǎo)航控制[J].機(jī)床與液壓,2009(9): 133-136.

[4] 王棟耀,馬旭東,戴先中.基于聲納的移動(dòng)機(jī)器人沿墻導(dǎo)航控制[J].機(jī)器人,2004,26(4):346-350.

[5] 簡(jiǎn)偉程.移動(dòng)機(jī)器人自主行為設(shè)計(jì)的演化方法研究[D].上海:上海交通大學(xué),2002.

[6] 劉金會(huì),郝靜如.自主移動(dòng)機(jī)器人導(dǎo)航定位技術(shù)研究初探[J].傳感器世界,2005(1):23-26.

[7] 舒英利,寇磊,苑全德，等.雙超聲波數(shù)據(jù)融合的兩輪機(jī)器人平衡行進(jìn)策略研究[J].自動(dòng)化儀表,2017,38(2):36-40.

[8] 華亮,馮浩,顧菊平,等.基于單超聲波傳感器的移動(dòng)機(jī)器人沿墻導(dǎo)航策略[J].工程設(shè)計(jì)學(xué)報(bào),2008,15(3):206-212.

[9] 葉濤,陳爾奎,楊國(guó)勝,等.全局環(huán)境未知時(shí)機(jī)器人導(dǎo)航和避障的一種新方法[J].機(jī)器人,2003(6):516-520.

[10]欒祿祥.室內(nèi)移動(dòng)機(jī)器人機(jī)器視覺(jué)定位系統(tǒng)的設(shè)計(jì)[J].自動(dòng)化儀表,2017,38(2):49-52.

Wall-Following Navigation Control of Mobile Car Based on Multi-Sensor

HU Zhengxi1，HU Po2

(1.School of Electrical and Information Engineering,Anhui University of Technology,Maanshan 243000,China；2.Tongling Litu Electromechanical Technology Co.,Ltd.,Tongling 244000,China)

For controlling mobile car,the wall following navigation control based on single sensor features low control precision,unstable moving navigation,and complex control algorithm;to against these problems,a new wall following navigation control method based on multi-sensor is proposed,and these sensors include photoelectric sensor,ultrasonic sensor and photoelectric tachometer encoder. The system structure of the mobile car,and sensor setting are described.The detection and analysis methods of ultrasonic sensor,photoelectric sensor and photoelectric tachometer encoder are described.A fuzzy algorithm based on ultrasonic super error is proposed,and according to the fuzzy algorithm of super error,the corresponding control algorithm program is designed.The working states of each sensor in the room under different motion environments are discussed,different sensor detection information is determined by different motion environment states.Based on the detection information of photoelectric sensor,ultrasonic sensor and photoelectric speed detector,a hybrid model of indoor environment states is structured.Combining with the hybrid model,the corresponding control strategy is established,under the effect of the control strategy,the mobile car runs smoothly in each indoor environment state.The test results show that the hybrid model based on multi-sensor can realize accurate and stable wall following navigation control of mobile car,and the proposed method is simple,reliable,and has certain application value.

Mobile car； Wall-following navigation control； Multi-sensor； Environmental state； Hybrid model; Control strategy； State machine design； System configuration

胡鄭希(1996—)，男，在讀本科生，主要從事智能控制方向的研究。E-mail:1787307425@qq.com。 胡泊(通信作者)，男，學(xué)士，高級(jí)工程師，主要從事過(guò)程控制方向的研究。E-mail:326167414@qq.com。

TH86；TP24

A

10.16086/j.cnki.issn1000-0380.201706010

修改稿收到日期:2017-03-27