王 剛

(河南藝術(shù)職業(yè)學(xué)院 公共教學(xué)部,鄭州 450002)

0 引言

在排球比賽過程中,為了找到最佳的扣球動作,采用排球機器人進行訓(xùn)練是一種可行的方法,通過該方法可以找到合適位置出手點、角度和力度等優(yōu)化數(shù)據(jù)。排球機器人主要由兩部分構(gòu)成,包括規(guī)劃模塊和執(zhí)行模塊。其中,規(guī)劃模塊根據(jù)球的運動狀態(tài)及扣球策略確定扣球動作,并完成機械臂的軌跡規(guī)劃;執(zhí)行模塊則按照規(guī)劃模塊生成的機械臂運動軌跡,執(zhí)行扣球動作。為了提高機器人的智能化程度,引入了人工智能算法。人工神經(jīng)網(wǎng)絡(luò)是一種智能化的訓(xùn)練算法,可以實現(xiàn)低誤差的自動反饋調(diào)節(jié),將其使用在排球訓(xùn)練策略上,可以使排球機器人更加迅速地對情景做出反應(yīng),從而提高排球運動規(guī)劃的決策水平。排球機器人的設(shè)計方案完全適合采摘機器人的設(shè)計,特別是動作規(guī)劃系統(tǒng)可以完全移植到采摘機器人的定位識別系統(tǒng)中,對于提高采摘機器人自主定位和識別能力具有重要的意義。

1 排球機器人動作自主規(guī)劃與訓(xùn)練策略

在排球比賽過程中,扣球和攔網(wǎng)是主要的得分要素,特別是扣球的質(zhì)量,在比賽的關(guān)鍵時間可以決定比賽的勝負(fù)?？矍騽幼饕?guī)劃要求排球運動員具有較高的反應(yīng)能力,能在較短時間內(nèi)合理規(guī)劃好扣球動作,使排球即越過球網(wǎng)又能成功拿到分?jǐn)?shù)。為了達到這個目的,需要運動員平時不斷地對動作進行訓(xùn)練,才能在比賽較短時間內(nèi)扣球出手時得到合適的角度。為了找到合適的扣球方法,可以采用排球機器人進行訓(xùn)練,以找到合適位置出手點、角度和力度等優(yōu)化數(shù)據(jù)。排球機器人正?？矍驎r的角度如圖1所示。

圖1 排球扣球正確動作規(guī)劃

排球機器人將排球扣球動作正確規(guī)劃后排球可以順利越過球網(wǎng),并根據(jù)規(guī)劃的動作落到指定位置,如果動作規(guī)劃不正確,排球很容易沒有過網(wǎng)而失掉分?jǐn)?shù),如圖2所示。

排球機器人動作規(guī)劃錯誤會造成沒有過網(wǎng)或者出界等錯誤,為了使排球機器人具有較高的扣球得分率,還需要對排球機器人進行不斷的智能化訓(xùn)練,如利用神經(jīng)網(wǎng)絡(luò)智能化算法。整個排球機器人的設(shè)計主要包括4部分,其總體框架如圖3所示。

圖2 排球扣球錯誤動作規(guī)劃

圖3 排球動作規(guī)劃機器人總體框架

排球動作自主規(guī)劃機器人平臺包括處理器系統(tǒng)、傳感器系統(tǒng)、執(zhí)行機構(gòu)和通信系統(tǒng),利用傳感器可以對扣球的一些動作信息進行采集,然后反饋到處理器,以對扣球動作進行相應(yīng)的調(diào)整?？矍騽幼鞯闹饕瓿蓹C構(gòu)是執(zhí)行機構(gòu)模塊,且排球機器人還具有通信系統(tǒng),可以將動作信息傳遞給遠程端,還可以通過遠程控制的方式對機器人進行動作指揮或者應(yīng)急控制。

2 排球機器人動作規(guī)劃在采摘機器人定位系統(tǒng)中的應(yīng)用

排球機器人可以通過傳感器系統(tǒng)和信息系統(tǒng)對動作規(guī)劃進行不斷調(diào)整,最后實現(xiàn)最佳的扣球動作。排球機器人和采摘機器人控制系統(tǒng)的工作原理類似,采摘機器人要想達到合理的采摘精度,需要對果實進行高精度的定位,高精度的定位系統(tǒng)離不開采摘信息反饋系統(tǒng)和動作規(guī)劃系統(tǒng),因此可以將排球機器人的設(shè)計框架移植到采摘機器人的設(shè)計上,并采用智能化算法對其動作進行不斷地訓(xùn)練。其主要流程如圖4所示。

圖4 采摘機器人設(shè)計流程

為了提高采摘機器人的定位和識別精度,還需要利用高效的智能化算法對其動作規(guī)劃進行不斷的訓(xùn)練。人工神經(jīng)網(wǎng)絡(luò)算法是目前常用的一種智能化優(yōu)化算法,其主要模擬人的神經(jīng)網(wǎng)絡(luò)工作過程,利用電路或者控制程度來實現(xiàn)智能優(yōu)化過程。人工神經(jīng)網(wǎng)絡(luò)模型如圖5所示。

圖5 人工神經(jīng)網(wǎng)絡(luò)模型

與人類神經(jīng)元工作模式類似,人工神經(jīng)網(wǎng)絡(luò)可以對輸入的數(shù)據(jù)進行處理,然后得到合理的決策數(shù)據(jù)后輸出。在采摘機器人進行定位時,可以假設(shè)待采摘果實為凸多邊形,其數(shù)學(xué)表達式為

(1)

其中,果實的邊數(shù)可以用m表示;p1,p2,…,pR為輸入的訓(xùn)練數(shù)據(jù);ω1,ω2,…,ωR表示連接權(quán)值;θ表示偏置信值,果實的(x,y)點都在不等式約束的范圍之內(nèi)。

假設(shè)直線上有確定的兩點p1(x1,y2)和p2(x1,y2),則權(quán)值和置信值可以分別表示為

(2)

受到風(fēng)力和采摘環(huán)境的影響,待采摘果實往往會發(fā)生一些移動,假設(shè)待采摘果實做平移動作,各個參數(shù)都可以進一步簡化,其中各個邊的ωx、ωy不變,于是可得θM的更新公式為

ΔθM=-ωxpx-ωypy

(3)

其中,px、py分別是平移向量p在x軸、y軸上的投影分量。假設(shè)橢圓的兩個端點分別是A1(x1,y2)和A2(x1,y2),其2a長軸可表示為

(4)

長軸與x軸正方向的夾角θ0為

(5)

橢圓的中心C(x0,y0)為

(6)

假設(shè)短軸的一個端點為B1(x3,y3),則短軸的長度2b為

(7)

有了a、b、θ0這些參數(shù),就可以對神經(jīng)網(wǎng)絡(luò)參數(shù)進行更新,其神經(jīng)網(wǎng)絡(luò)的第一層的偏置值按下面的公式更新,即

(8)

(9)

如果活動的障礙物為其他形狀,還可以根據(jù)需要進一步拓展模型。采用神經(jīng)網(wǎng)絡(luò)模型,可以按照一定的規(guī)則通過樣本數(shù)據(jù)進行不斷的訓(xùn)練,得到合理的識別和定位決策,如圖6所示。

采摘機器人在智能化訓(xùn)練過程中,可以通過神經(jīng)網(wǎng)絡(luò)的樣本訓(xùn)練,利用數(shù)據(jù)分析和訓(xùn)練動作的不斷優(yōu)化,形成精度較高的采摘動作規(guī)劃方法,最后通過不斷的分析比較,形成思維決策能力。

圖6 采摘機器人智能訓(xùn)練過程

3 采摘機器人定位識別功能測試

根據(jù)排球機器人運動規(guī)劃系統(tǒng)的原理,將人工神經(jīng)網(wǎng)絡(luò)算法嵌入到了采摘機器人的軟件模塊中,以實現(xiàn)機器人的快速和高精度的定位識別功能。其軟件系統(tǒng)的基本結(jié)構(gòu)框架如圖7所示。

圖7 采摘機器人軟件結(jié)構(gòu)框架

采摘機器人的主控計算機軟件模塊主要分為4部分,包括視覺處理模塊、路徑規(guī)劃計算模塊、機器人主控制模塊和通信模塊。其中,視覺模塊主要功能是對待采摘果實的識別;路徑規(guī)劃模塊通過人工神經(jīng)網(wǎng)絡(luò)算法得到最佳的果實定位識別路徑,為采摘機器人的動作行為提供運動策略。軟件模塊采用Windows平臺,圖像處理模塊采用DirectX+OpenCV 開發(fā), 通信模塊采用DSP芯片進行控制,從而實現(xiàn)采摘機器人的智能化定位過程。待采摘蘋果如圖8所示。

圖8 待采摘蘋果示意圖

為了驗證方案的可行性,以采摘蘋果作為試驗?zāi)康?通過軟件智能控制采摘機器人的方式對蘋果的識別和定位成功率進行測試,以驗證人工神經(jīng)網(wǎng)絡(luò)算法的可靠性。測試過程中,分別對人工神經(jīng)網(wǎng)絡(luò)、蟻群算法、禁忌搜索算法和貝葉斯算法進行了數(shù)據(jù)統(tǒng)計,統(tǒng)計結(jié)果包括算法的響應(yīng)時間和響應(yīng)完成,如表1所示。

表1 決策響應(yīng)時間和響應(yīng)誤差表

由表 1可以看出:采用人工神經(jīng)網(wǎng)絡(luò)算法響應(yīng)時間最短,響應(yīng)誤差也最小,是最佳可選的智能算法。

表2 定位時間和采摘成功率統(tǒng)計結(jié)果

由表2可以看出:采用4種智能算法的果實成功采摘率都較高,人工神經(jīng)網(wǎng)絡(luò)算法是最高的,且定位時間也是最短的,將其使用在采摘機器人定位識別系統(tǒng)中是可行的。

4 結(jié)論

為了提高采摘機器人的自主定位和識別能力及采摘效率和準(zhǔn)確率,將排球機器人運動規(guī)劃方案使用在了采摘機器人控制系統(tǒng)的設(shè)計上,并對機器人采摘的效率和成功率進行了測試,以驗證方案的可行性。測試結(jié)果表明:對于蘋果的成功采摘率較高,且定位時間也較短,系統(tǒng)的響應(yīng)誤差較小,響應(yīng)速度較快,可以滿足果實快速高精度采摘的設(shè)計需求。對不同的人工智能算法分別進行了測試,其中4種智能算法的成功采摘率都較高,人工神經(jīng)網(wǎng)絡(luò)的精度是最高的,也是響應(yīng)最快的。因此,人工智能算法的使用對于提高采摘機器人的智能化和自動化水平具有重要的意義。