李麗

摘? 要： 受到不同傳感器信號融合度與傳感器分布位置的影響，機器人整機在自動控制過程中存在多傳感器信號響應(yīng)反饋不同步的現(xiàn)象。通過對機器人結(jié)構(gòu)運動力學(xué)模型的建立與分析，完成對不同位置傳感器所應(yīng)發(fā)送力值信號大小的獲取;根據(jù)獲取的數(shù)值對傳感器分布位置與規(guī)格進行修正，在硬件結(jié)構(gòu)上減小控制誤差量;通過引入信號同步算法，統(tǒng)一機器人整機不同分布位置上傳感器信號到達控制器的時間，實現(xiàn)在控制程序上的誤差修正。通過對不同差量下不同感應(yīng)器指令響應(yīng)誤差數(shù)據(jù)的收集、對比、分析，證明提出的控制方法能夠有效提升自動控制信號的同步效果。

關(guān)鍵詞： 機器人; 自動控制; 多傳感器; 結(jié)構(gòu)動力學(xué); 信號同步; 傳感器分布

中圖分類號： TN876?34; TP212.9? ? ? ? ? ? ? ? ?文獻標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）18?0175?03

Abstract： Due to the influence of the fusion degree of the different sensor signals and the distribution location of the sensor， the whole robot has the phenomenon that the response feedback of multi?sensor signal is not synchronous in the automatic control process. The structural dynamics model of the robot is established and analyzed to complete the acquirement of the signal size of the stress value transmitted by different position sensors. The distribution location and the specification of the sensors are corrected according to the obtained value， and the control error amount on the hardware structure is reduced. The time of the sensor signal reaching the controller at different distribution positions of the whole robot is unified by introducing the signal synchronization algorithm， and the error correction on the control program is realized. It is proved that the proposed control method can effectively improve the synchronization effect of automatic control signal by collecting， comparing and analyzing the error data of different sensors′ command response under different differences.

Keywords： robot; automatic control; multi?sensor; structural dynamics; signal synchronization; sensor distribution

0? 引? 言

隨著物聯(lián)網(wǎng)技術(shù)[1]、大數(shù)據(jù)技術(shù)[2]、云計算技術(shù)[3]、傳感控制技術(shù)[4]的高速發(fā)展，為機器人研發(fā)提供了諸多有利的技術(shù)支持。我國對高尖端機器人（人形機器人）研發(fā)力度不斷增大。機器人可實現(xiàn)仿人工生物運動力學(xué)的動作，需要多個傳感器共同對不同的參數(shù)數(shù)據(jù)進行實時的采集與下達。其中，需要傳感器的種類包括：通信傳感器、重力傳感器、紅外傳感器、距離傳感器、壓力傳感器、語音傳感器與圖像傳感器等。

由于傳感器類型的不同，導(dǎo)致傳感器收發(fā)信號的頻率、波形、速率等參量各不相同，信號間的融合程度直接關(guān)系著信號的同步程度，信號的同步程度是衡量機器人完善與否的重要標(biāo)準(zhǔn)。由于機器人整機傳感器所分布位置的不同和所受力值的不同，對同步控制有所影響，本文從運動力學(xué)與信號控制兩個角度對同步控制方法進行詳細描述。

1? 機器人整機運動力學(xué)模型建立與分析

1.1? 運動力學(xué)模型建立

由于機器人整體控制是通過分布在機器人整機各個關(guān)節(jié)（控制點）上的傳感器感應(yīng)運動力值，將其轉(zhuǎn)換為控制信號，從而控制關(guān)節(jié)帶動器件，完成機器人運功。本文首先對立機器人的運動力學(xué)模型進行建立，通過模型反映控制點（多傳感器分布位置）所受力值大小，轉(zhuǎn)化得到不同位置分布下的傳感器信號轉(zhuǎn)換響應(yīng)時間。具體的運動動力模型采用Euler?Lagrange方程[5]來完成，其動力Euler?Lagrange方程為：

式中：[w=w1，w2，…，wiY]，代表機器人運動空間中i維動態(tài)軸坐標(biāo)位置;A代表Lagrange方程，表現(xiàn)動量與動勢間的能量轉(zhuǎn)化關(guān)系;[Rw]代表[i×z]維載入量的動態(tài)序列;[μ]代表Lagrange系數(shù)因子[6];[Sw]代表制約控制序列;積值[SYwμ]代表限制量的常態(tài)值。由Euler?Lagrange方程可得到，機器人多傳感器分布點的動力學(xué)模型為：

對式（2）進行微分計算，剔除控制運動中的干擾量，得到純凈的動力學(xué)模型方程式：

式中：[Dw]代表控制運動的阻力系數(shù);[Dw]代表傳感器受力系數(shù);[oy]代表動能轉(zhuǎn)換信號量的權(quán)值系數(shù);[oy]代表信號轉(zhuǎn)換行為中的誤差權(quán)值系數(shù)。

將乘量[DYw]代入式（3）方程兩側(cè)，并將轉(zhuǎn)換能耗系數(shù)設(shè)置為[DYSYμ=0]，消除Lagrange乘子[μ]簡化算式 ，得到最終機器人運動力學(xué)模型為：

式中：D代表[n+1]控制點下不同傳感器所受力值總量;Z代表力值感應(yīng)轉(zhuǎn)換比值;B代表動力輸出總量;R代表傳感器感應(yīng)識別系數(shù)。

1.2? 運動力學(xué)模型分析

完成上述的模型建立后，需要對模型所反應(yīng)的數(shù)據(jù)進行分析，通過分析計算獲得不同分布位置的傳感器對應(yīng)的力值關(guān)系。通過模型可知，機器人運動中，多傳感器所處位置有多個自由度，不同位置的傳感器對應(yīng)一個自由度量值。因此，需要將模型中所反應(yīng)的總力值分解對應(yīng)到每個傳感器上，具體的計算步驟如下：

機器人運動動力模型簡化后的表達式為：

式中：[Zw]代表i×z維習(xí)慣性常量矩陣;[w]代表傳感器分布位置對力值轉(zhuǎn)換系數(shù);[Bw，w]代表傳感器控制轉(zhuǎn)換常量;[Hw]代表傳感器感應(yīng)矢量;[Gw]代表傳感器空間位置矢量;[μf]代表有限的可控干擾系數(shù);[μ]代表轉(zhuǎn)換能力值?？紤]到機器人傳感器在工作狀態(tài)下易受到運動產(chǎn)生干擾值[7]的影響，再分解計算中引入等量空間抑制方程，得到分解后單個傳感器的動力學(xué)公式為：

式中：[c=w·wY];[1i×i]與[0i×i]代表i×i坐標(biāo)域下的傳感器獨立矩陣與靜態(tài)矩陣;[Zc]代表機器人控制點傳感器矢量;[ωc]代表[i-1]階下的空間作用力;[Hc]代表i×1坐標(biāo)域下傳感器所受力值半徑;[Gc]代表傳感器轉(zhuǎn)換誤差量。受到機器人運動過程中，矢量力值的不易計算的影響，將式（6）進行矢量剔除轉(zhuǎn)化，得到簡化的力學(xué)公式為：

式中：[gc]代表[gc]的預(yù)判量;o代表一個感應(yīng)器的力值感應(yīng)轉(zhuǎn)換動量。

1.3? 多傳感器分布與力學(xué)控制的關(guān)系

完成對運動力學(xué)模型的分解計算后，多傳感器集成的機器人中每個獨立區(qū)域的傳感器所受力值數(shù)據(jù)可通過公式計算獲得[8]。但需要準(zhǔn)確完成對傳感器同步誤差量的修正，還需要將所獲得的數(shù)值參量對應(yīng)綁定到每個傳感器上，機器人整機結(jié)構(gòu)分布位置可根據(jù)功能區(qū)域的不同分為：右臂功能傳感器運動力學(xué)區(qū)、左臂功能傳感器運動力學(xué)區(qū)、頭身軀干功能傳感器運動力學(xué)區(qū)、右腿功能傳感器運動力學(xué)區(qū)、左腿功能傳感器運動力學(xué)區(qū)。通過對力學(xué)模型的分析發(fā)現(xiàn)，傳感器的受力方向隸屬于一個三維坐標(biāo)空間[9?10]，將傳感器的受力系數(shù)按照三維坐標(biāo)的受力方向進行綁定，在三維受力的維度上系數(shù)為定值，從而快速找出存在誤差量的傳感器，對其修正。

2? 多傳感器機器人整機控制方法實現(xiàn)

2.1? 傳感器分布位置與規(guī)格誤差量的修正

完成對多傳感器集成的機器人整機傳感器力學(xué)關(guān)系綁定后，每個傳感器受力系數(shù)已為定值，在維度關(guān)系不發(fā)生改變的前提下可不考慮定值系數(shù)對控制信號的影響，可單純將機器人整機控制響應(yīng)同步問題歸結(jié)到傳感器分布與傳感器自身參數(shù)不足上。

2.1.1? 傳感器分布導(dǎo)致的同步問題修正

通過對機器人運動過程中的力學(xué)模型分析與傳感器分布位置的研究發(fā)現(xiàn)，左臂肘關(guān)節(jié)、右臂肘關(guān)節(jié)、左腿膝關(guān)節(jié)、右腿膝關(guān)節(jié)4個位置的傳感器，在機器人運動過程中，所受到的力值均大于其他分布位置的傳感器，受到阻力與應(yīng)力的共同作用，傳感器供電會發(fā)生阻值的變動，變動阻值提升擾動信號強度，導(dǎo)致傳感器信號響應(yīng)的瞬態(tài)遲滯，出現(xiàn)同步異常。根據(jù)上文傳感器劃分區(qū)域，將左臂肘關(guān)節(jié)、右臂肘關(guān)節(jié)、左腿膝關(guān)節(jié)、右腿膝關(guān)節(jié)4個位置的傳感器信號發(fā)送時間的控制參量進行對應(yīng)的調(diào)整，通過對信號的發(fā)送與反饋時間參量的校對，達到信號同步的效果。

2.1.2? 傳感器自身規(guī)格不足導(dǎo)致的同步誤差修正

在一些特殊的情況下，會出現(xiàn)不論怎樣修改、校正傳感器間的同步時間數(shù)據(jù)，機器人仍會不定時出現(xiàn)同步異常的問題。此狀態(tài)下，就可以考慮傳感器的控制接收硬件的規(guī)格參數(shù)是否達到校對參量數(shù)值的標(biāo)準(zhǔn)。對硬件規(guī)格參量不足導(dǎo)致的同步問題，最直接有效的方法就是硬件的替換修正。

2.2? 多傳感器控制信號同步識別計算

完成傳感器的軟硬件參數(shù)的修正后，需要對機器人整機的控制算法進行修正。解決多傳感器信號間的識別融合，是提升多傳感器集成的機器人控制信號同步的關(guān)鍵。多傳感器控制信號同步識別結(jié)構(gòu)如圖1所示。

3? 實驗數(shù)據(jù)分析

將多傳感器集成的機器人的主控數(shù)據(jù)中，各傳感器信號頻率數(shù)據(jù)導(dǎo)入仿真測試程序，對應(yīng)生成信號波，如圖2所示。由檢測結(jié)果可知，采用所提的基于多傳感器集成的機器人整機自動控制方法，能夠有效地解決多傳感器信號間的同步異常問題。

4? 結(jié)? 語

傳感器識別控制技術(shù)與無線通信技術(shù)為機器人研究與開發(fā)提供了技術(shù)支持。機器人的活動需要諸多傳感器作為信息數(shù)據(jù)的收集與交互介質(zhì)。本文根據(jù)同步異常問題發(fā)生的原因，從力學(xué)與信號控制兩方面，對問題解決方法進行了詳細的描述，并通過實驗對方法同步效果進行了驗證。本文方法的提出與驗證，為機器人開發(fā)研究及傳感器控制研究提供了一種新的控制方案。

參考文獻

[1] 伍明，張國良，李琳琳，等.基于動態(tài)和靜態(tài)環(huán)境對象觀測一致性約束的移動機器人多傳感器標(biāo)定優(yōu)化方法[J].兵工學(xué)報，2017，38（8）：1630?1641.

[2] 盧晨，劉正.無跡信息濾波耦合交互式多模型的多傳感器機器人軌跡控制[J].中國工程機械學(xué)報，2018，16（6）：544?549.

[3] 陳冠宇，成群林，張解語，等.基于多傳感器測量的航天器艙段自動對接位姿調(diào)整方法[J].北京航空航天大學(xué)學(xué)報，2019，45（6）：1232?1239.

[4] 孫寧，秦洪懋，張利，等.基于多傳感器信息融合的車輛目標(biāo)識別方法[J].汽車工程，2017，39（11）：1310?1315.

[5] 李兵，蘭夢輝，孫彬，等.基于多傳感器測量的孔組位置度快速檢測方法[J].計算機集成制造系統(tǒng)，2018，24（5）：1089?1097.

[6] 周衛(wèi)琪，齊翔.基于多傳感器信息融合的汽車行駛狀態(tài)估計[J].汽車工程，2019，41（1）：7?13.

[7] 王正家，夏正喬，孫楚杰，等.基于多傳感器信息融合的自主跟隨定位及避障方法[J].傳感技術(shù)學(xué)報，2019，32（5）：723?727.

[8] 王立玲，梁亮，馬東，等.基于多傳感器信息融合的雙足機器人自主定位[J].中國慣性技術(shù)學(xué)報，2018，26（5）：629?634.

[9] 劉澈，姜勇，姚森敬，等.基于多傳感器信息融合的絕緣子串自動識別方法[J].機械設(shè)計與制造，2019（4）：220?224.

[10] 程翀，郭曉彬，陳祥磊，等.基于Mindstorms的智能機器人控制系統(tǒng)開發(fā)[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2018，42（2）：247?252.