仿生昆蟲家庭安保機器人運動軌跡的實現

龍 瓏，鄧 偉，胡秦斌，覃 曉

（1.廣西師范學院 計算機與信息學院，南寧 530023；2.廣西腫瘤防治研究所，南寧 530021）

0 引言

根據“十二五”國家發展規劃，家庭信息數字化、全智能化將成為我國信息產業發展的重點[1,2]。智能家庭安保信息系統將作為一個新興產業重要分支出現。智能安保機器人已經從定點作業發展模式轉變為智能自主作業發展模式。智能安保機器人主要分為輪式類型的機器人和仿生多足機器人。與輪式類型的機器人相比，仿生多足機器人的運動靈活性和適應性更強，在軍事、搶險救災等領域都有更廣泛的實際應用價值[3～8]。在安保機器人領域，家具之間的溝隙（如兩張桌子之間溝隙），樓梯等都是非結構家庭環境常見地形，而輪式機器人無法跨越或者在這樣的環境行動，仿生昆蟲多足式安保機器人通過足端設置傳感器，獲取準確的地面的信息，調整其步態，并需要迅速準確地改變運動形態，從而完成在這些環境的跨越和工作。本課題機器人是家庭安保機器人，考慮銷售成本，這類機器人一定是小型低成本的機器人。本文主要研究小型的仿生昆蟲多足家庭安保機器人（以下簡稱家庭安保機器人）的足端軌跡規劃及其實現，以便這種低成本的機器人可以在家庭復雜多變的環境中運行。

1 家庭安保機器人基本機械結構

為了提高機器人適應家庭復雜的運動環境，節約機器人的制造成本，安保機器人采用蜂窩型軀體、仿生昆蟲六足關節式的機械結構。蜂窩型軀體的機器人在大量節省制造材料的條件下增大安保機器人的肢節空間，也可以使得安保機器人具有很好的運動穩定性和適應性。仿生昆蟲六足關節式結構運用了動物形態仿生學的理念，這樣安保機器人在運動穩定性上可進一步提高。安保機器人智能感知控制系統實現對安保機器人的每個足尖點準確地控制，為此研發小組在機器人的六足上各安裝了一臺低成本的小型直流發電機，此外，為了安保機器人能快速地感應復雜環境，安裝了多個足端壓力傳感器。但是為了減少生產成本，提高產品在市場上競爭力，這種家庭安保機器人的足端壓力傳感器只能使用普通電阻材料，工作溫度范圍為-25℃～65℃,不過這樣溫度的范圍已經可以適應大部分的家庭溫度環境。

2 預處理足端傳感器信號

由于家庭復雜的環境，造成了家庭安保機器人的足端壓力傳感器包含了很多突變的不平穩噪聲，加上為了節約制造成本采用了普通壓力傳感器，這些不平穩噪聲有時候會變成尖峰很高的噪聲，必須進行信號的過濾處理，以免影響足端信息處理的效果[9,10]。家庭安保機器人足端壓力傳感器的輸入信號采用基于Mallat小波的快速算法進行去噪，具體的設計原理與步驟如下。

1）信號分解過程處理。根據Mallat小波的快速算法原理，利用合理的小波基函數對家庭安保機器人足端壓力傳感器的輸入信號進行多層次小波分解。

設家庭安保機器人足端壓力傳感器的輸入信號為Signal(n), 根據Mallet小波的快速算法原理，有i0（n）= Signal(n) ，則信號分解工程由式（1）表示：

2）高頻低頻信息處理。由于家庭安保機器人節約了材料制造成本，雖然足端壓力傳感器的輸入的信號的頻率段有0～500Hz,存在高頻噪音和高達75Hz的工頻干擾，而家庭安保機器人有用的頻段只是集中在0～200Hz的區間內。可以采用強制閥值和軟閥值相結合的處理方法來處理家庭安保機器人足端壓力傳感器輸出的有用信號和干擾及噪聲信號。首先把第1層的高頻系數直接設置為0，也就是分解的高頻部分采用了強制閥值的處理方式；而2～4層的信號由于即含有有用信號也還有噪聲信號，所以對這些的高頻系數只能采取軟閥值處理，使得三層的噪聲逐次衰弱；最后全部保留第4層分解出的低頻信息。

3）Mallat小波重構處理。Mallat小波重構可以用式（2）表示：

其中：r為家庭安保機器人的分解半帶低通濾波器的沖激響應；t為家庭安保機器人的分解半帶高通濾波器的沖激響應。

3 家庭安保機器人足端軌跡規劃策略

本文的仿生昆蟲家庭安保機器人足端軌跡規劃策略主要是針對家庭安保機器人遇到家具之間的溝隙（如兩張桌子之間溝隙），根據足端壓力傳感器的反饋信息快速并準確地選擇落足點的位置。

家庭安保機器人的足端軌跡規劃系統在硬件設計和智能工程計算等方面都大量運用了動物形態仿生學的理念。硬件設計方面：家庭安保機器人的足端壓力器用于感受地面的變化，相當于動物神經感覺末梢部分；家庭安保機器人的智能工程信息處理芯片和信息轉換模塊類似于動物小腦部分；起到連接通訊作用是CAN總線，相當于動物脊髓，將智能工程信息處理芯片和信息轉換模塊與家庭安保機器人的直流電機驅動器和串口（相當于動物運動神經部分作用）連接起來；直流電機輸起到送動力作用，相當于動物的肌肉部分。在智能工程計算方面：家庭安保機器人的信息處理芯片和信息轉換模塊獨自完成規劃機器人的落足點軌跡的工程，然后信息處理芯片和信息轉換模塊通過CAN總線與直流電機驅動器直接通信控制直流電動機；家庭安保機器人的主控器（相當于人的大腦的作用）完全沒有參與整個決策系統，系統只是信息處理芯片和信息轉換模塊與電機驅動器之間通信傳輸，大大減輕了主控器的負擔，從而提升了機器人反應的實時與有效性。

家庭安保機器人的足端軌跡規劃過程是指家庭安保機器人的智能工程信息處理芯片和信息轉換模塊根據足端壓力傳感器的反饋的家庭環境信息，智能選擇合適的足端落腳點的過程。首先假設家庭安保機器人Tj時刻家庭安保機器人的支撐足的足端壓力傳感器的反饋值為r(Tj)，而下一個支撐足的足端壓力傳感器的反饋值為r(Tj+1)，Tj和Tj+1滿足：

其中δT為家庭安保機器人以三角步態行進時的完整步態周期。

假設R為家庭安保機器人的足點與地面接觸時足端壓力傳感器的反饋閥值，則Tj+1成為可靠落足點條件為：

則認為Tj+1時刻足端下方有溝隙，不是可靠的落足點，需要快速地搜索一個新的可靠的落足點。

家庭安保機器人新的落足點搜索順序如下。

1）家庭安保機器人的左側搜索順序是“ 前-左”；

2）家庭安保機器人的右側搜索順序是“ 前-右”。

家庭安保機器人按照新的落足點搜索順序進行搜索，若搜索到新的落足點條件滿足式（4）的條件，則可以確定新的合理的落足點，然后停止搜索；反之若無法搜索到合理的落足點，機器人停止運動，在Tj原地不動。整個搜索過程如圖1所示。

圖1 機器人搜索過程示意圖

4 家庭安保機器人足端軌跡規劃的實現仿真實驗

要確定家庭安保機器人的足端軌跡規劃的各足端壓力傳感器的合理閥值，需要知道家庭安保機器人在平面運動行進時各足的受力情況。如圖2所示為家庭安保機器人右側三足在平面上的行進過程所采集到的壓力信號圖。根據動物形態仿生學原理，設定三足的閥值較為合理值為：前足：40N；中足：60N；后足：30N。

圖2 家庭安保機器人右側三足壓力信號圖

圖3 家庭安保機器人足端軌跡規劃實現的流程圖

圖4 家庭安保機器人足端軌跡規劃仿真實驗結果圖

家庭安保機器人足端軌跡規劃實現的流程圖如圖3所示，家庭安保機器人利用智能工程信息處理芯片和信息轉換模塊（相當于動物小腦部分）完成這個系統，而不需要主控制程序參加，減少了主控制器的運算壓力。家庭安保機器人的仿真實驗結果如圖4所示。由仿真實驗結果可以看出，家庭安保機器人準確地探測到兩張桌子之間溝隙存在，并快速找到合理的落足點，這次仿真實驗證明了家庭安保機器人適應家庭環境能力較強，足端軌跡規劃策略的有效性和實效性都較好。

5 結論

家庭安保機器人已經成為國家發展規劃“十二五”中家庭信息數字化、全智能領域重點發展方向之一。本文研究了家庭安保機器人在復雜家庭環境下足端軌跡規劃問題。第一步，利用小波快速算法對家庭安保機器人的足端壓力傳感器的輸入信號進行去噪處理；第二步，提出了類似于動物仿生學的家庭安保機器人足端軌跡規劃策略，家庭安保機器人落足點的合理選取直接由信息處理芯片和信息轉換模塊（類似小腦）來完成，減輕了主控制器（類似大腦）運算壓力，從而達到提高信息處理速度；最后，通過仿真實驗證明了家庭安保機器人足端軌跡規劃的合理性與有效性。下一步工作重點是在家庭安保機器人成本進一步控制情況下，進一步提高家庭安保機器人的運行速度，隨著新材料和新算法的進一步完善，這樣的想法是可以實現的。

[1] James G. Bellingham, kanna Rajan. Robotics in Remoter Hostitle[J]. Science, 2007, 318: 1098-1102.

[2] 趙小川, 劉子峰, 楊立輝. 特種機器人運動軌跡規劃及實現[J]. 計算機測量與控制, 2011, 19(8): 2024-2026.

[3] 王華朋, 鐘雄虎. 基于模糊化卡爾曼濾波的信息融合[J].計算機測量與控制, 2006, 14(8): 1230-1232.

[4] 趙小川, 羅慶生, 韓寶玲. 機器人多傳感器信息融合研究綜述[J]. 傳感器與微系統, 2008, 26(8): 1-4.

[5] 高玉華, 蘇劍波. JMF視頻傳輸技術在Web機器人的應用[J]. 機器人, 2004, 25(3): 218-221.

[6] 徐凱, 馮瑞, 董道國. 基于Web家庭安保機器人視頻傳輸的研究與實現[J]. 計算機應用與實現, 2011, 28(8):131-134.

[7] 王箐華, 崔世剛. 應用幾何理論的智能化機器人路徑軌跡仿真[J]. 計算機仿真, 2010, 27(3): 153-156.

[8] 孫波, 陳衛東. 基于粒子群優化算法的移動機器人全局路徑規劃[J]. 控制與決策, 2005, 22(1): 12-16.

[9] 劉召, 陳懇. 被動型機器人控制算法[J]. 清華大學學報,2010, 50(2): 254-257.

[10] 左敏, 曾廣平. 基于平行化的機器人智能控制研究[J]. 計算機仿真, 2011, 28(8): 202-205.