歐群雍，張吉同，李喜華

（鄭州工業(yè)應(yīng)用技術(shù)學(xué)院 信息工程學(xué)院，鄭州 451150）

0 引言

在機(jī)械制造業(yè)領(lǐng)域技術(shù)裝備改造和升級的當(dāng)下，工業(yè)機(jī)器人因具有較高的智能性和可控性而得到了廣泛的應(yīng)用。在制造生產(chǎn)線上，全自動工業(yè)機(jī)器人能夠替代人工完成重復(fù)性工作，不僅有效提高了制造效率，還能節(jié)省資源、降低成本[1]。

路徑跟蹤技術(shù)是工業(yè)機(jī)器人的核心技術(shù)之一。路徑跟蹤配合路徑控制能夠保證機(jī)器人按既定路線移動。為此，文獻(xiàn)[2]中提出了一種基于模糊算法的機(jī)器人路徑跟蹤方法，該方法根據(jù)機(jī)器人所處的環(huán)境動態(tài)規(guī)劃其移動路徑，然后通過構(gòu)建函數(shù)關(guān)系計算路徑中各點(diǎn)的曲率，再利用信號產(chǎn)生器、反饋控制器實(shí)時跟蹤機(jī)器人的移動路徑。文獻(xiàn)[3]中提出了一種基于激光雷達(dá)的移動機(jī)器人路徑自動跟蹤方法，該方法通過舵機(jī)模塊和速度檢測模塊來監(jiān)測機(jī)器人的移動速度，從而分析其在移動時受到的影響，然后通過采集相關(guān)的激光數(shù)據(jù)，可視化監(jiān)測機(jī)器人的真實(shí)移動路徑。

基于上述研究，本文將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到機(jī)器人移動路徑自動跟蹤工作中，配合自適應(yīng)PID調(diào)節(jié)技術(shù)控制移動路徑跟蹤時偏差，從而獲得更準(zhǔn)確的移動路徑跟蹤結(jié)果。

1 工業(yè)機(jī)器人路徑跟蹤方法設(shè)計

本研究首先利用機(jī)器學(xué)習(xí)技術(shù)中的卷積神經(jīng)網(wǎng)絡(luò)得到工業(yè)機(jī)器人路徑的初步跟蹤結(jié)果，然后利用自適應(yīng)PID調(diào)節(jié)技術(shù)智能調(diào)整跟蹤誤差，從而獲得精確的路徑跟蹤結(jié)果。

1.1 基于機(jī)器學(xué)習(xí)技術(shù)跟蹤工業(yè)機(jī)器人路徑

1.1.1 采集工業(yè)機(jī)器人移動場景圖像

采用分辨率為2048×1536的自動曝光模式，利用 CCD相機(jī)對工業(yè)機(jī)器人移動場景圖像進(jìn)行采集，并將采集到的場景圖像保存至統(tǒng)一的環(huán)境中。具體的采集步驟如圖1所示。

圖1 工業(yè)機(jī)器人移動場景圖像采集方案

如圖1所示，將圖像采集卡與CCD相機(jī)和嵌入式板相連接，利用圖像傳輸天線和圖像接收天線組成圖像傳輸模塊，通過圖傳與數(shù)傳兩個渠道同時完成對工業(yè)機(jī)器人移動場景圖像的準(zhǔn)確采集。

在使用CCD相機(jī)拍攝圖像時，盡可能使相機(jī)鏡頭與機(jī)器人所移動平面平行，防止采集到的路徑信息出現(xiàn)明顯的變形[4]。采集到的場景圖像如圖2所示。

圖2 工業(yè)機(jī)器人移動場景圖像示例

1.1.2 工業(yè)機(jī)器人移動場景圖像預(yù)處理

圖像歸一化處理是卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練前的重要預(yù)處理步驟。采用歸一化操作對采集到的圖像數(shù)據(jù)實(shí)施統(tǒng)一的量化處理后，可以有效降低某些圖像特征被忽略的情況。且輸入歸一化圖像數(shù)據(jù)集后，卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程的收斂速度將大大提高。

對工業(yè)機(jī)器人移動場景圖像實(shí)施歸一化處理的作用是呈現(xiàn)樣本的統(tǒng)計分布，將數(shù)據(jù)區(qū)間歸一化為[0，1]，則區(qū)間呈現(xiàn)坐標(biāo)分布。為此，本研究采用Z-score方法將工業(yè)機(jī)器人移動場景圖像數(shù)據(jù)歸一化至[0，1]區(qū)間內(nèi)，以滿足卷積網(wǎng)絡(luò)模型對輸入數(shù)據(jù)的要求，過程如下：

式(1)中，X表示工業(yè)機(jī)器人移動場景圖像數(shù)據(jù)，v表示圖像中有效數(shù)據(jù)的均值，參數(shù)σ2表示圖像數(shù)據(jù)的方差。

1.1.3 利用卷積神經(jīng)網(wǎng)絡(luò)初步跟蹤工業(yè)機(jī)器人路徑

本研究利用機(jī)器學(xué)習(xí)技術(shù)中的卷積神經(jīng)網(wǎng)絡(luò)提取業(yè)機(jī)器人路徑特征，從而得到工業(yè)機(jī)器人路徑的初步跟蹤結(jié)果。

從結(jié)構(gòu)上看，卷積神經(jīng)網(wǎng)絡(luò)由輸入層、特征提取層和輸出層組成。其中，特征提取層包括一個或多個卷積層、池化層和全連通層，輸出層包括全連通層和分類器。

淫羊藿總黃酮提取物的HPLC指紋圖譜建立及其中8種成分的含量測定 ………………………………… 牛曉靜等（24）：3376

在機(jī)器人路徑特征提取過程中，卷積層會接收前一層的特征映射，并利用當(dāng)前層的卷積對其進(jìn)行仿射。計算運(yùn)算結(jié)果，通過激活函數(shù)得到該層的特征映射：

式(3)中，down(·)表示下采樣函數(shù)，ωn`i表示第n下采樣層第i個卷積核的權(quán)重?；诖?，重新代入提取到的工業(yè)機(jī)器人路徑特征Z(X)，通過網(wǎng)絡(luò)訓(xùn)練和迭代，即可得到初步的工業(yè)機(jī)器人路徑跟蹤信息。

識別工業(yè)機(jī)器人路徑信息需要設(shè)置一個對比標(biāo)準(zhǔn)，明確路徑信息與背景信息之間的區(qū)別，并按照之前提取的路徑特征設(shè)置具體的對比標(biāo)準(zhǔn)圖譜。然后計算圖譜中的標(biāo)準(zhǔn)路徑特征與卷積神經(jīng)網(wǎng)絡(luò)中提取的路徑特征之間的相似度，實(shí)現(xiàn)路徑特征的匹配，過程如下：

式(4)中，cx和cy分別表示卷積神經(jīng)網(wǎng)絡(luò)中提取的路徑特征和圖譜中的標(biāo)準(zhǔn)路徑特征。在此基礎(chǔ)上，對與圖譜中的標(biāo)準(zhǔn)路徑特征高度相似的路徑信息Cx做融合處理，得到初步的工業(yè)機(jī)器人路徑跟蹤信息Cx。

1.2 跟蹤結(jié)果的自適應(yīng)PID調(diào)節(jié)

在上述的研究過程中，在采集機(jī)器人移動場景圖像信息后，將其輸入到卷積神經(jīng)網(wǎng)絡(luò)中，借助于機(jī)器學(xué)習(xí)技術(shù)獲得了初步的工業(yè)機(jī)器人移動路徑跟蹤結(jié)果。

圖3 自適應(yīng)PID調(diào)節(jié)過程示意圖

由于被調(diào)節(jié)對象為工業(yè)機(jī)器人，誤差收斂趨勢會影響輸出移動路徑偏差值，因此，需指明參考路徑，并依照評估結(jié)果調(diào)整新的收益參數(shù)，傳輸給PID執(zhí)行端，從而獲得較快的收斂效果。自適應(yīng)PID的增益為：

式(5)中：K(t)表示自適應(yīng)PID增益，K0表示常數(shù)，ΔK表示自適應(yīng)PID增益變化值。

卷積神經(jīng)網(wǎng)絡(luò)的收斂速度相對較好，但依舊存在路線誤差，為此，設(shè)計如下自適應(yīng)PID路徑調(diào)節(jié)規(guī)律：

式(6)中：PID增益常數(shù)部分為kP0、kI0、kD0。

由于工業(yè)機(jī)器人移動路徑信息輸出結(jié)果不是單一變量，所以跟蹤過程會根據(jù)外界環(huán)境而自適應(yīng)隨機(jī)變化。因此，本文利用Actor-Critic網(wǎng)絡(luò)選擇高斯分布明確隨機(jī)路徑跟蹤概率，則存在：

依據(jù)式(6)所示的路徑調(diào)節(jié)規(guī)律，由Actor-Critic網(wǎng)絡(luò)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)器模塊，可根據(jù)參考路徑預(yù)測和實(shí)際誤差的輸入，判斷輸出的增益值函數(shù)值，自學(xué)習(xí)調(diào)整增益輸出。增益部分的信息可變部分使用隨機(jī)測試，從而得到最終工業(yè)機(jī)器人路徑跟蹤結(jié)果如下：

2 實(shí)驗(yàn)與分析

為了驗(yàn)證上述設(shè)計的基于機(jī)器學(xué)習(xí)與自適應(yīng)PID調(diào)節(jié)的工業(yè)機(jī)器人路徑跟蹤方法的實(shí)際應(yīng)用效果，設(shè)計如下仿真實(shí)驗(yàn)過程。

2.1 實(shí)驗(yàn)設(shè)計

實(shí)驗(yàn)設(shè)定采用MATLAB仿真平臺跟蹤工業(yè)機(jī)器人的移動路徑。設(shè)置直線移動和曲線移動兩種移動方式：

1）直線移動時工業(yè)機(jī)器人范圍為10m×10m，其移動初始點(diǎn)(0，0)、結(jié)束點(diǎn)(10，10)，輸入角速度為0.5rad/s，線速度為0.15m/s。

2）曲線移動時：工業(yè)機(jī)器人在圓x2+y2=r2(r=3m)范圍內(nèi)移動，工業(yè)機(jī)器人初始和終止位置都為(-2，2)，輸入角速度為0.1rad/s，線速度為0.3m/s。

2.2 路徑跟蹤效果分析

利用本文方法跟蹤工業(yè)機(jī)器人在直線移動和曲線移動情況下的路徑，并與其真實(shí)路徑進(jìn)行對比，得到測試結(jié)果如圖4、圖5所示。其中，實(shí)線為跟蹤得到的機(jī)器人移動路徑，虛線為機(jī)器人的實(shí)際移動路徑。

通過觀察圖4、圖5可以看出，兩條跟蹤路徑基本吻合，說明本文方法跟蹤得到機(jī)器人移動路徑與真實(shí)路徑之間的差距較小，實(shí)現(xiàn)了有效降低跟蹤偏差的目的。這是因?yàn)楸疚姆椒ㄔ诶脵C(jī)器學(xué)習(xí)技術(shù)中的卷積神經(jīng)網(wǎng)絡(luò)得到工業(yè)機(jī)器人路徑的初步跟蹤結(jié)果后，又通過自適應(yīng)PID調(diào)節(jié)技術(shù)智能調(diào)整跟蹤誤差，在實(shí)際跟蹤結(jié)果與真實(shí)值之間存在偏差時，按定額或標(biāo)準(zhǔn)來進(jìn)行糾正，從而獲得了更為精確的路徑跟蹤結(jié)果。

圖4 直線移動路徑跟蹤效果圖

圖5 曲線移動路徑跟蹤效果圖

在此基礎(chǔ)上，為了進(jìn)一步驗(yàn)證本文方法的應(yīng)用效果，以跟蹤數(shù)據(jù)傳輸耗時為指標(biāo)，對本文方法、文獻(xiàn)[2]方法、文獻(xiàn)[3]方法的時效性展開檢驗(yàn)，得到結(jié)果如圖6所示。

圖6 不同方法跟蹤數(shù)據(jù)傳輸耗時測試結(jié)果

通過觀察圖6所示結(jié)果可以看出，隨著工業(yè)機(jī)器人移動場景圖像數(shù)據(jù)量的增加，不同方法跟蹤數(shù)據(jù)傳輸耗時也隨之增加。但相比之下，本文方法的跟蹤數(shù)據(jù)傳輸耗時始終少于兩種傳統(tǒng)方法。這是因?yàn)楸疚姆椒ㄔ诓杉I(yè)機(jī)器人移動場景圖像后對其實(shí)施了歸一化處理，以滿足卷積網(wǎng)絡(luò)模型對輸入數(shù)據(jù)的要求，然后針對輸入到模型中的路徑信息，將其與圖譜中的標(biāo)準(zhǔn)路徑特征高度相似的路徑信息做融合處理，快速得到工業(yè)機(jī)器人路徑跟蹤信息。

3 結(jié)語

現(xiàn)代社會制造業(yè)離不開工業(yè)機(jī)器人的技術(shù)發(fā)展，針對工業(yè)生產(chǎn)中應(yīng)用廣泛，重復(fù)性的任務(wù)操作，機(jī)器人的路徑跟蹤問題成為重要關(guān)注點(diǎn)。為此，本文分析了工業(yè)機(jī)器人移動路徑自動跟蹤及軌跡誤差問題，利用機(jī)器學(xué)習(xí)中的卷積網(wǎng)絡(luò)模型和自適應(yīng)PID調(diào)節(jié)技術(shù)，得到了精準(zhǔn)的工業(yè)機(jī)器人路徑跟蹤信息，有效降低了學(xué)習(xí)時間和跟蹤偏差，使機(jī)器人的工作效率明顯提高。

仿真實(shí)驗(yàn)中，無論是直線還是曲線移動路徑任務(wù)，本文方法控制下機(jī)器人均能實(shí)現(xiàn)精準(zhǔn)的跟蹤，且數(shù)據(jù)傳輸過程的時效性較高，證明本文方法具有較高的應(yīng)用優(yōu)勢。