移动机器人控制系统设计.doc
《移动机器人控制系统设计.doc》由会员分享，可在线阅读，更多相关《移动机器人控制系统设计.doc（28页珍藏版）》请在冰点文库上搜索。
xx大学xx届毕业论文
一、绪论
（一）引言
移动机器人技术是一门多科学交叉及综合的高新技术，是机器人研究领域的一个重要分支，它涉及诸多的学科，包括材料力学、机械传动、机械制造、动力学、运动学、控制论、电气工程、自动控制理论、计算机技术、生物、伦理学等诸多方面。
第一台工业机器人于20世纪60年代初在美国新泽西州的通用汽车制造厂安装使用。
该产品在20世纪60年代出口到日本，从20世纪80年代中期起，对工业机器人的研究与应用在日本迅速发展并步入了黄金时代。
与此同时，移动机器人的研究工作也进入了快速发展阶段。
移动机器人按其控制方式的不同可以分为遥控式、半自动式和自主式三种；按其工作环境的不同可以分为户外移动机器人和室内机器人两种。
自主式移动机器人可以在没有人共干预或极少人共干预的条件下，在一定的环境中有目的的移动和完成指定的任务。
自主式移动机器人是一个组成及结构非常复杂的系统，具有加速、减速、前进、后退以及转弯灯功能，并具有任务分析，路径规划，导航检测和信息融合，自主决策等类似人类活动的人工智能。
（二）移动机器人的主要研究方向
1.体系结构技术
1）分布式体系结构
分布式体系结构【1.2.3】是多智能体技术在移动机器人研究领域的应用。
智能体是指具有各自的输入、输出端口，独立的局部问题求解能力，同时可以彼此通过协商协作求解单个或多个全局问题的系统。
移动机器人系统，特别是具有高度自组织和自适应能力的系统，它们的内部功能模块与智能体相仿，因此可以应用多智能体技术来分析和设计移动机器人系统的结构，实现系统整体的灵活性和高智能性。
在分布式体系结构中，各个功能模块具有不同的输入输出对象和自身的不同功能，并行各工作，整个系统通过一个调度器实现整体的协调，包括制定总体目标、任务分配、运动协调和冲突消解等。
2）进化控制体系结构
面对任务的复杂性和环境的不确定性以及动态特性，移动机器人系统应该具有主动学习和自适应的能力。
将进化控制的思想融入到移动机器人体系结构的设计中，使得系统哎具备较高反应速度大的同时，也具备高性能的学习和适应能力。
文献【4】提出的进化控制体系结构包括进化规划和基于行为的控制两大模块，其优点是既具有基于行为的系统的实时性，又保持了基于功能的系统的目标可控性，并兼有自学习和自适应的功能。
文献【5】是进化控制的思想在机器人体系结构设计方面的又一体现，提出了一种模拟人类学习与进化过程的机器人进化控制体系结构。
机器人利用事先设计好的基本行为，根据实际环境和具体任务要求，自主创建满足任务要求和适应环境的具体行为。
文献【6】考虑到智能体本身具有独立性、自主性、开放性等优点，将智能体的技术与进化控制相结合，提出了一种基于多智能体的移动机器人导航进化控制体系结构。
3）多移动机器人系统
多机器人系统是以多个机器人组成的系统为研究对象，研究目的在于寻求一套分析、设计和控制机器人群的有效方法，使其能够有效、高质量地协作完成任务【7】。
随着机器人技术的发展和应用领域的不断扩展，具有单个机器人无法比拟的优越性的多机器人系统已得到了普遍重视。
设计合理的体系系统结构对于多机器人系统在多变的工作环境中完成复杂的工作任务时起到至关重要的作用。
文献【8.9.10】在分析了多机器人协作系统对单机控制体系结构的要求后，分别提出了适合的机器人个体控制体系结构，其基本思想是采用分层式和包容式融合的混合体系结构。
文献【11】提出了一种使多个机器人在不同层次上方便地进行行为调整和协作的体系结构，在这种体系结构中，单个机器人采用分层式结构，而不同机器人之间是分布式的关系，可以在每个层次上直接相互作用。
这种结构的优点是各个机器人可以在每个层次上灵活地建立作用关系，同时随环境的变化和不确定性保持实时的反应性能。
2.定位与导航技术
智能移动机器人的“智能”特征在于它具有与外部世界相协调的工作机能，这种协调在具体的实现上首先要求机器人确定自身与周围环境的位置关系，以便根据目标任务做出正确决策和路径选择，因此导航的定位成为移动机器人的两个最为重要问题。
移动机器人的导航方式可分为：
基于环境信息的地图模型匹配导航、基于各种导航信号的陆标导航、视觉导航和味觉导航等。
1）定位技术
作为移动机器人导航最基本环节，定是确定机器人在工作环境中相对于全局坐标的位姿。
定位方法根据机器人工作环境复杂性，配备传感器的种类和数量等不同有多种方法。
主要方法有：
码盘定位、陆标定位和声音定位等。
码盘定位是在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来粗略的确定位置和姿态。
该方法虽然简单，但是由于车轮与地面存在打滑现象，产生的累积误差随路径的增加而增大，定位误差会逐渐累积，引起更大的误差。
Yamauchi【12】使用推测航行法和证据栅格来实现计算动态环境中的机器人位置。
该方法把在不同时段建立的证据栅格匹配起来，使用一种爬山算法搜索可能的平移与转动空间，来消除推测航行法的误差累积。
陆标定位【13】是在移动机器人工作的环境里，人为地设置一些已知的陆标，如超声波发射器、激光反射板等，通过对陆标的探测来确定机器人自身的位姿。
2）导航技术
全局路径规划包括环境建模和路径搜索策略两个问题。
其中环境建模的主要方法有：
可视图法、自由空间法和栅格法等。
可视图法【15】视机器人为一点，将机器人、目标点和障碍物各顶点之间以及各障碍物顶点和顶点之间的连线，均不能穿越障碍物，即直线是可视的。
搜索最优路径的问题就转化为从起点到目标点经过这些可视直线的最短距离问题。
VoronoiDiagrams法和TangentGraph法【16】对可视图法进行了改进；自由空间法应用于机器人路径规划，采用预先定义的如广义锥形和凸多边形【17】等基本形状构造自由空间，并将自由空间表示为连通图，通过搜索连通图来进行路径规划。
该法以栅格为单位记录环境信息，环境被量化具有一定分辨率的栅格，栅格的大小直接影响着环境信息存储量的大小和规划时间的长短。
栅格划分打了，环境信息存储量小，规划时间按短，但分辨率下降，在密集环境下发现路径的能力减弱；栅格划分小了环境分辨率高，在密集环境下发现路径的能力强，但环境信息存储量打，规划时间长，可采用改进的栅格法【19】
弥补栅格法的不足。
路径搜索策略主要由：
A*算法【20】和D*最优算法【21】等。
局部路径规划的主要方法有：
人工势场法（ArtificialPotentialField）、遗传算法（GeneticAlgorithm）和模糊逻辑算法（FuzzyLogicAlgorithm）等。
人工势场法【22】是由Khatib提出的一种虚拟力法。
其基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。
障碍物对机器人产生斥力，目标点产生引力，引力和斥力的合力作为机器人的加速力，来控制机器人的运动方向和计算机器人的位置。
J.Holland【24】在60年代初提出了遗传算法，以自然遗传机制和自然选择等生物进化理论为基础，构造了一类随机搜索算法。
它是利用选择、交叉和变异来培养控制机构的计算程序，在冒种程度上对生物进化过程做数学方式的模拟。
它不要求适应度函数是可导或连续的，而只要求适应度函数为正，同时作为并行算法，它的隐并行性适用于全局搜索。
基于实时传感信息的模糊逻辑算法【25】参考人的驾驶经验，通过查表得到规划信息，实现局部路径规划。
该方法克服了势场易产生的局部极小问题，适用于时变未知环境下的路径规划，实时性较好。
3.运动控制策略
运动控制就是控制移动机器人按规定的轨迹运动，控制器的好坏对机器人的性能有着直接影响，因此这部分在机器人的研究中至关重要。
针对不同的运动系统结构和驱动设备，运动控制的研究会进一步的细化。
对于常用的轮式移动机器人，还会进一步分为双轮、三轮、四轮等。
对于本文主要讨论的轮式机器人的运动控制，由于它是一个高度非线性的非完整性控制系统，对其的控制具有相当的难度。
根据问题的不同，该类系统的控制一般分为镇定控制和跟踪控制两类。
镇定控制方面，现在的主要研究成果有不连续控制方法、时变控制方法和混乱控制方法等。
跟踪控制方面，根据导航方式的不同可以分为含有时间参数的轨迹跟踪以及不含时间参数的路径跟踪；根据控制变量的不同又可以分为速度控制和力矩控制等。
在控制的方法上，现在比较常用的有基于滑模控制的方法、基于反馈线性化的方法、回退法、神经网络方法和模糊控制方法等。
文献[30]中，作者提出了一种基于预报预测的控制方法。
文献[31]通过误差的分解，使用PD控制方法实现运动控制，但在实际使用中控制参数难以调节。
文献[32]利用鲁棒控制方法，文献[33]利用神经元预测控制实现对移动机器人的运动控制，但并未考虑系统延迟所带来的影响，运动控制效果存在滞后现象。
预见预测控制【34】是一种将预见控制和预测控制结合在一起的控制方法。
其算法的核心思想是利用已知的未来信息，设计一个前馈控制器用以克服系统的动态响应延迟，同时利用预测控制中的滚动优化、反馈校正策略增强系统的鲁棒性。
文献[35]将预见预测控制方法应用于CNC机床的伺服控制中，取得了良好的效果。
文献[30]将预见预测控制方法应用于移动机器人的运动控制中，首先利用三阶Bezier曲线作为路径生成器生成目标轨迹，并以此为输入信号设计最优预见控制器作为系统的前馈补偿，弥补系统的动态响应延迟；然后使用扩展卡尔曼滤波器作为预测模型，基于广义预测控制（GPC）实现了预见预测（PPC）运动控制器的设计，提高系统的鲁棒性。
4.传感器信息融合技术
移动机器人的多传感器信息融合方面的研究始于80年代。
多传感器融合【25】的常用方法有：
加权平均法、贝叶斯估计、卡尔曼滤波、统计决策理论、D-S证据推理、神经网络和模糊推理法以及带置信因子的产生式规则。
其中加权平均法是最简单也最直观的方法，一般用于对动态低水平的数据进行处理，但结果不是统计上的最优估计；贝叶斯估计是融合静态环境中多传感器底层数据的常用方法，适用于具有高斯白噪声的不确定性传感信息融合；对于系统噪声和观测噪声为高斯白噪声的线性系统模型用卡尔曼滤波来融合动态低层次冗余传感信息，对于非线性系统模型采用扩展卡尔曼滤波或者分散卡尔曼滤波；统计决策理论用于融合多个传感器的同一种数据，常用于图像观测数据；D-S证据推理是贝叶斯估计法的扩展，它将局部成立的前提与全局成立的前提分离开来，以处理前提条件不完整的信息融合；神经网络法根据系统要求和融合形式，选择网络拓扑结构，通过网络学习确定网络连接权值，对各传感器的的输入信息进行融合。
系统具有很强的容错性和鲁棒性；模糊推理法首先对多传感器输出进行模糊化，将所测得的距离等信息分级，表示成相应的模糊子集，并确定模糊子集的隶属度函数，通过融合算法对隶属度函数综合处理，再将模糊融合结果清晰化，求出融合值；带置信因子的产生式规则主要用于符号水平层表达传感器信息，结合专家系统对多传感器信息进行融合。
5.仿生机器人的研究
今年来，全球许多机器人研究机构都展开与仿生机构的研究工作。
在生态学基础上，研究昆虫、爬行动物等自然界生物的各种生存策略与形态，如：
蚂蚁的群体协作、觅食、路线跟踪与搜索和信息传递等策略，蜜蜂的定位和采粉策略，蛇的爬行动态等，将各种生物的特长再现于机器人上。
NASA的Snakerrobot蛇形机器人，能够穿梭在受灾现场的瓦砾狭缝之中，寻找幸存者。
该蛇形机器人由于重心低且完全模仿蛇的动作因而行动灵敏、鲁棒性好，可以用于受灾现场生还者的寻找和军事侦察；SONY公司1999年推出的宠物机器狗Aibo具有喜、怒、哀、厌、惊和奇6种情感状态。
它能爬行、坐立、伸展和打滚，而且摔倒后可立即爬起来。
本田公司1997年研制的HondaP3类人机器人代表着当今世界双足步行机器人的最高水平。
HondaP3的CPU采用了两个主频为110MHz的MicrospecII处理器，身上装有用于视觉导航的视觉传感器、感知自身姿态的陀螺仪、保持平衡的重力加速度传感器和两个脚踝的6处维力传感器、实现语音功能的麦克风和扬声器，以及用于测量行走在颠簸起伏的路面上，也能够在倾斜的路面上行走，甚至能够上、下楼梯，单脚站立。
6.多机器人系统
多机器人系统的研究始于20世纪70年代。
随着机器人应用领域的不断拓展、机器人工作环境复杂度、任务的加重，对机器人的要求不再局限于单个机器人，多机器人的研究已经成为机器人学研究的一个热点。
多机器人系统的研究分为多机器人合作和多机器人协调两大类，主要研究给定一个机器人系统任务后，如何组织多个机器人去完成任务，如何分解和分配任务以及如何保持机器人之间的运动协调一致。
美国OakRidge国家试验室的CooperativeRobotics实验系统【26】研究的协作机器人是集成了感知、推理、动作的智能系统，着重研究在环境未知且在任务执行过程中环境动态变化的情况下，机器人如何协作完成任务。
美国USC大学的SociallyMobile和TheNerdHerd【27】实验系统在多机器人学习、群行为、协调与协作等方面开展工作。
（三）课题的背景和内容
移动机械手控制系统是一个集环境感知、动态决策和规划、行为控制与执行等多种功能于一体的综合机器人系统。
移动机械手是由机械手固定在移动平台上构成的一类移动机器人系统。
其中机械手用来实现如抓取、放置等动作，平台的移动用来扩展机械手的工作空间，使机械手以更合适的姿态执行任务，同时机械手的加入也极大提高了移动机器人大的性能。
移动机械手控制系统平台如图1.1所示。
图1.1移动平台总体布局示意图
本论文做的是移动平台本体的控制，平台建立在一辆3轮小车上，前边两轮独立驱动，后边一个随动轮。
车轮转向通过两轮差速来完成。
为在有限的空间内合理放置电机，电机轴和车轮轴采用链条连接。
车体四周装有超声波传感器，用来测量车体周围障碍物的距离。
车体前端装有一个近距离超声波传感器，用来测量平台与工作台的距离。
车体前后还装有碰撞传感器，在机器人受到碰撞时及时保护机器人本体。
（四）论文主要内容
第一章综述了移动机器人的基本概念，着重讨论了移动机器人的相关技术，阐明课题的研究背景以及我的研究内容。
第二章设计了移动平台控制系统的硬件体系，详细讨论了LPC2119控制电路、直流电机驱动电路和机器人传感器系统的实现方法，并且给出了详细的电路原理图以及调试方法
二．移动机器人控制系统硬件设计
控制系统的硬件设计时移动机器人设计的核心部分，涉及到微控制器的选择，驱动电机的选择，电机驱动电路的设计，机器人相关传感器的选择与涉及方法。
在本系统中，我们的微控制器采用一片高性能ARM单片机LPC2119，主要完成车轮驱动电机的控制和传感器信号的采集和处理；与主控计算机系统通过串口进行实时通讯。
电机驱动单元采用MOSFET构成的H桥驱动电路，由驱动芯片IR2110驱动，从而带动电机旋转。
传感器系统包括3部分：
避撞超声传感器，精密超声传感器和碰撞开关传感器。
（一）系统硬件设务划分
根据机器人控制系统的功能，将移动机器人系统划分为以下的几个单元，如图2.1所示。
上位机
ARM
控制系统
超声传感
碰撞传感器
精密超声
电机驱动
根据硬件设计需要，将平台控制系统划分为以下几个部分实现：
1）LPC2119控制电路设计
2）直流电机驱动电路设计
3）传感器系统电路设计
ARM控制电路是整个移动平台控制系统的核心部分，它包括LPC2119应用电路，精密超声采集电路，串口通信电路，碰撞开关检测电路。
完成的主要功能
为接收上位机的命令，将命令解算为电机驱动信号，驱动电机使小车完成命令规定的运动：
实时地通过LPC2119的捕获端口采集电机的转速信息，通过模糊PID算法完成电机转速的闭环控制；通过I2C电路与避碰超声传感器子系统通信，获取碰撞超声的信息，并通过串口将该信息发送给上位机。
传感器电路精密超声检测电路、碰撞检测电路和避碰超声控制电路组成。
精密超声检测电路通过LPC2119的ADC端口检测精密超声传感器输出的模拟电压，依此确定待抓取的目标物体距离小车的精确距离；通过检测碰撞开关的16—4编码器信息确定小车是否与障碍物发生碰撞，如发生碰撞则要做紧急处理；避碰超声控制电路由AT89C2051和18路超声波发射∕检测电路组成。
完成的主要功能为18路超声波的循环发射及检测，并通过I2C电路将超声波传感器编号和回波时间发送给LPC2119。
电机驱动单元采用MOSFET构成的H桥驱动电路，LPC2119发出的PWM信号经驱动芯片IR2110后，驱动H桥电路，进而带动电机旋转。
F2260直流电机自带光电式增量编码器，LPC2119利用其捕获功能实时采集电机的转速，从而实现闭环速度模糊PID控制。
（二）LPC2119控制电路设计
目前应用在机器人底层控制系统的微控制器主要有数字信号处理器DSP和8∕16位单片机两种类型。
采用8位，16位处理器，控制系统设计、制作简单，硬件开发周期短，但数据处理能力不强，需要借助外加器件例如计数器，PID调节器和PWM产生器等，系统的稳定性不强，系统控制板的结构尺寸也会很大。
DSP具有数据处理能力强、速度快等优点，且体积小，有利于电路板布局，随着资料的增加以及芯片价格的下调，当前的大多数机器人控制都选DSP作为控制器。
本文的微处理器选择的是PHILIPS公司的LPC2119单片机。
LPC2119是一款支持实时仿真和跟踪的16/32位ARM7TDMI-S内核的ARM处理器，小型的LQFP-64封装，带有128KB嵌入的高速Flash存储器和16KB的SRAM存储器。
独特的存储器加速结构使32位代码能够在最大时钟速率下运行。
与DSP相比较，ARM具有几乎相同的内部资源和运算速度，处理复杂函数的能力也毫不逊色。
需要注意的是，DSP的设计初衷毕竟是为了进行数字信号处理，所以在进行控制方面与ARM相比还要略微逊色（LPC2119有9个外部中断引脚），而且许多ARM芯片支持TCP∕IP协议，这是DSP无法做到的，这一点使得ARM在将来机器人的网络控制方面将有很大的优势。
1.LPC微控制器简介
ARM7TDMI-S内核是通用的32位微处理器，它具有高性能和低功耗的特性。
ARM结构是基于精简指令集计算机（RISC）原理而设计的，指令集和相关的译码机制比复杂指令集计算机要简单得多。
这样使用一个小的、廉价的处理器内核就可实现很高的指令吞吐量和实时的中断响应。
由于使用了3级流水线技术，处理和存储系统的所有部分都可连续工作，通常在执行一条指令的同时下达下一条指令进行译码，并将第三条指令从存储器中取出。
ARM7TDMI-S处理器使用了一个被称为THUMB的独特结构化策略，它非常适用于那些对存储器有限制或者需要较高代码密度的大批量产品的应用。
THUMB指令集的16位指令长度使其可以达到标准ARM代码两倍的密度，却仍然保持ARM的大多数性能上的优势，这些优势是使用16位寄存器的16位处理器所不具备的。
因为THUMB代码和ARM代码一样，在相同32位寄存器上进行操作。
THUMB代码仅为ARM代码规模的65%，但其性能却相当于运行于16存储器系统的相同ARM处理器性能的160%。
2.LPC2119应用电路设计
LPC2119微处理器可以工作的最小系统一般由电源、复位电路、系统时钟等构成，了调试程序需要把JTAG口包括进来，把串口UART0加进来可以方便程序的下载和芯片的擦除，LPC2119是可加密的芯片（PHILPSD的专利技术），一旦芯片加密后，通过JTAG就不能下载程序了，只能通过ISP功能先整片擦除芯片，再下载。
1）电源电路
LPC2106芯片I∕O口供电电源为3.3V，内核供电电源为1.8V，因此系统必须提供双电源。
使用低压电源芯片AMS1117-33和AMS1117-18将5V电压转换为芯片需要的3.3V和1.8V，该芯片最大稳压输出电流为800mA，精度高，稳定性高，功耗低。
实际运行时，LPC2119及其外围芯片需要的电流约为40mA，所以该电源芯片足以胜任。
图2.2为系统的供电电路。
LED作为5V电源指示灯。
图2.2ARM系统电源供电原理图
2）复位电路
由于LPC2119芯片的高速，低功耗，低工作电压导致其噪声容限低，对电源的纹波、瞬态响应性能、时钟源的稳定性以及电源监测可靠性等诸多方面也提出了更高的要求。
这里采用专用微处理电源监控芯片MAX708，提高了系统的可靠性。
图2.3给出了系统复位电路图。
图2.3ARM系统复位电路原理图
74HC125为总线驱动器，可控三态门输出。
当复位键按下后，MAX708的∕RESET引脚输出低电平，打开74HC125三态门，低电平出现在LPC2119的∕RST和TRST引脚，系统复位。
当使用JTAG调试时，往往需要用JTAG复位系统，此时由JTAG产生的复位信号同样使∕RST和TRST变为低电平；而此时MAX708没有复位，∕RESET引脚输出高电平，74HC125为高阻状态，将其两端的高低电平隔离。
当不需要JTAG调试时，74HXC125是不需要的。
注意，MAX708是工作电压是5V，而74HC125采用3.3V供电，所以在应用中加入了小的保护电阻R21。
3）系统时钟
采用外部时钟源，时钟频率为10~25MHz，本系统采用由于要进行串口通信，所以采用11.0592MHz的外部晶振。
内部PLL电路可调整时钟，CPU最大操作时钟频率为60MHz。
一般在外部晶振两端并联1M欧姆的电阻，使系统更容易起振。
4）JTAG调试电路
JTAG调试电路注意，要LPC2119进行JTAG调试，其RTCK引脚必须接一个4.7K的下拉电阻R27,系统复位时，该引脚上的低电平使P1.26~P1.31复位后用作一个调试端口。
5）UART0电路
LPC2119为3.3V电压供电，所以使用MAX3232进行RS232电平转换，MAX3232是3.3V工作电源的RS232转换芯片，其应用方法与MAX3232完全一致。
注意，要想使用ISP功能，必须使用UART0,UART1是没有ISP功能的。
6）速度检测电路
LPC2119具有两个32位的预分频定时∕计数器，分别具有4∕3路捕获通道、4个32位匹配寄存器。
定时器是增量计数的，但上溢时不会产生中断，而只能通过比较匹配或者捕获输入产生中断。
CAP：
捕获引脚。
捕获引脚的电压跳变时，可将定时器值装入一个捕获寄存器，并可选择产生一个中断。
IR：
中断寄存器。
中断寄存器IR保存捕获中断和匹配中断的标志，判断中断源。
CR：
捕获寄存器CR0～CR3，当输入信号跳变时，可取得定时器的瞬时值。
每个捕获寄存器CR都与一个器件引脚相连。
当引脚发生特定的事件时，可将定时器计数值装入该寄存器CR。
CCR：
捕获控制寄存器。
决定捕获功能是否使能，以及捕获事件在引脚的上升沿、下降沿或是双边沿发生。
当发生捕获事件时，捕获控制寄存器CCR用于控制将定时器计数值装入4个捕获寄存器中的哪一个以及是否产生中断，可设置上升沿和下降沿同时有效，这样会在双边沿触发捕获事件。
MR：
匹配寄存器。
匹配寄存器值连续与定时器计数值比较，当两个值相等时，自动触发相应动作。
这些动作包括产生中断，复位定时器计数器或停止定时器。
MCR：
匹配控制寄存器。
用于控制在发生匹配时所执行的操作。
利用捕获单元测量一个脉冲所用的时间，就可以实现测速功能。
电机轴上的编码器产生正交编码脉冲，正交编码脉冲包括两个脉冲序列，有变化的频率和四分之一周期的固定相位偏移，通过检测两个序列中哪一个序列领先，就可以测出电机的转向，速度可以通过捕获脉冲测出。
7）其他的注意事项
P0口是一个32位双向I∕O,每位的方向可单独控制。
P0口的功能取决于管
升级会员 