摘" 要： 設(shè)計一種基于人工智能技術(shù)的機器人運動控制系統(tǒng)，確保機器人更好地理解人類的意圖，并提供更加人性化的服務(wù)。該系統(tǒng)通過運動數(shù)據(jù)采集與傳輸組件連接機器人的軸電機，采集機器人當前運動數(shù)據(jù)后，將其傳輸?shù)娇刂破鹘M件內(nèi)，控制器組件依托X86架構(gòu)工控機，使用PIC總線將采集到的機器人當前運動數(shù)據(jù)發(fā)送到基于人工智能技術(shù)的機器人運動路徑規(guī)劃模塊內(nèi)。該模塊運用人工智能技術(shù)中的A*算法獲取機器人軌跡路徑規(guī)劃結(jié)果后，依據(jù)該路徑規(guī)劃結(jié)果，將人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)和模糊B樣條基函數(shù)相結(jié)合，建立模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器。該控制器輸出機器人運動控制指令，并發(fā)送給伺服驅(qū)動器組件，伺服驅(qū)動器負責驅(qū)動機器人軸電機，控制機器人運動。實驗結(jié)果表明：所設(shè)計系統(tǒng)具備較強的機器人路徑規(guī)劃能力，可在復(fù)雜路徑情況下實現(xiàn)機器人運動控制，且控制精度和控制階躍響應(yīng)能力均較強。

關(guān)鍵詞： 人工智能； 機器人； 運動控制系統(tǒng)； 模糊B樣條基函數(shù)； 神經(jīng)網(wǎng)絡(luò)； 路徑規(guī)劃

中圖分類號： TN876?34； TP391" " " " " " " " " "文獻標識碼： A" " " " " " " " " " " 文章編號： 1004?373X（2024）10?0117?06

Design of robot motion control system based on artificial intelligence technology

Abstract： A robot motion control system based on artificial intelligence technology is designed to ensure that robots better understand human intentions and provide more humane services. The system can connect the axis motor of the robot by means of motion data collection and transmission components. After collecting the current motion data of the robot， it is transmitted to the controller component. The controller component relies on the X86 architecture industrial computer and can use the PIC bus to send the collected current motion data of the robot to the robot motion path planning module of artificial intelligence technology. In this module， the A* algorithm in artificial intelligence technology is used to obtain the robot trajectory path planning results. Based on the path planning results， the artificial neural network in artificial intelligence technology is combined with the fuzzy B?spline basis function to establish a the fuzzy B?spline basis neural network controller. The controller outputs the robot motion control command and send it to the servo drive component， which is responsible for driving the robot shaft motor， and control robot movement. The experimental results show that the designed system has strong robot path planning ability， can achieve robot motion control in complex path situations， and has strong control accuracy and step response ability.

Keywords： artificial intelligence; robots; motion control system; fusion B?spline basis functions; neural networks; path planning

0" 引" 言

在科技日新月異的今天，機器人已經(jīng)從科幻小說中的概念走進了現(xiàn)實生活，成為了人們?nèi)粘Ｉ詈凸ぷ鞯牡昧χ?。而決定機器人性能的關(guān)鍵因素之一就是其運動控制系統(tǒng)的設(shè)計，一個優(yōu)秀的運動控制系統(tǒng)可以使機器人在各種復(fù)雜環(huán)境中靈活自如地運動，完成各種任務(wù)[1?2]。然而傳統(tǒng)的機器人運動控制系統(tǒng)通常依賴于預(yù)設(shè)的算法和程序，這限制了機器人的適用性和智能化程度。趙丕洋等人設(shè)計了一種基于ROS的機器人控制系統(tǒng)，該系統(tǒng)以Ubuntu下的ROS元系統(tǒng)實現(xiàn)機器人控制的通信；運用Python編程對機器人進行定位和行動地圖編碼后，再規(guī)劃機器人行動路徑，通過控制電機轉(zhuǎn)速控制機器人移動，實現(xiàn)機器人的運動控制[3]。但該方法對機器人路徑規(guī)劃不夠準確，導(dǎo)致其控制機器人運動的效果不佳。余凡等人設(shè)計了一種基于STM32的機器人控制系統(tǒng)，該系統(tǒng)將STM32芯片作為主控芯片，通過設(shè)計主控模塊、無線通信連接程序、機器人運動控制器控制程序等，實現(xiàn)機器人運動控制[4]。但該系統(tǒng)通信能力略差，會出現(xiàn)通信中斷現(xiàn)象，導(dǎo)致控制機器人運動存在延遲性。

人工智能技術(shù)包括多個領(lǐng)域和應(yīng)用，如機器學(xué)習(xí)、計算機視覺、自然語言處理等。機器學(xué)習(xí)是人工智能的關(guān)鍵驅(qū)動力，它使用算法讓計算機從數(shù)據(jù)中學(xué)習(xí)并改進其性能。運用人工智能技術(shù)中的自然語言處理技術(shù)，可使計算機理解和生成人類語言，并支持人機交互。人工智能技術(shù)正在不斷發(fā)展，并在許多領(lǐng)域得到應(yīng)用[5]，通過引入人工智能技術(shù)，可以讓機器人像人類一樣具有自主學(xué)習(xí)和決策的能力，從而使機器人更好地適用于復(fù)雜多變的環(huán)境和任務(wù)?；诖?，本文設(shè)計一種基于人工智能技術(shù)的機器人運動控制系統(tǒng)，以提高機器人運動控制的性能和智能化水平。

1" 機器人運動控制系統(tǒng)設(shè)計

1.1" 機器人運動控制系統(tǒng)開發(fā)方案設(shè)計

機器人運動控制系統(tǒng)應(yīng)用環(huán)境不同，本文按照滿足可移植、可重組的思想設(shè)計機器人運動控制系統(tǒng)開發(fā)方案，如圖1所示。

機器人運動控制系統(tǒng)開發(fā)方案由示教器、控制器組件、運動數(shù)據(jù)采集與傳輸組件、伺服驅(qū)動器組件和機器人組成。通過運動數(shù)據(jù)采集與傳輸組件內(nèi)的絕對編碼器獲取機器人軸電機運行數(shù)據(jù)，并將其輸入到定位器內(nèi)；定位器獲得當前機器人位置數(shù)據(jù)后，通過以太網(wǎng)通信將其傳輸?shù)骄幋a器讀數(shù)器內(nèi)；編碼器讀數(shù)器連接控制器組件內(nèi)的X86架構(gòu)工控機，通過該工控機與PIC總線將機器人位置數(shù)據(jù)傳輸?shù)交谌斯ぶ悄芗夹g(shù)的機器人運動路徑規(guī)劃模塊內(nèi)；路徑規(guī)劃模塊依據(jù)機器人當前位置為其規(guī)劃好路徑后，將路徑規(guī)劃結(jié)果輸入到模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器內(nèi)，該控制器連接伺服驅(qū)動器組件，控制機器人軸電機運行。以上過程通過示教器內(nèi)觸摸屏專用輸入設(shè)備等與用戶進行交互，其中觸摸屏內(nèi)置WinCE6.0操作系統(tǒng)，負責驅(qū)動機器人運動控制程序。

1.2" 機器人路徑規(guī)劃程序設(shè)計

機器人運動控制系統(tǒng)通過運動數(shù)據(jù)采集與傳輸組件獲取到當前機器人位置數(shù)據(jù)后，將其發(fā)送到控制器組件內(nèi)，控制器組件內(nèi)的機器人運動路徑規(guī)劃模塊，運用人工智能技術(shù)中的A*算法對機器人運動路徑進行規(guī)劃。A*算法是人工智能中的一種算法，用于解決搜索問題，例如在游戲、機器人等領(lǐng)域中尋找最優(yōu)路徑[6?7]。該算法屬于啟發(fā)式搜索的一種，能夠利用基于啟發(fā)式的算法和最優(yōu)子結(jié)構(gòu)性質(zhì)在空間中尋找到最佳路徑。本文運用A*算法獲取機器人軌跡路徑規(guī)劃，其詳細流程如圖2所示。

人工智能技術(shù)中的A*算法在規(guī)劃機器人運動路徑時，先定義機器人坐標，再依據(jù)環(huán)境中的障礙物定義環(huán)境模型，并建立機器人路徑規(guī)劃函數(shù)。之后將機器人目標位置作為原點，規(guī)劃當前路徑并存儲后，判斷當前規(guī)劃好的路徑中起點與終點之間是否存在障礙物。若存在障礙物，則返回上一步；若不存在障礙物，則將當前規(guī)劃好的路徑存儲在路徑列表內(nèi)[8]。其次，計算機器人當前點位到目標點的直線距離，利用該距離數(shù)值減去機器人半徑，得到當前路徑步長，依據(jù)該步長規(guī)劃機器人下一步路徑，并存儲到總路徑列表中。最后輸出總路徑列表，實現(xiàn)機器人運動路徑規(guī)劃。

1.3" 模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計

機器人在運行過程中，通過調(diào)整步長、速度、轉(zhuǎn)向角度等，依據(jù)機器人路徑規(guī)劃結(jié)果，采用控制器控制機器人運動到目標位置[9]。本文將模糊B樣條基函數(shù)和人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器。

模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器設(shè)計為兩輸入單輸出模式，將機器人路徑規(guī)劃結(jié)果與機器人當前誤差作為輸入矢量，由[x=x1，x2，…，xm]表示，[m]為輸入維度；再令其中控制器的輸出結(jié)果為[u（t）]，控制器的給定輸入即機器人運動路徑為[r（t）]，[y（t）]為機器人運動目標位置，則機器人運動誤差為：

[e（t）=r（t）-y（t）]

將輸入矢量輸入到多變量B樣條基函數(shù)內(nèi)，以輸入矢量[x=x1，x2，…，xm]為例，定義該輸入矢量在每個輸入軸上的B樣條基函數(shù)[ηiki，ni]，其中[ki=1，2，…，n]，[n]為多變量總數(shù)，[i∈m]，為維度。則第[k]個多變量的B樣條基函數(shù)是由[m]個單變量基函數(shù)的張積組成，計算公式如下：

式中[ηk（x）]表示第[k]個多變量的B樣條基函數(shù)。

在式（1）中，張積B樣條基函數(shù)的遞推關(guān)系與B樣條基函數(shù)相同，也就是其多變量函數(shù)可通過多變量B樣條基函數(shù)線性組合來逼近，即：

式中：[y（x）]表示多變量B樣條基函數(shù)；[?k]表示第[k]個變量的B樣條權(quán)值。

以多變量B樣條基函數(shù)線性組合逼近函數(shù)為基礎(chǔ)，建立模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器。該控制器的第1層和第2層為機器人模糊控制規(guī)則的前提部分，第3層為機器人運動控制模糊推理部分，第4層則為控制規(guī)則部分。模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器的第1層接收機器人按照規(guī)劃路徑行動的誤差，控制器的第1層輸出公式如下：

[o（1）i=xi] （3）

式中：[o（1）i]表示模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器第1層輸出結(jié)果；[xi]為第[i]個輸入矢量。

運用模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器的第2層對式（3）結(jié)果進行模糊化處理。該控制器的第2層運用式（2）B樣條基函數(shù)進行線性擬合逼近，該基函數(shù)的階次設(shè)置為3，則該層輸出結(jié)果公式如下：

[o（2）j=ηj，3（xi）] （4）

式中：[o（2）j]表示模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器第2層第[j]個神經(jīng)元輸出結(jié)果；[ηj，3（xi）]為機器人按照規(guī)劃路徑行動控制B樣條基函數(shù)。

模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器的第3層為機器人運動模糊控制規(guī)則層，其運用乘法實現(xiàn)機器人運動模糊控制集的運算。在該網(wǎng)絡(luò)層內(nèi)，每個網(wǎng)絡(luò)神經(jīng)元均代表一條模糊規(guī)則[10?11]，每個神經(jīng)元的輸出對應(yīng)的是每個模糊控制規(guī)則的適用度。該層輸出公式如下：

[o（3）k=σj1（x1）?σj2（x2）] （5）

式中：[o（3）k]表示模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器第3層輸出的第[k]個機器人運動模糊控制規(guī)則；[j1]、[j2]表示兩個神經(jīng)元的模糊規(guī)則；[σj1（x1）]、[σj2（x2）]分別表示控制器上層兩個模糊控制規(guī)則適用度。

模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器的第4層是去模糊化層，也就是機器人運動模糊控制輸出層[12]。其對上一層的網(wǎng)絡(luò)輸出進行解模糊操作，輸出結(jié)果為機器人運動控制規(guī)則總和，公式如下：

式中：[u（t）]表示模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器輸出的機器人運動控制結(jié)果；[ωk]表示網(wǎng)絡(luò)連接權(quán)值[13]。

1.4" 伺服驅(qū)動器設(shè)計

機器人運動控制系統(tǒng)通過模糊B樣條基函數(shù)神經(jīng)網(wǎng)絡(luò)控制器輸出機器人運動控制指令后，將該指令傳輸給系統(tǒng)的伺服驅(qū)動器組件，伺服驅(qū)動器組件負責驅(qū)動機器人運動。本文所設(shè)計的伺服驅(qū)動器由電流環(huán)、速度環(huán)和位置環(huán)組成，主要負責接收機器人運動命令，控制機器人電機輸出轉(zhuǎn)矩、調(diào)整電流參數(shù)等。所設(shè)計的伺服驅(qū)動器總體結(jié)構(gòu)如圖3所示。機器人運動控制伺服驅(qū)動器接收到控制指令后，分別輸入到位置環(huán)、速度環(huán)、轉(zhuǎn)矩、電流控制環(huán)內(nèi)，通過對機器人的坐標進行變換，經(jīng)過逆變器驅(qū)動機器人永磁同步電機，實現(xiàn)機器人運動控制。

伺服驅(qū)動器控制過程中采用矢量控制[14?15]，在[d?q]坐標系下，機器人伺服電機狀態(tài)方程表示為：

式中：[P]表示微分算子；[id]、[iq]分別表示[d?q]坐標軸的定子電流；[Rs]、[Qs]為定子電感和電阻；[ωr]為機器人轉(zhuǎn)子機械角速度；[Ud]、[Uq]表示[d?q]坐標軸電壓數(shù)值；[ψf]表示轉(zhuǎn)子磁極與繞組之間的磁鏈。

機器人電機對應(yīng)的轉(zhuǎn)矩方程公式如下：

伺服驅(qū)動器通過公式（8）可對機器人電機轉(zhuǎn)矩進行控制，實現(xiàn)機器人運動控制。

2" 實驗結(jié)果與分析

M?410iB型機器人是一款大型物流智能機器人，其是為了實現(xiàn)物流系統(tǒng)的機器人化而開發(fā)的，具有更大的運動范圍和更快的速度，已被廣泛應(yīng)用于搬運、裝配、分揀等領(lǐng)域。將該型號機器人作為實驗對象，使用本文系統(tǒng)對該機器人運動進行控制，驗證該系統(tǒng)的實際應(yīng)用效果。M?410iB型機器人參數(shù)如表1所示。

設(shè)置機器人運動控制實驗環(huán)境，在400 m×400 m空間內(nèi)設(shè)置若干個障礙物，使用本文系統(tǒng)在該空間內(nèi)對機器人運動進行控制。機器人運動路徑規(guī)劃是實現(xiàn)其運動控制的基礎(chǔ)，故運用本文系統(tǒng)對機器人路徑進行規(guī)劃。為使實驗結(jié)果更具有說服力，采用文獻[3]的基于ROS的機器人控制系統(tǒng)和文獻[4]的基于STM32的機器人控制系統(tǒng)同時展開實驗，實驗結(jié)果如圖4所示。根據(jù)圖4的對比分析可知，與其他兩種系統(tǒng)相比，本文系統(tǒng)規(guī)劃出的路徑不僅最短，而且轉(zhuǎn)向次數(shù)最少，說明本文提出的機器人控制系統(tǒng)在生成運動路徑時展現(xiàn)出顯著優(yōu)勢。本文系統(tǒng)能夠高效地生成機器人運動路徑，顯著降低轉(zhuǎn)向次數(shù)，使機器人以最簡潔的路徑快速準確地到達目標位置，這不僅提高了機器人的工作效率，還有助于減少不必要的能量消耗。

在實驗環(huán)境內(nèi)規(guī)劃復(fù)雜路徑，并使用本文系統(tǒng)對機器人運動進行控制，控制結(jié)果如圖5所示。通過觀察圖5可以清晰地看到，使用本文提出的機器人控制系統(tǒng)，機器人在復(fù)雜的運動路徑上表現(xiàn)出良好的控制效果。在大部分路徑上，機器人的實際運動與規(guī)劃的路徑非常接近，這表明該系統(tǒng)具有強大的運動控制能力。然而，在路徑的轉(zhuǎn)彎處，控制路徑與實際路徑存在一定的偏差，但這種偏差較小，不會對整體運動效果產(chǎn)生顯著影響?？傮w來說，本文系統(tǒng)在機器人運動控制方面具有顯著的效果。

為進一步驗證本文系統(tǒng)對機器人的運動控制能力，以機器人運動誤差作為衡量指標，測試本文系統(tǒng)控制機器人到達10個目標點時，機器人位置與目標點位置之間的距離差值。同樣使用基于ROS的機器人控制系統(tǒng)和基于STM32的機器人控制系統(tǒng)展開實驗，實驗結(jié)果如表2所示。

通過對比分析表2中的數(shù)據(jù)可以清晰地看到，在使用三種不同系統(tǒng)對機器人進行運動控制后，機器人在到達目標點位置時均存在一定的誤差，然而，本文系統(tǒng)在控制機器人運動時的誤差表現(xiàn)出了顯著的優(yōu)勢。與另外兩種系統(tǒng)相比，本文系統(tǒng)控制下的機器人到達目標點的最大誤差僅為0.59 cm，最小誤差僅為0.21 cm；而基于ROS的機器人控制系統(tǒng)和基于STM32的機器人控制系統(tǒng)的誤差較大，最大誤差分別為1.57 cm和2.16 cm。這些數(shù)據(jù)有力地證明了本文系統(tǒng)在機器人運動控制方面具有卓越的性能和準確性，能夠?qū)崿F(xiàn)更精確的運動控制，從而提高機器人的工作效率和精度。

以本文系統(tǒng)控制機器人運動時，控制機器人伺服驅(qū)動器階躍響應(yīng)作為衡量指標，進一步驗證本文系統(tǒng)對機器人的運動控制能力，控制結(jié)果如圖6所示。

通過對圖6的細致分析可以發(fā)現(xiàn)，三種系統(tǒng)中，本文系統(tǒng)在控制機器人運動時的階躍響應(yīng)時間數(shù)值最小，且階躍響應(yīng)波動幅度最小。這一結(jié)果清晰地表明，本文系統(tǒng)在控制機器人運動時具有卓越的響應(yīng)性能。與其他系統(tǒng)相比，本文系統(tǒng)能夠更迅速地響應(yīng)機器人的運動需求，并且其控制波動幅度較小，這說明系統(tǒng)的穩(wěn)定性較高，而這種快速且穩(wěn)定的響應(yīng)能力對于機器人執(zhí)行精確、高效的任務(wù)至關(guān)重要。

3" 結(jié)" 論

基于人工智能技術(shù)的機器人運動控制系統(tǒng)設(shè)計是一項融合了多個領(lǐng)域的創(chuàng)新工作。本文基于深度學(xué)習(xí)和控制理論，成功地構(gòu)建了一個高效、精確的機器人運動控制系統(tǒng)。該系統(tǒng)能夠自主規(guī)劃機器人的運動路徑，減少轉(zhuǎn)向次數(shù)，提高工作效率。同時，通過實時的階躍響應(yīng)分析，驗證了該系統(tǒng)具有快速響應(yīng)和低波動性的優(yōu)點，能夠確保機器人在復(fù)雜環(huán)境中的運動穩(wěn)定性。

本文設(shè)計不僅提升了機器人的運動性能，更為重要的是，它為人工智能技術(shù)在機器人控制領(lǐng)域的應(yīng)用開辟了新的可能。未來可在此基礎(chǔ)上進一步優(yōu)化算法，提高機器人的感知能力，以及增強其適應(yīng)各種復(fù)雜任務(wù)和環(huán)境的能力。期待這一技術(shù)能夠為智能機器人領(lǐng)域的發(fā)展帶來更大的突破。

參考文獻

[1] 姜蘇，萬剛.基于幾何不變性和滑動模態(tài)算法的冗余機器人運動控制研究[J].機床與液壓，2021，49（5）：40?44.

[2] 朱安，陳力.空間機器人在軌雙臂輔助航天器對接力/位置嵌套雙層滑模阻抗控制[J].光學(xué)精密工程，2023，31（22）：3266?3278.

[3] 趙丕洋，洪榮晶，方成剛.基于ROS的UR5機器人控制系統(tǒng)設(shè)計[J].南京工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2022，44（2）：161?168.

[4] 余凡，王庭有，劉曉光，等.基于STM32的負壓爬壁機器人控制系統(tǒng)設(shè)計[J].機床與液壓，2022，50（3）：31?35.

[5] 田為廣，徐海黎，陳妍，等.可變車道隔離護欄運載機器人系統(tǒng)及其控制策略[J].工程設(shè)計學(xué)報，2022，29（2）：237?246.

[6] 彭漢修，趙建國，王菊，等.伸縮式井下機器人電液控制系統(tǒng)研制與性能評價[J].石油鉆探技術(shù)，2023，51（3）：66?72.

[7] 吳超群，趙松，雷艇.曲線焊縫的機器人焊接軌跡規(guī)劃與高頻控制[J].中國機械工程，2023，34（14）：1723?1728.

[8] 邢艷麗，亢瑾.下肢康復(fù)訓(xùn)練機器人膝踝協(xié)調(diào)運動控制方法[J].機械設(shè)計與制造，2022（3）：287?291.

[9] 李志文，程志江，杜一鳴，等.基于ROS的清潔機器人運動控制研究[J].計算機仿真，2023，40（4）：455?460.

[10] 鐘錚語，徐明，彭輝，等.全向移動爬壁機器人設(shè)計及其運動特性研究[J].控制工程，2022，29（9）：1537?1545.

[11] 時維國，寧寧，宋存利.基于反步滑模的移動機器人編隊控制算法[J].中國慣性技術(shù)學(xué)報00，2023，31（3）：282?291.

[12] 林俊文，程金，季金勝.基于策略梯度及強化學(xué)習(xí)的拖掛式移動機器人控制方法[J].市政技術(shù)，2023，41（10）：101?105.

[13] 范振，陳乃建，董春超，等.基于深度強化學(xué)習(xí)的單臂機器人末端姿態(tài)控制[J].濟南大學(xué)學(xué)報（自然科學(xué)版），2022，36（5）：616?625.

[14] 李輝.基于分裂迭代和模糊算法的采摘機器人控制系統(tǒng)[J].農(nóng)機化研究，2023，45（8）：24?28.

[15] 于力率，蘇曉杰，孫少欣，等.基于分層控制策略的六輪滑移機器人橫向穩(wěn)定性控制[J].自動化學(xué)報，2023，49（7）：1421?1432.