基于类人足球比赛决策系统的采摘机器人多路径优化

2018-07-03刘灵敏

农机化研究 2018年7期

刘灵敏，胡婧，谢倩

(武汉晴川学院计算机学院，武汉 430204)

0 引言

作为机器人家族中的一个重要分支，类人机器人可完成类人行走和各种人类的动作，不仅可以代替人类从事各种作业，而且与生活中常见的机器人比较，有许多突出的优点，如能耗小、对环境适应能力强、活动空间大但是占地面积小等。目前，足球比赛机器人的研究已经较为成熟，为了使比赛机器人具有自主路径规划和决策能力，研究此类机器人的专家和学者们尝试了各种算法，也取得了很多成果。如果将比赛机器人的路径规划和决策系统移植到采摘机器人系统上，使采摘机器人也具有类人功能，那将会给农业采摘作业自动化水平的提升带来重大的突破。

1 基于类人足球比赛决策系统的采摘机器人设计

为了使足球机器人具有类人的功能，需要将智能控制、无线通信、机器视觉和传感器技术等结合到一起，设计成具有自主规划能力和路由优化的智能机器人。如图1所示，法国的Aldebaran机器人公司推出了一款可编程的类人足球比赛机器人，并在比赛中被采用。

图1 类人足球机器人比赛现场

对于类人机器人的研究，我国起步较晚，但随着当前科学技术的进步，我国加大了对机器人的研究力度，因此对类人机器人的研究和开发具有重要的意义，对于类人足球比赛机器人，想要实现自主规划能力，首先需要对球场的信息进行全方位的采集，如图2所示。

图2 类人足球机器人决策系统信息采集示意图

类人足球机器人决策的信息采集系统可以全方位立体化地采集整个比赛场地的数据，采集的数据通过图像处理，锁定球门目标，并利用路径规划得到最佳优化路径，最后将指令发送给动作终端，执行动作。

如图3所示：硬件部分的核心处理器采用S3C6410处理器，可以完成图像的处理、图像的识别、目标锁定、路径优化和自主决策，其计算量较大，因此加了一个16位的单片机分担定位和决策算法。

图3 硬件部分设计

如图4所示，决策系统的时间首先要考虑两方面的因素：一方面是要求决策系统具有实时性；另一方面需要机器人自身具有较强的灵活性，具有自主动作能力，系统响应迅速准确。为了提高系统反应的迅速性和准确性，采用神经网络训练算法和模糊决策规则库对系统进行改进，使系统具备自主规划能力的同时具有较快的反应能力和灵活性。

图4 决策系统框图

2 小波神经网络和模糊控制算法足球比赛机器人决策路径优化

为了使足球比赛机器人具有自主的决策能力，可以采用神经网络训练的方法使足球比赛机器人具有路径优化的能力，然后通过模糊控制算法使其具有基本的自主决策能力。在足球机器人比赛路径优化时，需要结合神经网络训练算法，通过控制指令信号对足球和目标球门的多条路径进行不断的学习和优化，从而预测出多条路径。为了提高神经网络的算法精度，将小波算法和神经网络算法结合，假设基本的小波函数为x(t)，将其平移b后，把预测信号和a做内积，其表达式为

(1)

其中，h表示卷积函数，等效时域的表达式为

(2)

在足球比赛神经网络训练算法中引入小波算法后，在隐含层神经网络传递函数节点的作用下，误差在向前传播时会反向传播，从而有效提高了神经网络训练算法的精度。假设足球比赛路径决策输入的训练信号为x1,x2,…,xk，小波神经网络的预测优化路径输出信号为y1,y2,…,yk，通过利用小波函数对权值ωk进行修正后，可以使训练得到的路径值和期望实现的目标值不断接近。输出路径的表达式为

y(k)=∑ωkx(k)

(3)

小波神经网络的预测误差为

e=∑yn(k)-y(k)

(4)

根据预测误差，对小波基函数系数和神经网络权值进行修正，其表达式为

(5)

(6)

其中，η表示学习效率。为了实现足球比赛机器人的自主决策，还需要借助于机器视觉系统，假设机器视觉系统为局部坐标系，其某点的坐标为(x′,y′)，在全局坐标系的坐标为(x0,y0)，在运动过程中与全局坐标系夹角为θ，利用三角变换可得

(7)

该点在绝对坐标系中的坐标值为

(8)

(9)

假设足球比赛决策机器人的左右轮角速度分别为ωl、ωr，则其速度分别为

(10)

(11)

其中，R表示驱动轮的半径；D表示两轮间的距离。其方向的控制可以通过调整两轮的转速，利用转速差来实现。假设两轮的转速比为kp，则有

(12)

调整kp的值，可以实现对足球比赛机器人的决策，而利用神经网络训练得到的路径优化，通过对kp的设定和不断的学习训练，最终得到一条最佳的路径；然后将路径以脉冲的形式进行编码，假设在第k个采样周期内其计算脉冲分别为mk和nk，则足球比赛决策机器人的控制模型可以写成

(13)

其中，xk+1、yk+1、θk+1分别表示是第k+1个周期时机器人的位移和方向；Mp表示机器人驱动轮转动1圈时的脉冲数；Δt表示采样时间。

3 基于类人足球比赛决策系统的采摘机器人多路径优化

为了验证将足球比赛决策系统引入到采摘机器人系统中带来的智能性，虚拟了采摘机器人的采摘场景。其中，果实可以模拟成足球，对于果实的采摘即是对足球的控制，如图5所示。

同足球比赛机器人的原理类似，类人采摘机器人可以自主锁定待采摘果实，并通过小波神经网络训练得到多跳优化路径，最后利用模糊决策算法对路径作出最终的决策。

图6表示根据足球比赛决策系统设计的采摘机器人的系统。其中，果实按照足球场队员的形式排列，通过神经网络训练、机器视觉信息采集和模糊决策算法，实现最佳路径选择。首先，对通信进行了测试，测试结果如表1所示。

图5 采摘机器人采摘情境模拟

图6 采摘机器人路径优化系统总体设计

测试距离/m执行指令个数有效指令比例/%1059899.72039699.23038998.74029399.65028896.3

由测试数据可以看出：系统的抗干扰性和稳定性较好，误码率几乎为零，满足通信需求。对采摘机器人自主路径规划效果进行了测试，其过程如图7所示。

在多目标果实存在的情况下，采摘机器人在路径优化过程中会产生较多的路径，图7中1～5表示采摘机器人为实现目标而规划的路径，而采用小波神经网络和模糊决策算法可以有效地提高路径选择的准确性和效率。

为了验证小波神经网络和模糊决策算法对采摘机器人路径优化的效果，本次测试对多种算法进行了对比。由表2的对比结果可以看出：采用小波神经网络和模糊决策算法可以明显地缩短路径优化所需时间，且得到的路径最短，从而验证了算法的可靠性。

图7 采摘机器人路径自主选择过程

算法时间/s长度/m蚁群算法22.3150.23遗传算法25.3268.12聚类算法21.6362.12小波神经网络模糊控制算法15.6832.36

4 结论

为了提高采摘机器人的自主动作能力，提高其作业效率，将足球比赛机器人决策系统移植到了采摘机器人的控制系统设计过程中，同足球比赛机器人的原理类似，类人采摘机器人可以自主锁定待采摘果实，并通过小波神经网络训练得到多条优化路径，最后利用模糊决策算法对路径作出最终的决策。为了验证该方案的可行性，对采摘机器的自主动作和规划能力进行了测试，并将其和不同的算法进行了对比，结果表明：采用小波神经网络训练和模糊决策算法可以有效提高采摘机器人的反应能力，缩短了路径规划所需时间，提高了路径择优的准确性。

参考文献：

[1] 李寒,王库,曹倩,等．基于机器视觉的番茄多目标提取与匹配[J]．农业工程学报,2012,28(5):168-172．

[2] 项荣,应义斌,蒋焕煜．田间环境下果蔬采摘快速识别与定位方法研究进展[J].农业机械学报,2013, 44(11):208-223．

[3] 蔡健荣,孙海波,李永平,等．基于双目立体视觉的果树三维信息获取与重构[J].农业机械学报,2012,43(3):153-156．

[4] 连晓峰,张弢,刘载文.RoboCup中型组机器人足球相关技术研究[J].机器人技术与应用,2009(3):35-38.

[5] 段勇,崔宝侠,徐心和.多智能体强化学习及其在足球机器人角色分配中的应用.控制理论与应用,2009,26(4):371-376.

[6] 韩永,刘国栋.RoboCup小型足球机器人建模及仿真平台研究[J].计算机仿真,2007,24(1):154-157.

[7] 刘晓燕,李孝安,段俊花，等.基于ZigBee的集控式足球机器人通讯系统[J].计算机测量与控制,2007,15(6):740-744.

[8] 刘银萍.基于PTR6000的足球机器人无线通信系统的设计[J]．现代电子技术,2012,35(9):45-47.

[9] 周军,邵世煌.基于nRF2401的足球机器人无线通信系统[J].测控技术，2008,7(27):94-98.

[10] 王晓明.基于VisualBasie的无线通讯管理系统设计[J].电脑知识与技术,2009,5(13):377-378.

[11] 安方方,马翠玲.自主陆地车辆的发展及其关键技术研究[J].物联网技术,2013,3(9):77-80.