巴 旭

(河南科技學(xué)院新科學(xué)院，河南 新鄉(xiāng) 453003)

0 引言

武術(shù)套路訓(xùn)練時，動作誤差的糾正有助于學(xué)習(xí)者快速地掌握武術(shù)動作要領(lǐng)，使攻防動作能夠快速、準(zhǔn)確地命中目標(biāo)。采摘機械手的設(shè)計主要需要考慮兩方面的問題：一是機械結(jié)構(gòu)，要求外形簡單、美觀大方、經(jīng)濟實用；二是機械手的作業(yè)性能，需要能夠很好地躲避障礙物，具有最佳的工作空間、盡量少的自由度及合理的結(jié)構(gòu)，而且在作業(yè)的過程中能夠很好地避開運動死區(qū)的位置。為了實現(xiàn)這個目標(biāo)，可以將武術(shù)動作誤差訓(xùn)練過程引入到采摘機械手控制系統(tǒng)設(shè)計和機械結(jié)構(gòu)優(yōu)化中，如利用勾拳形狀優(yōu)化機械手手指結(jié)構(gòu)，使其具有更加靈活的動作。因此，采用武術(shù)動作誤差訓(xùn)練的神經(jīng)網(wǎng)絡(luò)PID控制算法對系統(tǒng)進行設(shè)計，將明顯提高機械手的設(shè)計效率，對于現(xiàn)代化自動作業(yè)機器人的改進和升級具有重要的意義。

1 武術(shù)動作套路訓(xùn)練及其在機械手結(jié)構(gòu)優(yōu)化中的應(yīng)用

沖拳是武術(shù)動作中最常用的動作之一，此動作較容易犯錯誤，包括沖拳無力、動作不規(guī)范、拳屈腕嚴(yán)重及出拳時在肩部沖出等，在進行武術(shù)沖拳動作訓(xùn)練時需要對這些容易犯的錯誤進行糾正。針對沖拳無力，可以對學(xué)生強調(diào)出拳的快速性，進行擰腰順肩等技術(shù)動作訓(xùn)練；針對沖拳目標(biāo)不準(zhǔn)，可以對學(xué)生進行擊靶訓(xùn)練；針對拳面不平屈腕問題，可以講解沖拳的作用力分析等。

手形關(guān)鍵動作部位是勾尖和勾頂，動作訓(xùn)練時需要五指撮攏成勾、屈腕，其動作誤差主要是松指，腕沒有扣緊，因此在進行修正誤差訓(xùn)練時需要著重講解勾手的攻防作用。沖拳和勾拳都是較為精準(zhǔn)的動作，其完整的武術(shù)動作套路訓(xùn)練可以使學(xué)習(xí)者達到精準(zhǔn)攻防的目的，如果將這些動作套路及誤差訓(xùn)練方法應(yīng)用在采摘機械手的結(jié)構(gòu)優(yōu)化和控制系統(tǒng)設(shè)計中，如利用沖拳關(guān)鍵動作設(shè)計機械結(jié)構(gòu)，使機械手可以在較小的動作范圍內(nèi)精準(zhǔn)的采摘到果實作物，采用勾拳形狀可以使采摘機械手終端采摘果實更加靈活，從而有效地提高采摘機械手的設(shè)計效果。

2 基于神經(jīng)網(wǎng)絡(luò)的動作誤差訓(xùn)練算法

武術(shù)套路對于采摘機器人動作的精準(zhǔn)控制具有重要的影響，特別是沖拳的關(guān)節(jié)動作和勾拳的拳形，有助于采摘機械手機械結(jié)構(gòu)和控制系統(tǒng)的優(yōu)化。使用武術(shù)套路對采摘機械手進行動作訓(xùn)練時，往往會產(chǎn)生較大的誤差，使機械手動作偏離采摘目標(biāo)，而采用PID控制算法可以通過反饋調(diào)節(jié)的方式降低誤差。其控制原理如圖1所示。

運用PID控制器可以對采摘機器人的武術(shù)動作訓(xùn)練誤差進行校準(zhǔn)，通過對誤差的反復(fù)校驗，達到精確控制的目的。其控制方程為

(1)

圖1 PID控制器原理圖Fig.1 The schematic diagram of PID controller

其中，kp表示積分系數(shù)；ki表示微分系數(shù)；T表示采樣周期；e表示計算誤差。為了進一步提高控制精度，降低控制誤差，可以采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法對PID參數(shù)進行調(diào)節(jié)。調(diào)節(jié)原理如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)算法PID控制原理Fig.2 The PID control principle of neural network algorithm

神經(jīng)網(wǎng)絡(luò)算法PID算法的控制結(jié)構(gòu)包括神經(jīng)網(wǎng)絡(luò)輸入層、輸出層及隱含推理層。輸出層的控制采用增量式PID算法進行控制，其表達式為

Δu(Q)=kp[e(Q)-e(Q-1)]+kie(Q)+
kd[e(Q)-2e(Q-1)+e(k-2)]

u(Q)=u(Q-1)+Δu(Q)

(2)

基于神經(jīng)網(wǎng)絡(luò)PID控制算法的具體步驟如下：

1)確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。其中，包括各種權(quán)重系數(shù)、輸入輸出節(jié)點、隱含層數(shù)及各種系數(shù)。

2)計算神經(jīng)網(wǎng)絡(luò)的實時控制誤差error(k)=rin(k)-yout(k)。

3)采用預(yù)設(shè)參數(shù)的方法，對kp、ki、kd等3個參數(shù)進行調(diào)整，使控制響應(yīng)達到最佳狀態(tài)。

4)計算PID控制器的輸出u(k)。

5)進行設(shè)計網(wǎng)絡(luò)訓(xùn)練，反復(fù)調(diào)整權(quán)重系數(shù)，實現(xiàn)PID參數(shù)的自動調(diào)控。

6)置k=k+1，返回到第1步。

算法流程圖如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)算法流程圖Fig.3 The flowchart of neural network algorithm

根據(jù)武術(shù)動作套路的動作規(guī)范，在對采摘機械手進行訓(xùn)練時，首先可以對動作樣本進行預(yù)設(shè)，然后通過計算實時誤差，采用神經(jīng)網(wǎng)絡(luò)PID算法對誤差進行調(diào)節(jié)，并達到迅速響應(yīng)的目的，最后提高動作控制的精度。

3 基于武術(shù)套路訓(xùn)練的采摘機械手結(jié)構(gòu)優(yōu)化和控制系統(tǒng)測試

本節(jié)中主要結(jié)合第1節(jié)的武術(shù)動作的勾拳沖拳和勾拳形狀，對采摘機械手進行結(jié)構(gòu)優(yōu)化，依據(jù)神經(jīng)網(wǎng)絡(luò)誤差訓(xùn)練方法，對控制系統(tǒng)進行測試。沖拳動作機械手結(jié)構(gòu)優(yōu)化如圖4所示。

圖4 沖拳動作機械手結(jié)構(gòu)優(yōu)化Fig.4 The structure optimization of punching manipulator

根據(jù)武術(shù)訓(xùn)練的沖拳動作，對采摘機器人的關(guān)節(jié)進行了優(yōu)化設(shè)計。優(yōu)化過程主要根據(jù)果實的位置信息，結(jié)合勾拳得動作形狀，對關(guān)節(jié)的彎曲角度進行了優(yōu)化，從而使采摘機械手的動作更加準(zhǔn)確。

勾拳手形結(jié)構(gòu)優(yōu)化如圖5所示。在進行較小作物果實的采摘時，采摘手形對采摘質(zhì)量的影響較大，采用勾拳手形動作可以降低果實的破損率，且通過反復(fù)訓(xùn)練，可以提高采摘速度。為此，對機械手的采摘范圍進行了測試。

圖5 勾拳手形結(jié)構(gòu)優(yōu)化Fig.5 The hook shape structure optimization

圖6為通過測試得到的采摘范圍二維平面圖。測試結(jié)果表明：采摘機器人可以對左右浮動30cm×100cm范圍內(nèi)的果實進行采摘。

圖6 采摘范圍二維測試結(jié)果Fig.6 The two dimensional test results of picking range

采摘機械手的三維動作測試范圍如圖7所示。測試結(jié)果表明：采摘機械手可以實現(xiàn)三維的空間動作，并且動作范圍滿足果實采摘的需求。為了進一步驗證神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的效果，對普通PID控制和神經(jīng)訓(xùn)練PID的參數(shù)進行了測試，分別得到了如圖8和圖9所示的結(jié)果。

圖7 采摘機械手三維動作范圍Fig.7 The three-dimensional range of motion of a picking manipulator

圖8 PID控制參數(shù)變化曲線Fig.8 The change curve of PID control parameters

圖9 神經(jīng)PID參數(shù)變化曲線Fig.9 The change curve of neural PID parameters

由圖8可以看出：采摘機器人的動作響應(yīng)較為迅速，最大響應(yīng)時間僅為1s，1s之后便可以達到穩(wěn)定的狀態(tài)。

由圖9可以看出：采用神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練后，采摘機械手的控制僅在600s內(nèi)就可以達到穩(wěn)定狀態(tài)，有效地提高了機械手的反應(yīng)速度。

圖10為神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)對應(yīng)的動作誤差曲線。圖10表明：隨著神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)的增多，采摘機械手的動作呈現(xiàn)下降的趨勢，最后使誤差降低到最小，從而驗證了基于武術(shù)套路訓(xùn)練的神經(jīng)網(wǎng)絡(luò)算法對采摘機械手控制系統(tǒng)的優(yōu)化作用，提高了采摘機械手的作業(yè)性能。

圖10 誤差響應(yīng)曲線測試Fig.10 The curve test of error response

4 結(jié)論

為了使采摘機械手具有更好的靈活性，提高其作業(yè)性能，將武術(shù)套路誤差糾正訓(xùn)練算法引入到了采摘機械手的設(shè)計過程中，通過勾拳拳形對機械手的末端進行了結(jié)構(gòu)優(yōu)化。通過神經(jīng)網(wǎng)絡(luò)PID控制算法，對機械手控制系統(tǒng)進行了優(yōu)化升級，從而提高了機械手的動作速度和準(zhǔn)確性。為了驗證設(shè)計方法的可靠性，對采摘機械手進行了動作范圍和動作誤差的實驗，結(jié)果表明：采用神經(jīng)網(wǎng)絡(luò)誤差訓(xùn)練方法對采摘機械手進行訓(xùn)練后，其二維和三維空間動作范圍都可以滿足采摘需求；同時，利用設(shè)計網(wǎng)絡(luò)PID控制器后，其動作響應(yīng)速度有了明顯的提高，動作誤差也隨著訓(xùn)練次數(shù)的增多而降低，從而有效地提高了機械手的作業(yè)性能，可以滿足高精度復(fù)雜環(huán)境下作業(yè)的需求。