現場環境智能巡檢機器人設計

摘 要： 針對復雜的現場環境，設計一種對現場生產環境進行巡檢機器人系統。該系統以ARM為核心器件結合多種傳感器實現了現場環境溫度、濕度、CH4、CO濃度等參數的檢測；采用超聲波傳感器和紅外傳感器結合多傳感器信息融合技術和模糊神經網絡信息融合方法，成功實現了機器人在運行過程中靈敏感知障礙物并及時躲避。系統中采用NRF905無線傳輸技術，實現了巡檢機器人和遠程控制臺的無線通信。經過測試表明，該巡檢系統可以正常工作而且可以成功躲避障礙物，可以實現與上位機通信。該系統具有結構簡單、功耗低、測量準確、避障行駛安全、性能可靠等特點，具有廣闊的應用前景。

關鍵詞： 環境檢測； 多傳感器信息； 模糊神經網絡； 無線通信

中圖分類號： TN915?34； TP368.1 文獻標識碼： A 文章編號： 1004?373X（2016）18?0135?04

Abstract： An intelligent inspection robot system was designed for the complicated field production environment. The system takes ARM as its core device， and combines multiple sensors to detect the parameters of the site environment temperature， humidity， methane concentration and carbon monoxide concentration. The multi?sensor information fusion technology and fuzzy neural network information fusion method are combined with ultrasonic sensor and infrared sensor to perceive the obstacles sensitively and escape the obstacles timely during the process of robot running. The NRF905 wireless transmission technology is adopted in the system to realize the wireless communication between inspection robot and remote console. The test results show that the inspection system can work normally， avoid the obstacles successfully， and communicate with the host computer. The system has the characteristics of simple structure， low power consumption， accurate measurement， safe obstacle avoidance driving， reliable performance， and broad application prospect.

Keywords： environment detection； multi?sensor information； fuzzy neural network； wireless communication

近年來，隨著科技與信息的高速發展，智能機器人技術也發生了日新月異的變化，機器人在工業、醫療、軍事等領域得到了越來越多的應用。機器人涉及很多領域，如計算機領域、自動控制領域、機構學、傳感技術、通信技術、人工智能以及仿生學等很多先進學科，因此，機器人的發展是現代科學技術的結晶。針對復雜的現場生產環境，設計了一種對現場生產環境進行巡檢機器人系統。該機器人系統以單片機為微控制器，根據不同傳感器的傳感信號，可以實現現場環境檢測；將多傳感器信息融合技術和無線數據傳輸技術有機結合，實現了機器人的智能避障和遠程控制臺的無線通信。系統不僅可以應用到特種領域，還可以廣泛投入到民用行業，具有很高的商業價值[1]。因此，該系統的研制和應用具有重要的研究價值和現實意義。

1 系統方案設計

現場環境智能巡檢機器人主要由環境檢測模塊、導航避障模塊、運動控制單元和上位機平臺四大部分構成。整個設計包括電源管理系統設計；數據處理單元設計、環境探測單元設計、無線通信系統設計、避障導航系統設計、顯示報警模塊設計、運動控制單元模塊設計，可以實現機器人在運行過程中避開障礙物并可以完成對復雜現場環境信息的檢測。為了對復雜的地形環境實現智能避障功能，在設計避障導航模塊時選取超聲波傳感器和紅外傳感器聯合探測，并結合多傳感器信息融合技術和模糊神經網絡信息融合方法；系統中采用NRF905無線通信技術完成機器人與上位機的遠程通信，實現機器人的遠程控制。為了使巡檢器人適用于更多的復雜環境，系統中采用履帶機器人結構設計其主體框架結構[2]。該系統的基本組成框圖如圖1所示。

系統工作原理是履帶機器人根據不同傳感器的傳感信號，按照一定的規則來調整機器人的方位角和速度，使機器人在巡檢過程中遇到障礙物實現智能避障。智能機器人上帶有的檢測現場環境的傳感器，可以實現現場環境的溫度、濕度、CH4，CO氣體濃度等參數測量，若測量結果超限時可以報警。該系統還可以智能探測到人體，更具備實時將探測信息通過無線數據傳輸技術發送到遠程主控中心等功能。可以及時地了解現場環境，為指揮中心提供可靠信息；遠程控制臺可以通過無線遙控設備調整機器人狀態，可以通過遠程操作實現對巡檢機器人的控制。

2 運動控制單元的設計

檢測機器人選用大功率RP5坦克車體作為底盤，并帶有帶電感的280直流減速電機和低噪音大扭力減速齒輪組。具有動力性能強、底盤穩定性高、可原地轉圈、轉彎靈活等特點。環境檢測機器人的履帶電機是直流電動機。設計使用L293N芯片同時驅動直流與步進電機。設計時，通過處理器配置PWM產生脈沖的方式來驅動直流電機的運轉和調速[3]。

機器人運行的速度控制也是一個重點，設計時，采用霍爾片A3144的作為測速單元核心。為了提高對傳感器信息采集的準確性，提高其抗干擾能力，由霍爾器件電路部分輸出后，經光電耦合后，成為轉速計數器的計數脈沖。傳感器輸出的信號和單片機的計數電路兩個部分隔開，減少計數的干擾。控制脈沖的計數時間，便可實現計數器的計數值對應的轉速值。霍爾測速電路連接電路如圖2所示。

3 環境探測單元設計

環境探測單元主要完成對生產現場環境進行檢測及預警。該探測單元以STM32單片機為核心器件，搭載SHT11傳感器、MQ?4型CH4傳感器、MQ?7型CO傳感器和DSN?FIR800人體感應模塊以及液晶顯示器和語音報警模塊等組成[4]。結構框圖如圖3所示。

環境探測單元工作原理：傳感器將采集到的環境信息送給單片機，單片機將送來的信號進行處理并通過無線通信模塊發射給上位機，監測中心根據接收到的信息對生產現場進行實時監控并實現預警。在本系統中，溫濕度檢測采用數字傳感器SHT11實現，該傳感器接口簡單只需將串行接口SCK和DATA與單片機相連即可。由于MQ?7對CO氣體有很高的靈敏度，MQ?4對CH4靈敏度較高，設計時，選取MQ?7檢測CO氣體，MQ?4檢測CH4氣體濃度。而MQ?4和MQ?7采集到的是模擬信號但是由于STM32內部自帶兩個A/D，所以設計電路時無需外加A/D即可完成轉換。檢測機器人在特殊現場有時需要檢測是否有人的存在，以便控制中心及時救援或采取行動等特殊任務。人體探測電路設計采用DSN?FIR800型熱釋紅外傳感器完成。

4 避障導航系統的設計

多傳感器信息處理技術是對各個傳感器的檢測數據進行綜合處理的過程。單一傳感器獲得的環境信息可能是局部的、片面的，并且常常有不確定性和較大偏差，多信息處理技術就是為了更有效地處理、分析多個傳感器的信息。檢測機器人要具有避障功能就必須能感知障礙物的存在，并判斷周圍障礙物的距離，單一傳感器提供的數據不能在復雜多樣環境下滿足機器人對周圍環境的感知要求，因此將多傳感器信息處理技術用于檢測機器人的避障系統中，有效提高了機器人的避障系統性能[5]。如圖4所示為多傳感器信息處理系統結構。

系統根據所有傳感器的全部信息進行計算和估計，因此傳感器的選擇是一個關鍵問題。超聲波有效測量值一般在30～400 cm之間，超聲波測距的“盲區”為0～30 cm；而紅外線傳感器的探測距離范圍一般在10～80 cm之間，因此紅外傳感器可以有效彌補超聲波傳感器測距存在的“盲區”。傳感器數量也是一個關鍵的問題。如果傳感器的數量太少，就不能全面反映現場的環境信息，所獲得的信息也容易存在失真的問題。如果傳感器的數量太多，就會大大增加系統的復雜性與冗余性，使系統的執行能力變弱。考慮到生產現場環境因素，選用超聲波傳感器和紅外傳感器混合使用的方法實現避障，采用三個超聲波和三根紅外線傳感器，分別探測移動機器人左側、正前方、右側障礙物信息，其傳感器的布局如圖5所示。T1～T3代表了超聲波傳感器的安放位置，S1～S3代表了紅外傳感器的安放位置。

這樣布局可以全方位測得障礙物信息，環境檢測機器人在遇到障礙物時能夠及時調整方向方位。在探測過程中，多超聲傳感器測距的串擾現象：當布置的多超聲傳感器共同工作時，就會帶來傳感器之間的串擾現象，導致測量結果不準確。采用3路超聲波依次循環發射的方法，避免相互間干擾[6]。

本文選用HC?SR04型超聲波傳感器設計避障電路。采用I/O口TRIG觸發測距，給至少10 μs的高電平信號；模塊自動發送8個40 kHz的方波，自動檢測是否有信號返回；有信號返回，通過I/O口ECHO輸出一個高電平，高電平持續時間就是超聲波從發射到返回的時間。測試距離=（高電平時間×聲速[）2]。TRIG為控制端，ECHO是接收端。超聲波模塊與紅外傳感器硬件電路如圖6所示。

5 系統程序設計

環境檢測機器人系統是以單片機為控制器，對環境參數進行信息采集與勘測，實現對現場環境數據的檢測。整個系統主要控制程序有信號采集、數據處理、電機測速、避障導航、無線收發、顯示及報警等程序。系統以ARM平臺采用C語言進行程序編寫，編寫時采用模塊化思想便于后續改進。

5.1 避障導航程序設計

機器人采用超聲波傳感器與紅外線傳感器相結合的方式。當障礙物與機器人的距離小于超聲波測量范圍內時，完全采用紅外線測量障礙物距離。當障礙物與機器人距離大于紅外線檢測最大距離時采用超聲波傳感檢測的數據。

當障礙物與移動機器人距離在超聲波與紅外線有限檢測距離之內時，采用多傳感器信息處理技術獲得障礙物的距離。這兩種傳感器在檢測到數據之后先進行數據處理后進行數據融合，實現避障導航；利用無線通信實現遠程平臺與機器人之間的通信。避障導航子程序如圖7所示[7?8]。

5.2 避障模糊算法實現

在檢測機器人裝有6個傳感器：三個超聲波測距傳感器和三個紅外傳感器，用于檢測機器人前方、右側、左側障礙物距離信息，并把信息作為融合的初值，傳感器分布圖在圖5已給出。

（1） 輸入輸出變量選取。傳感器探測到的距離用Di（i=1，2，…，6）表示。而機器人左側距離DL=min（D1，D2），前方距離DF=min（D3，D4），右側距離DR=min（D5，D6）。即設計的控制器輸入的距離信息為左側、前方、右側三個不同方位的最小的距離信息和目標方向等級G作為模糊網絡控制器的輸入，選取機器人輪速為輸出，左輪速度和右輪速度[9]分設為[vL]和[vR]。

（2） 變量模糊化。根據傳感器分布和探測距離的情況，可能存在9種情況的障礙分布情況，分布情況如圖8所示。

本文超聲波測距范圍為30～600 cm，根據實際經驗分析，定義測得距離0～4.5 m為“遠”，4.5～6 m為“近”。將測得的距離信息分成{遠，近}作為模糊子集，模糊神經網絡的論域是[0，6]，相應的模糊輸入變量為{far，near}，輸出通過控制機器人兩輪速度實現{左拐，右拐，前進，后退}動作，相應的模糊語言輸出變量為{TL，TR，FW，BK}，輸出量機器人的兩輪速的模糊子集為{慢速，正常，快速}，左、前、右方向的障礙物距離信息是控制智能小車轉向的主要因素，即當小車的行駛方向有較近距離的障礙物時，就要采取相應的避障措施。否則，小車仍以原速度前進。

（3） 模糊規則。結合9種環境分類可得機器人避障控制規則如表1所示。目標相對機器人方位可能有5種可能分布，需要構造45條模糊規則并采用Mamdani的最小運算規則計算出每條規則的適用度[10]。

采用IF…THEN…模糊條件語句描述機器人運動控制規則。在Matlab軟件平臺下通過準備數據、初始化網絡、訓練網絡和權值修正得到訓練模糊神經網絡實現智能機器人的避障算法。

6 結 論

本文基于嵌入式系統設計了環境巡檢機器人，實現了在復雜的環境中檢測現場溫濕度，可燃氣體濃度，人體感應，現場畫面收集等功能。經過測試表明系統采集信息準確，能夠在行駛過程中有效地調制行駛狀態和速度有效地躲避障礙物，無線數據傳輸穩定遠程控制中心數據顯示正常并可以完成遠程無線控制功能。該系統具有很強的環境適用能力，無線通信成功率高，具有很好的可行性，可以在復雜地形環境中運行。

參考文獻

[1] 張軍輝，李曉鵬.基于多傳感器的煤礦探測機器人控制系統研究[J].煤炭科學技術，2012，40（7）：89?92.

[2] 張飛飛，楊雪松，高愛宇.基于STM32的智能滅火機器人設計[J].甘肅科技，2013，29（12）：13?15.

[3] 陳伯時.電力拖動自動控制原理?運動控制系統[M].3版.北京：機械工業出版社，2003.

[4] 高寧，彭力，陳凱健.糧倉環境檢測智能巡檢小車研制[J].現代電子技術，2010，33（12）：153?155.

[5] SURACHAI P. Method of object detection for mobile robot [J]. Journal of computer science， 2010， 6（10）： 1122?1124.

[6] 田豐.煤礦探測機器人導航關鍵技術研究[D].徐州：中國礦業大學，2014.

[7] 袁新娜.基于多傳感器信息融合技術的智能小車避障系統研究[D].太原：中北大學，2010.

[8] 李國才，張文棟，胡杰，等.煤礦環境探測機器人的多傳感器系統設計[J].礦山機械，2013，41（8）：127?130.

[9] 李寶霞.基于模糊算法的移動機器人路徑規劃[D].秦皇島：燕山大學，2010.

[10] 楊敬輝，洪炳镕，樸松昊.基于遺傳模糊算法的機器人局部避障規劃[J].哈爾濱工業大學學報，2004，36（7）：946?948.