论文（设计）室内机器人及其路径跟踪网络设计.doc

工业机器人论文题目：室内机器人及其路径跟踪网络设计摘  要 近年来,室内移动机器人的研究和设计成为关注的焦点。我们采用单片机作为机器人的核心控制器,利用超声波传感器、碰撞传感器、步进电机及其控制芯片Ta8435联合制作开发了机器人实验平台。最后介绍了模糊控制、模糊神经网络,并利用模糊控制和模糊神经网络技术对室内机器人导航中的模糊控制避障和模糊神经网络路径跟踪作了MATLAB仿真研究, 达到了预期的目的。该机器人是能够在房间中自动移动,完成地面吸尘、家庭守卫等工作。它集机械学、电子技术、传感器技术、计算机技术、控制技术、机器人技术、人工智能等诸多学科为一体。家庭服务机器人行业的发展,也促进了移动机器人技术、图像和语音识别、传感器等相关技术的发展。关键字: 室内机器人 ， 模糊控制 ， 模糊神经网络，  轨迹跟踪目录一 、机器人的总体设计41.1 机器人设计要求41.2 机器人硬件结构图41.3 机器人小车运动轨迹51.4超声波测距电路设计61.5 碰撞传感器61.6 基于TA8435芯片控制步进电机7二、 用于移动机器人轨迹跟踪的模糊神经网络设计82.1 网络结构82.2模糊神经网络各层输入输出描述8三、仿真实验及结果9四、结论11参考文献12室内机器人及其路径跟踪网络设计一 、机器人的总体设计1.1 机器人设计要求我们设计的机器人总体功能要求如下:在打开电源按钮之后,机器人直线行走,然后根据已存储的电子地图覆盖地面。运动过程中进行实时避障。覆盖区域完毕后停止工作。基于以上所要实现的功能,机器人还应满足以下一些基本要求:（l） 该机器人能够准确探测到机器人周围障碍物,同时探测高度要有一定限制,以免受到地面的干扰;（2） 机器人的运动速度需要比较精确的控制。 移动机器人需要在自主式移动的基础上完成避障和路径规划任务。因此机器人必须对其周围环境状况有较清楚的了解。我们设计的移动机器人系统主要采用了Cygnalf 020单片机作为控制器,选用步进电机及其驱动控制电路作为动力方式,采用超声波传感器作为外部环境的探测手段,同时增加了碰撞传感器来弥补超声波传感器存在探测盲区的缺陷。C8051F020单片机是高度集成的片上系统,在一个芯片内集成了两个多通道ADC子系统（每个子系统包括一个可编程增益放大器和一个模拟多路选择器）、两个电压输出DAC、两个电压比较器和电压基准、SMBus I 2C 总线接口、UART、SPI总线接口、5个通用的16位定时器、一个具有5个捕捉/比较模块的可编程计数器/定时器阵列、内部振荡器、8个8位通用I/O接口和64KBFLASH程序存储器以及与8051兼容的高速微控制器内核。1.2 机器人硬件结构图我们设计的室内机器人的结构如图1所示:是一个具有支撑轮的三轮小车,前面的一个轮为支撑轮,起到支撑车体的作用而无导向作用。后面的两个轮是驱动轮,由步进电机驱动。可以通过调节两个后轮的转速来控制车体的运行速度和转动角度。电机与后轮各构成一个速度闭环,做恒速输出,在工作载荷内,调节两电机的输入电压即可调节两后轮的转速。其底盘采用薄钢板,三轮支撑方式,最前方为支撑轮,后方为两个平行的驱动轮,由步进电机及其细分驱动控制芯片TA8435做驱动控制。前方安装有超声波传感器和碰撞传感器。中间放置Cygnalf 020单片机,用以下载控制程序。1.3 机器人小车运动轨迹机器人小车的运动路径示意图如图2所示,车体运动起始点O为坐标原点,经时间t后车体运动到点A处,其中,Ex（t）和Ey（t） 为小车在X方向上和Y方向上的位移;（t） 和（t）为小车的角位移和角速度; 为小车两后轮中点处的移动速度。图 1 小车结构图图2 运动路径示意图1.4超声波测距电路设计图3超声波接收电路图超声波电路结构见图3,4所示。我们采用超声波传感器的中心频率为40KHz,因此决定了超声波传感器激励信号的中心频率也为40KHz。由于超声波传感器对信号频率变化的敏感度比较高,稍微偏离额定的中心频率就会使传感器的发射声强明显衰减。因此产生所需额定激励信号并保证激励信号中心频率相对稳定便是超声波振荡信号发生电路的主要任务。1.5 碰撞传感器在实际的调试过程中,由于超声波传感器间存在测量上的盲区,因此在机器人前端设计了碰撞传感器。既在碰撞板左右两侧各装有一个微动开关,在不发生碰撞的情况下,传感器向单片机发出的是高电平信号,移动机器人在前方的发生碰撞,会引起左右开关的响应并传送低电平信号给控制器,从而控制机器人做出相应反应动作。图4 超声波发射电路图图5 微动开关连接原理图1.6 基于TA8435芯片控制步进电机M1、M2 两个引脚决定电机的转动方式,M1=0、M2=0,电机按整步方式运转,M1=1、M2=0 电机按半步方式运转,M1=0、M2=1 电机按 1/4 细分方式运转,M1=1、M2=1 电机按 1/8 步细分方式运转。CW/CWW控制电机转动方向,CK1、CK2 时钟输入,最大频率不能超过 5K,控制时钟的频率,即可控制电机转动速率。REFIN 为高电平时,NFA, NFb输出电压为 0.8V,REFIN 为低电平时,NFA,NFB 输出电压为 0.5V,这两个引脚控制步进电机输入电流, O、C 两线不接,步进电机按 2 相双极性使用,这样可以提高步进电机的输出转矩。二、 用于移动机器人轨迹跟踪的模糊神经网络设计在移动机器人轨迹跟踪研究方面中,比较常用的有神经网络方法或其他文献所述的模糊神经网络方法。模糊控制系统不能适应控制过程的变化,影响控制效果,而神经网络具有在线调整的能力。根据模糊逻辑技术和神经网络技术各自的优点,将模糊技术和神经网络有机结合起来,组成模糊神经网络控制系统,可实现模糊规则自动提取、模糊隶属函数自动生成以及在线调节参数。因此,我们采用了基于高斯基模糊神经网络的方法设计了一种模糊神经网络控制器,它不依赖于系统的精确数学模型,能够完成所要求的机器人轨迹跟踪的任务。2.1 网络结构多输入多输出系统（MIMO）的输出是相互独立的,所以MIMO模糊规则可分解为多个多输入单输出系统（MISO）的模糊规则。所以不失一般性,下面只介绍MISO模糊神经网络。本文的模糊神经网络的结构如图6所示:图6 模糊神经网络模型在该模型中,一共有四层,它们分别是输入层、隶属函数生成层、推理层和反模糊化层。输入层由P 个节点组成,在隶属函数层中,每个输入节点被划分为m个词集,m是根据K-means方法对输入样本进行聚类后得到的,可以依据实际需要对m的值进行调整。2.2 模糊神经网络各层输入输出描述改进的模糊神经网络为一个四层网络。分别是:第一层将输入引入网络;第二层为输入变量的模糊化,采用的隶属函数为高斯函数;第三层对应模糊推理,用乘积表示模糊与操作;第四层对应去模糊化操作。其中推理层结点个数m 是根据 K-means 方法对样本聚类后而得到的,并可依实际需要调整此参数的值。三、仿真实验及结果本节的仿真程序用C语言实现,并在MATLAB仿真环境中运行,我们采用三个输入变量,即 p = 3。分别代表移动机器人采用的三方向（前、左、右）超声波测距系统采集的距离数据,每个输入变量分为五个词集,即m = 5。训练样本为离散的40组数据,即 N = 40。训练次数为3000次。学习率设为0.0002。初始中心和初始宽度都采用1,2之间的随机数,初始权值设为80,50,50,35,35。期望输出、实际输出及其误差如图7所示。三个输入变量的隶属函数曲线训练前后的对比图分别如图8,9,10所示。由图可知,该模糊神经网络计算后给出了很好的跟踪效果,训练后的均方误差达到0.132。图7 期望输出、实际输出及其误差图8图9图10图8, 9, 10 三个输入变量的隶属函数曲线训练前后的对比图四、 结论室内服务机器人的设计是对涉及单片机技术,超声波传感器测距技术,GPS定位技术,碰撞传感器技术,步进电机控制技术,神经网络,模糊控制,模糊神经网络等很多学科的综合应用。利用模糊神经网络能够在线学习的优点,设计了模糊神经网络控制器用于对移动机器人的预定轨迹曲线进行跟踪,经MATLAB仿真验证,能满足机器人轨迹跟踪的要求。本文中 我们采用单片机作为机器人的核心控制器,利用超声波传感器、碰撞传感器、步进电机及其控制芯片Ta8435联合制作开发了机器人实验平台。并利用模糊控制和模糊神经网络技术对室内机器人导航中的模糊控制避障和模糊神经网络路径跟踪作了MATLAB仿真研究, 达到了预期的目的。参考文献1 胡跃明,丁维中,吴忻生.吸尘机器人的研究现状与展望J.机器人技术与应用,2002（l）:33-372 李开生,张慧慧,费仁元,宗光华.国外服务机器人的发展动态和前景J,制造业自动化, 2000,22（6）:1-43 罗本成,原魁等.机器人多路超声波环境探测器的研制J.中国科学院研究生院学报,2002（2）:172-1764 刘翀,肖南峰. 智能安防与家庭服务机器人的设计与实现J. 微计算机信息, 2006, 2-2: P211-214、P745 陈文涛,朱志坚.微机控制步进电机研究J.电子与封装.1997, 5（8）:36-376 吴海彬,朱世强,马翔.自主吸尘机器人在非结构环境下的避障与路径规划J.机器人,2000,22（7）7 张良杰 李衍达.基于模糊逻辑与神经网络技术的智能控制器自动设计系统的研究.清华大学自动化系技术报告,19948 张浩然,韩正之,李昌刚.基于MATLAB的神经网络辨识与控制工具箱J.计算机仿真,2003（3）