探究智能型清洁器的移动模式＊

董志刚,郭隆建

(山东电子职业技术学院电子工程系,山东济南 250014)

探究智能型清洁器的移动模式＊

董志刚,郭隆建

(山东电子职业技术学院电子工程系,山东济南 250014)

智能清洁器的移动过程中,最难处理的就是避开限制环境中的障碍物,并且朝向目标物行驶.可设计三种移动模式来帮助实现此过程,分别是瞬时避障动作、远距离避障动作及目标追踪动作.由于使用控制方式是信号判断控制方式,因此会造成移动过程不顺畅,为解决此现象,又须运用具有学习能力的反转人工神经网络控制器,使其移动更通畅,达到目的地.

移动控制器;避障;人工神经网络;目标追踪

现代信息社会,智能化程度越来越高,越来越多的智能化设备出现在日常的生活和工作中.纵观历届全国大学生电子设计大赛,涉及到智能小车的题目居多,不过大多数智能小车的移动过程中移动路线或者是障碍物均为指定,而现实生活中的智能移动机器运行中大多数会碰到很多突发事件,本文就以智能型清洁器为例,探讨真实情境中智能清洁器的移动模式.

本研究所使用的移动模式主要是回避障碍物行为和目标追踪行为,但由于智能清洁器在移动中随时都可能会有不确定的事物突然出现,所以本研究将智能清洁器的避障行为分成回避近距离障碍物的瞬时避障行为,以及回避远距离障碍物的远距离避障行为[1].本研究所设计的三种移动情况,分别由两组移动控制器来判断传感器所给的信息,进而判断使用哪种移动动作情况.移动模式的系统方块图如图 1所示,其设计如下所述.

图1 移动模式的系统方块图

1 移动控制器的设计

1.1 传感器的配置

智能清洁器移动模式的选择,是根据传感器件感知到的周围环境的信息做出判断的,本研究选用的是超声波测距模块和红外线测距模块.

超声波测距模组主要的功能是检测远距离的障碍物,使清洁器在远处时即能避开障碍物而不会发生碰撞,移动控制器的输入信号则是由 7个超声波传感器所检测到的障碍物距离,超声波传感器在清洁器上的位置配置如图 2所示.考虑到传统的超声波传感器的检测范围呈现圆弧形,而这种检测范围信号收集不完整的误差性会造成控制器的误判,因此通过修改超声波传感器检测范围,使其成为方形检测范围,减少误判的机会,以增加清洁器的移动效率.

图2 修改前后的超声波测距模组测距范围

红外线测距模块主要采用反射型红外线传感器,稳定性高但测距范围小,所以主要用来检测近距离障碍物,并且做出瞬间壁障动作,其配备情况如图 3所示,清洁器前方 3个,后边 1个,以用来降低行驶过程中与障碍物的碰撞几率.

图3 红外线传感器测距范围

1.2 第一组移动控制器

第一组移动控制器主要的功能是以障碍物的远近来判断清洁器以何种动作移动,其判断信号的来源是红外线传感器和超声波传感器所检测到的信息,而判断的方法是使用二值法判断,如表 1所示,“1”表示检测到障碍物,“0”表示没有检测到障碍物.当红外线传感器有触发的时候,表示清洁器邻近的周边有障碍物存在,因此须优先使用瞬时避障行为来回避障碍物,但若红外线传感器没有触发时,表示清洁器周围没有障碍物,所以由第二组移动控制器判断后,再根据周围实际环境情况使用远距离避障动作或目标追踪动作移动.

表1 第一组移动控制器判断执行真值表

1.3 第二组移动控制器

第二组移动控制器主要是根据超声波测距模块所检测到的障碍物的距离,来判断进行远距离避障动作或是目标追踪动作,判断方法是使用具有自动学习过程的反转人工神经网络作判断,神经网络做移动控制器的优点在于其具有自动学习的能力和有效的学习算法,使得神经网络能够通过连接权值的调整,构造客观世界的内在表示,形成具有特色的信息处理方法,信息存储和处理体现在网络的连接中.因此只须给予网络不一样的环境范例去学习,即能构建一个稳定的移动控制器.

第二组移动控制器的系统结构如图 4所示,首先由超声波测距模块检测到的反射波信号,经由微处理器计算成周围障碍物的距离,并将所检测到的每个距离作为人工神经网络控制器的输入值,经由控制器判断后,再决定以何种动作移动,而动作最终的输出值为清洁器应移动的方向.

图4 第二组移动控制器的系统结构图

学习是神经网络研究的一个重要内容,它的适应性是通过学习实现的,是一种根据环境的变化,对权值进行调整、改善系统的行为[2].因此人工神经网络所学习的环境范例都是以会让清洁器陷入局部极小值、摆动振荡的凹型障碍物以及人工势场模型存在的目标不可到达问题 (GNRON)的环境为主,而叠代法是人工神经网络学习的方法,其流程如图 5所示,首先针对障碍物环境设计初步的学习范例,再利用学习程序修改调整神经元的加权值和偏权值,调整完成后,运用软件模拟清洁器的移动路径,若清洁器可顺利地移动至目的地,则完成神经网络的学习,否则必须采集最先造成清洁器移动不畅通的环境信息,即是以超声波传感器所检测到的清洁器周围障碍物的距离为信号,然后将此点的环境信息增加至学习范例后,再学习,如此重复叠代直至清洁器能顺利地到达目的为止.

图5 反转人工神经网络的学习流程图

1.4 移动控制器

移动控制器主要的功能是清洁器根据当前环境的信息,进而判断使用哪种动作模式进行移动,其程序执行流程如图 6所示.首先移动控制器会接收来自传感器信号 i,若 i=0,表示智能清洁器在位能场内未接受到任何信息,因此移动控制器不执行动作;当 i=1时,表示智能清洁器感知信息,因此先判断红外线传感器 IR1、I R2、IR3及 I R4是否有触发,若有触发,表示清洁器附近有障碍物存在,因此进行瞬时壁障动作,若无触发,则清洁器接收由超声波测距模组所检测的障碍物距离,并且将距离传送至人工神经网络控制器判断,神经网络判断后的结果以 end表示,若 end=1,执行远距离壁障动作;若 end=2,则执行目标追踪动作.

图6 移动控制器的程序流程图

2 瞬时壁障动作的设计及执行

瞬时壁障动作主要是根据来自于红外线传感器所检测的信号,回避近距离和突如其来的障碍物,因此设计上是以较大的动作回避障碍物.由于红外线传感器所检测的信号“1”表示有障碍物;“0”表示无障碍物,因此可使用逻辑方法判断清洁器的行驶方向,进而回避近距离的障碍物.这里需要使用布尔代数进行逻辑演算,并且使用卡诺图简化逻辑函数,提高程序执行效率.首先设红外线感测器的编号 I R1=A、I R2=B、IR3=C和 IR4=D;行驶方向直行为 F、往右为 R、往左为L以及后退为B,将四个红外线传感器及输出的关系列成真值表,并转化为卡诺图,如图 7所示.

图7 红外线传感器与输出动作真值表及卡诺图

经由卡诺图以及布尔代数简化演算后的逻辑函数如下所示:

直行:

最后只需将四个红外线传感器的检测信号输入逻辑函数,经由运算后,再判断哪个函数最后的输出值为 1,其即为清洁器所需移动的方向,这样就能快速判断回避方向,达到瞬时壁障的效果.

瞬时壁障动作主要的功能是回避近距离的障碍物,其程序执行过程:首先先接收红外传感器的信号,然后将信号经过四个逻辑函数的运算,再将逻辑运算后 F、R、L、B的值传送至电动机控制模组的控制器作判断,进而控制电机运动.

3 远距离壁障动作的设计及执行

远距离壁障动作的主要功能是回避远距离的障碍物,使清洁器在远处时即能避开障碍物而避免发生碰撞,其输入信号是来自由七个超声波传感器所检测到的障碍物距离.由于障碍物的距离会随着清洁器的移动而改变,无法以传统的逻辑方法判断,因此本研究使用反转人工神经网络作障碍物回避行为的控制器来判断清洁器的行驶方向,其学习方式也是使用叠代法作为学习方法[3].障碍物回避行为的系统方块图如图 8所示,神经网络控制器以超声波测距模块所测量的障碍物距离为输入信号,经过判断后,将清洁器所需执行的动作,以代码的方式 (直行代码为 5;往右代码为 6;往左代码为 7;后退代码为 8)传送至电动机控制模组,执行电机控制,进而控制清洁器移动.其程序执行流程,首先是接收由超声波测距模块所测量的障碍物距离,再将所接收的信号传送至神经网络控制器作判断,判断的结果以 m表示,将m值传送至电动机控制模组判断,进而控制电机运动.

图8 远距离壁障动作的系统方块图

4 目标追踪动作的设计及执行

当清洁器在环境中行驶时,为了闪避障碍物而偏离了目标物的方向,因此目标追踪动作的设计目的在于让清洁器在偏离之后能够回到原来的方向上,使其朝向目标所在位置前进,最后到达目的地.目标追踪动作的设计如图 9所示,清洁器当前的坐标为 O(x1,x1),目标坐标为 T(x2,x2),清洁器的前进方向距离 y轴的角度为γ,是由电子罗盘所测量得到的角度,而目标物距离 y轴的角度为λ,可由式(5)计算所得:

清洁器所需要旋转的角度φ可由下式所得:

旋转方向的判断:

图9 目标追踪动作的设计示意图

由上述的计算可得知,在这一个状况下清洁器所需旋转的角度和方向,因此利用此方法只需有清洁器和目标物的座标以及清洁器行进的方位角,即可计算出清洁器追踪目标物所需旋转的角度和旋转方向.

目标追踪动作的功能是当清洁器回避障碍物后,能够再回到朝向目标物的方向上,其程序的开始是先接收目标坐标为 T(x2,x2)、清洁器当前的坐标为 O(x1,x1)以及清洁器所朝向的方位角γ,接着计算目标物距离 y轴的角度为λ,进而计算清洁器所需旋转的角度φ,接着再由目标物的坐标和清洁器当前的坐标判断清洁器所需旋转的方向,并以 m值表示判断后的结果:m=5清洁器的动作为直行;m=6清洁器的动作为右转;m=7清洁器的动作为左转,将 m值传送至电动机控制模组判断,进而控制电机运动.

[1]冯建农,等.自主移动机器人智能导航研究进展 [J].机器人,1997,(6):468-473.

[2]纪寿文,等.智能化的物流搬运机器人 -AGV[J].中国物流与采购,2004,(2):56-57.

[3]吴倚龙,等.移动机器人导航和避障系统硬件的设计[J].光学技术,2005,31(增刊):379-381.

TN911.73

A

1008-4681(2010)02-0038-04

2009-12-10;

2010-01-29

董志刚 (1977-),男,山东临清人,山东电子职业技术学院电子工程系讲师.研究方向:机电一体化、数字信号处理.

(责任编校:简子)