扫地机器人硬件与软件设计

摘 要：随着机器人不断融入社会发展的各个领域，智能化程度较高的机器人得到了人们的广泛认可，而贴近人们日常生活的机器人不但能为人们提供高品质的生活水平，更能提高人们的工作效率。因此，扫地机器人越来越普及，也得到了世界各国的普遍关注，具有巨大的市场潛力。本次设计的扫地机器人是选用STC89C52型的单片机作为主控核心，其具备系统集成度较高、运行速度较快以及可靠性良好等优点。本次设计主要集中于扫地机器人的内部结构设计即控制系统的设计。基于单片机的扫地机器人控制系统的硬件设计主要包括电机正反转驱动电路部分、自主循迹避障部分以及数码管显示部分等。通过52单片机对普通直流电机的起始、停止、顺时针旋转、逆时针旋转的控制实现小车运行状态的变化。同时，结合单片机PWM的电机变速功能，实现速度可调，使设计更加完善。

关键词：扫地机器人;单片机;避障

2002年，伊莱克斯公司在原有高质量吸尘器的基础上，成功研制出全球第一款全自动扫地机器人——“三叶虫”扫地机器人。同时，iRobot公司也先后生产了7代智能家务机器人“Roomba”，最终成为了这一领域具有代表性的产品。

2010年前后，我国国内的扫地机器人品牌不断涌现，而且均逐步实现了产业化。目前，国内市场已拥有很多扫地机器人品牌，如科沃斯、iRobot、Xrobot、海尔、美的、Prosenic、飞利浦和三星等知名品牌。然而在中国本土成立且具备完整的核心自主研发研发能力的扫地机器人企业并不是很多[1]。

近几年，扫地机器人这一产品的普及速度越来越快，而且其市场发展也十分迅速。在扫地机器人的前期发展阶段，其主要以改进扫地效能为主。在现阶段，扫地机器人除了在保证较优良的清扫效果的基础上，还在大趋势地影响推动下，一定会走向多传感器融合、导航以及路径规划等智能化核心技术的发展道路。

1 扫地机器人的设计方案

扫地机器人总体由4部分组成：系统主控制部分、执行电机部分、传感器部分和电源部分。主控系统的设计是基于AT89C52型单片机的控制系统，主要包括对传感器进行响应、对显示部分元器件的控制以及对执行电机的控制等[2]。执行电机部分和小车避障是扫地机器人的主要构成部分。整体设计是机器人的前面是由两个电机独立驱动的两个车轮，而后轮则是利用小球作为万向轮。其中车轮电机采用是无刷直流电机，传感器部分即用来进行探测和检测的，能够保证机器人完成既定作业，显示部分则是对应输入和输出部分，通过数码管显示来实现人机交互功能，电源部分经过分析选用可充电锂电池进行供电[3]。

2 系统硬件设计

控制系统的硬件主要由四个模块构成：单片机的控制模块、红外线避障模块、电机的控制模块及数码管显示模块。

红外避障模块主要在小车在作业时检测到前方有障碍物时，由单片机发出指令使小车停止，包括了38KHz的红外发射模块和接收比较模块。同时与555定时器芯片组成一个多谐振荡器，根据实际情况，需要设计出一个38KHZ方波信号[8]。

本次设计的小车电机选用带有齿轮组的直流减速电机，由脉冲宽度调制（PWM）来完成调速功能。电机驱动芯片选择L298N，它的优点是在它的内部包含有一个4通道的逻辑驱动电路，是单块集成电路还能够接收DTL或TTL逻辑电平。一般用于驱动感性负载（如继电器、直流和步进电机等）和用到的开关功率晶体管[3]。

本次设计采用的是基于脉冲宽度调制原理的H型桥式驱动电路，此外还需要TLP521-2光耦集成块，它可以将控制部分与电动机的驱动部分隔为两块，在它的输入端可以设计一个三极管来放大自身的驱动电流。具体工作流程是当单片机接收到相应输入控制指令后，CPU通过P1.0或P1.1任意一个端口来输出与电机转速匹配的PWM脉冲，而另一口则输出的是低电平，输出的先经过信号放大器放大，再进行光耦传递，最终驱动桥式电动机控制电路，这样便可以控制电动机的转向以及转速[4]。控制系统的电源电压统一为5V。

3 扫地机器人的轨迹规划

机器人的路径规划就是指在某种特定的优化指标下，机器人感知到工作环境信息后，自主作业的起始点和目标点自动选择出一条完美避障的路径，从而实现机器人的历遍功能，达到清扫区域的全面覆盖的目标。一般基于机器人对其工作环境的感知认识程度大致可以分为以下两种类型：

（1）全局路径规划：环境信息能完全被机器人感知;

（2）局部路径规划：环境信息未知或部分未知，要获取目标清扫区域中障碍物的信息（位置、形状和大小），这就需要机器人传感器检测子系统对其所处工作环境进行实时探测[9]。

本次扫地器人在设计中采用的是红外线传感器，但由于红外探测的有效范围受到限制加之目标清扫区域的不确定性，故在本次设计中添加机器人的边沿学习。边沿学习方式是指让扫地机器人从作业前指定的某个位置按顺时针或逆时针沿着墙壁和经过靠近墙壁的障碍物边缘处绕着环境运动一圈，并且需要在机器人行走的过程中检测出机器人中心的坐标，完成边沿学习后，机器人就可以初步感知出清扫区域的大致情况以及障碍物的具体分布坐标。在行进过程中记录下当y坐标达到最大值Ymax时，x能达到的最大值Xmax（考虑到障碍物可能存在于墙壁的右下角）[7]。

在设计机器人的移动定位时，传统的方法是采用编码器定位即推算定位，主要原理是：将光电码盘固定在扫地机器人的车轮轮轴上，由光电码盘来记录机器人移动前行的距离，从而可以知道两轮各自前行的运动距离，从而完成作业时的运动信息的推算。将光电码盘装在电机的轮轴上，由于左右两轮都有各自的驱动电机，所以它可以随着车轮一起转动，从而根据两个车轮的运动距离来知道机器人的位置和方向[10-12]。

4 历遍路径规划方案

为了实现扫地机器人的全区域覆盖即实现历遍功能，就必须事先设计好扫地机器人的行走规律，此次设计中选择了“往返式路径规划方法”，并分为两种情况进行讨论设计方案[7]。

4.1 清扫区域中无障碍物

当清扫区域内无任何障碍物出现，则主要由控制程序来驱动扫地机器人在该区域内做直线带状往复运动。当扫地机器人的红外传感器检测到其运动到x方向的最大位置时，则机器人绕右侧轮子顺时针旋转180°，同時在机器人转角时，只需要驱动一个驱动轮，而以另一个驱动轮为支点旋转转，这样便能保证扫地机器人在转过180°后恰好前进了一个机身车位，这样就能实现其历遍功能，完成在往返清扫的过程中不留下清扫死去的目标。

4.2 清扫区域中有障碍物

（1）靠最远处墙壁的障碍物，如障碍物D;

（2）不靠墙壁的障碍物，如障碍物C;

（3）其他位置靠墙的障碍物。

在进行正式清理前，扫地机器人先进行了边沿学习，因此提前获得了空间的边缘信息，这样便可以自动将其他靠墙障碍物视为墙壁进行处理。遇到清扫区域中非靠墙障碍物时，这时扫地机器人则利用红外测距传感器沿着障碍物的边沿运动，直到机器人在y轴方向移动一个车身机位，然后转180°运动[8]。

当机器人遇到障碍物并移动到x轴上的最大或最小位置时，它将沿障碍物长度方向沿y轴行进一段距离，然后继续清洁另一侧的区域的障碍;当遇到的障碍物是位于最远处墙壁处时，y轴达到最大值、x轴方向未达到Xmax，这时前方的红外传感器检测到障碍物时，机器人就会绕过障碍物运动到y轴方向的最远处，清扫之前剩余的区域;当y轴方向和x轴方向同时达到最大值即之前边沿学习检测到的最大值位置时，立刻停止检测[13-14]。

5 结论

本次设计是以集成度较高、功能强大的AT89C52型的单片机作为主控核心进行扫地机器人控制系统的硬件设计，基本原理是利用单片机对直流电机的起始、停止、旋转（逆时针或顺时针）的进行控制来驱动小车完成既定目标，其中也用到了PWM调速的设计。

扫地机器人的设计具备以下亮点：

（1）拥有自主历遍功能;

（2）设计有红外自动避障功能拥有一定的智能化。

参考文献：

[1]陈博.机器人技术的发展趋势与最新发展[J].北京邮电大学自动化学院，2007.06.

[2]魏立峰，王宝兴.单片机原理与应用技术[M].北京：北京大学出版社，2006：254-261.

[3]徐清.自动导引小车系统的设计与实现[J].苏州：苏州大学，2006.

[4]茹占军，谢家兴.基于AT89S52单片机直流电机调速系统的设计[J].软件导刊，2010（8）：106-107.

[5]杨宁，石冰飞，朱平，等.基于CCD的自动循迹小车的软件设计[J].自动化仪表，2011，33（1）：52-55.

[6]彭美定，邓鹏.基于单片机的智能红外避障小车设计[J].无线互联科技，2017.

[7]张琦.移动机器人的路径规划与定位技术研究[J].哈尔滨：哈尔滨工业大学，2014.

[8]段颖康.基于MC9S12XS128单片机的智能循迹小车的硬件设计[J].电子元器件应用，2010（1）：33-35.

[9]王时群.智能吸尘器红外避障控制系统研究[J].海南：海南大学，2015.

[10]Electronics;Researchers from Yeungnam University Discuss Findings in Electronics（Path Planning of a Sweeping Robot Based on Path Estimation of a Curling Stone Using Sensor Fusion）[J].Electronics Newsweekly，2020.

[11]JaeHyeon Gwon，Hyeon Kim，HyunSoo Bae，et al.Path Planning of a Sweeping Robot Based on Path Estimation of a Curling Stone Using Sensor Fusion.2020，9（3）.

[12]Guangli Li，Lei Liu，Tongbo Zhang，et al.Visual field movement detection model based on low-resolution images.2020，12（1）.

[13]Yuanfa Dong，Rongzhen Zhu，Qihua Tian，Wenrong Liu，Wei Peng.A Scenario Interaction-centered Conceptual Information Model for UX Design of User-oriented Product-service System[J].Procedia CIRP，2019，83.

[14]Feng An，Qiang Chen，Yanfang Zha，et al.Mobile Robot Designed with Autonomous Navigation System.2017，910（1）.

作者简介：苏健（1996— ），男，汉族，黑龙江大庆人，硕士，研究方向：继续教育。