基于CARLA-PSO組合模型的機器人步態控制系統設計

霍延軍，袁旭華

(1.延安職業技術學院 人事處，陜西 延安 716000；2.延安大學 數學與計算機科學學院，陜西 延安 716000)

0 引言

機器人作為科技發展的產物，具有較高的擬人狀態，在運動過程中能夠較大程度地復刻人類步態，但依舊在復刻上存在一些問題，由于機器人內部操作零件較多，對其的操作困難性也因此而大大提升，為此，不少研究學者針對機器人的步態控制問題提出相應的解決方案，就目前來看，取得的效果并不顯著[1]。

由于機器人步態控制系統在設計過程中將會面臨較大的步態操作差異，需要完整收集機器人路程行進信息，因此，目前的國內外研究集中觀察機器人路徑狀態，并對所經過的路徑進行細致檢測，探測該路段是否為正常行進路段，并時刻監管該路段內部障礙存在位置，輔助機器人正常通過此道路[2]。但在實際研究中，對于系統內部基礎信息的掌握程度較小，無法正確了解系統的需求狀況，對于其內部矛盾調整效果不佳，操作具有較大的局限性，控制有效率較低[3]。為此，針對上述問題，本文提出一種新式基于CARLA-PSO組合模型的機器人步態控制系統設計，對以上問題進行分析與解決。

本文系統設計分為系統硬件設計與軟件設計兩部分，在系統硬件設計中綜合系統硬件元件的基礎性能，按照性能分類，劃分不同的操作模塊實現系統硬件改造，并加大中心系統檢測力度，完善信息收集系統功能，在獲取硬件操作方式的基礎上進行系統軟件設計操作，結合控制算法與程序運用方案改變傳統軟件存在狀態，提升軟件系統初始競爭力，進而獲取較好的控制效果，該系統設計綜合系統內部信息，調整系統操作結構，具有良好的可操控性，能夠為使用者提供較為便利的服務，更受歡迎。

1 機器人步態控制系統硬件設計

集中力度管理系統硬件設備，對其內部元件信息狀態進行精準采集，分類硬件操作標準，將符合同一標準度信息數據收集至中心系統中，借助CARLA-PSO組合模型的學習性能，記憶機器人行走的路徑步態點，加強中心步態系統的條件信息監管力度，查詢步態信息管理地址，并強化數據管理，分解CARLA-PSO組合模型，將分解后的結果數據復制到步態控制數據中心，由此增強步態的控制效率[4]。

1.1 數據監視模塊

按照系統硬件元件的基礎性能，綜合分析其在步態控制中的職能，首先設置數據監視模塊，采用相應的數據監視器時刻監控機器人步態[5]。構建數據監視圖如圖1。

圖1 數據監視圖

本監視器提供便捷的嵌入式WEB服務，B/S架構，直接通過IE瀏覽器進行監控管理，便利操作管理，主機為各種傳感器提供工作電源，停電狀態下能夠使用內置的后備電源獨立為主機和傳感器提供電，同時支持JSON、B接口等開放接口協議，實現遠程集中監控和管理，利于對機器人的掌控[6]。監控主機采用低功耗ARM芯片和嵌入式操作系統，內置硬件看門狗，具有故障自動恢復功能，當主機重新啟動后，整個監控系統也隨之運行，確保在監視過程中的系統安全性，實現整體監視操作[7]。

1.2 數據控制模塊

在完成對數據的監視后，調節獲取的監視數據，并將其構造為符合系統控制的中心體參數，裝備數據控制器實施數據的控制操作，并設置數據控制圖示如圖2所示。

圖2 數據控制圖

在圖2中選取的控制器輸入電流為4～20 mA，同時可接255臺設備，進行RS485信號輸入與RS485輸出，配備標準MODBUS，RTU協議，具有記錄存儲功能，可便利數據記錄操作，完整預留步態信息數據[8]。具備無線傳輸發射端、接收端，2公里或5公里無遮擋，能夠進行GPRS傳輸，其數據監測云平臺首先將數據上傳到服務器，接著，用戶再從服務器遠程讀取，有利于控制信息的及時獲取，便于其隨時調整。在系統硬件操作的過程中，不斷管理模式系統的操作范圍，同時對機器人的信息功能進行分解操作，研究其內部分解系統的主導性能，按照信息標準化研究相應機器人步態數據發出信息信號，并安裝控制芯片，結合控制芯片系統操作，尋找數據間的對照關系，并設置數據對照關系查找圖，如圖3所示。

圖3 數據對照關系查找圖

1.3 目標參數控制模塊

本文控制芯片是一款集成了控制器和驅動器的IC，可以同時分別獨立驅控兩個機器人步態數據系統，是具有功能強大的片上系統，在微型 7 mm X 7 mm QFN 封裝中集成了復雜的SixPoint斜坡發生器，以及業內一流的診斷和保護功能。還增加了 StealthChop靜音驅動技術、SpreadCycle防抖動技術、CoolStep電流動態調整技術，可節能75%，具有DcStep力矩調節技術以及StallGard堵轉檢測功能，促進系統的優化，每個線圈的電機電流可達20 A，電壓60 V DC，操作便利，只需找尋目標參數即可，所有機器人步態數據系統邏輯都在TMC5160內部運行，設置相應的目標參數設定圖如圖4所示。

圖4 目標參數設定圖

當驅動NEMA17到NEMA34和更大的系統時，無需軟件操作，節省操作時間，進而提升控制效率。通過行業標準SPI或步進/方向接口連接到主機微控制器，TMC5160執行所有實時位置和速度步進運動計算，與此同時，TMC5160還支持ABN編碼器輸入，優化輸入端口數據信息，便利內部結構性操作，可在接頭轉換的基礎上提供相關信息，加強對內部控制數據的信息分析力度，完美再現機器人運轉系統，提高其控制效果。根據上述操作，實現對系統硬件的設計[9]。

2 基于CARLA-PSO組合模型的機器人步態控制系統軟件設計

2.1 CARLA-PSO組合模型

PSO即粒子群優化算法，是基于種群的隨機優化方法，CARLA是一種強化學習方法，通過連續輸出能夠完成快速全局搜索。建立CARLA-PSO組合模型，該模型分為兩個學習子系統，其中CARLA學習子系統負責連續變化參數的在線尋優，而PSO學習子系統能夠完成對非線性數據的迭代尋優。CARLA-PSO組合模型示意圖如圖5所示。

圖5 CARLA-PSO組合模型學習環路

通過圖5能夠得到CARLA-PSO組合模型學習環路的尋優步驟為：

1)在模型環境中設置迭代次數、種群個數，得到行為向量；

2)在策略選擇器中首先選擇CARLA隨機行為發生器，搜索粒子群局部最優結果，并傳遞給PSO隨機行為發生器；

3)在PSO隨機行為發生器中更新粒子群尋優速度，通過迭代得到全局最優位置；

4)重復上述步驟，直到適應度值不再變化，輸出最優結果，完成尋優控制。

為提升控制系統的控制有效率，本文對其系統軟件內部進行綜合性能分析，利用硬件數據作為操作基礎，結合CARLA-PSO組合模型，儀器內部的智能學習器作為控制標準，啟動信息內部策略選擇器，通過CARLA學習環路確定機器人步態存在位置，利用位置信息調節器內部控制狀態，整合信息構架[10]。設置系統軟件設計流程圖如圖6所示。

圖6 系統軟件設計流程圖

在圖6中，劃分不同的系統軟件運作模式，調節系統中心結構模式，控制步態數據在規定范圍內活動，設置模式調節公式如下：

(1)

式中，N表示為調節參數，S表示為規定范圍系數，P表示為系統軟件運行模式參數，A表示為內部軟件策略選擇器狀態指數，M表示為信息提取數據，d表示為位置信息數據[11]。

2.2 步態控制系統軟件設計及系統實現

經過上述操作后，進行數據反饋控制，連接硬件中的傳感器與紅外指南針，為后續軟件操作提供連接服務，利用軟件指南系統及時反饋機器人的運動方向，感應機器人在躲避障礙物時的行走路徑，進而獲取其正常步態信息。整合獲取的步態信息，分類中心步態操作，并進行下述步驟的研究：

1)加大軟件內部對機器人的加速度調整力度，控制機器人操作在控制系統允許范圍中，時刻監測機器人行走的重心位置，并感應位置所處條件，設置相應的條件感知公式如下：

(2)

式中，S表示為條件感知參數，I表示為系統允許范圍參數，f表示為機器人中心位置數據，v表示為監測指數數據[12]。

由此掌握精準的機器人步態數據狀況，根據類似的樣本采集情況分析數據內部信息關聯，掌控機器人聯系數據[13]。

2)在機器人進行直線路程位移時，管理其腳下壓強數據，對壓強數據的發生點作集中分析操作，復刻系統的管理模式與控制信息，及時調整機器人的姿態，保證其行走處于安全狀態，依據狀態分析方程記錄此時的狀態信息：

(3)

式中，T表示為狀態分析參數，S表示為操作分析數據，q表示為機器人安全狀態系數，l表示為調整姿態指數[14]。

3)以獲取的分析參數為基礎，調控路徑信息，把握此時機器人的位置數據，結合傳感角信息[15]，清理無關的步態數據，設置相應的無關數據清理如圖7所示。

圖7 無關數據清理圖

由此，實現整體系統軟件設計，優化軟件程序信息，獲取良好的控制數據結果。

3 實驗與研究

為精準評估本文基于CARLA-PSO組合模型的機器人步態控制系統設計的控制性能，設置相應的實驗環境進行性能檢驗，將本文基于CARLA-PSO組合模型的機器人步態控制系統設計的設計效果與傳統機器人步態控制系統設計的設計效果進行實驗對比。

針對CARLA-PSO組合模型構建的操作復雜性以及機器人步態控制系統的設計困難性，需對其實驗環境進行數據篩選，組合系統內部結構，按照系統的相應信息規則實施數據基礎處理操作，不斷調整系統中心的數據輸入模式，構建較為完整的數據操作板，控制步態數據的流通方向，及時阻止無關數據的侵入，并設置如下步驟的實驗操作：

1)選取與系統相符的仿真機器人樣本，設置相同的實驗行走路徑，及時調整偏移的道路，將機器人放置在平整的地面上，沿設置的路線行走，并觀察其行走的具體狀態。

2)由于機器人在行走過程中各個關節所受到的力不同，為此，在機器人行走過程中，需集中采集其外部路徑信息，在確保電源模塊與控制系統發電機連接狀況良好后進行檢測工作，時刻觀察信息的基礎流向，按照內容參照物的位置放置相應的實驗障礙物，并根據機器人的行走路徑驗證其行走的狀態。

3)檢查機器人關節的協調性，確保其行走的安全性，避免突發狀況的產生。標記控制方案及軟件算法信息，確保數據保持時刻清晰狀態，并記錄機器人此時的步態信息，結束實驗操作。

在此實驗中，根據兩個不同的實驗參數進行實驗對比，進一步提高整體對比效果，并設置相應的實驗參數如表1、表2所示。

表1 實驗參數1 表2 實驗參數2

采用傳統基于自適應PID控制的機器人步態控制系統及基于遺傳算法的機器人步態控制系統作為實驗對比方法，在實驗參數1設置下得到3種方法的控制路線對比圖如圖8所示。

圖8 控制路線對比圖

在此基礎上，在實驗參數2條件下得到不同方法的控制所需時間對比圖如圖9所示。

圖9 控制所需時間對比圖

根據圖8、圖9可以分析得出，基于自適應PID控制的機器人步態控制系統設計控制路線較為平緩，具有較好的控制效果，但控制所需時間較長，基于遺傳算法的機器人步態控制系統設計具有較短的控制所需時間，但其控制路線狀態不理想，控制有效率較低。本文基于CARLA-PSO組合模型的機器人步態控制系統設計的控制路線優于其他兩種傳統系統設計，控制所需時間皆短于其他兩種傳統系統設計。

造成此種差異的原因在于本文系統設計研究系統內部信息狀況，并查找系統所處狀態的原因，加大數據采集力度，按照相關的空間數據對照系統存儲方式進行數據存儲，較大程度上保證了數據的存儲精準性，減少不必要的麻煩，便利控制操作，在提升控制有效率的同時縮減了控制操作所需時間。而傳統基于自適應PID控制的機器人步態控制系統設計研究了數據間的整合機制，在管理系統中心數據的基礎上進行步態數據審核分析，較好地控制了系統的控制中心性能，具有較為平穩的控制路線，但操作步驟較為繁雜，具有較多的重復步驟，產生一定的操作浪費，致使其控制所需時間較長。傳統基于遺傳算法的機器人步態控制系統設計精簡控制操作步驟，在保證信息的有效傳輸的同時控制步態數據的流通方向與流通狀態，縮短了控制所需時間，但正因如此，對于數據的掌握程度較低，無法達到系統的操作需求，在控制功能方面仍有欠缺，控制路線不平穩，控制有效率較低。

綜上所述，本文基于CARLA-PSO組合模型的機器人步態控制系統設計能夠更好地調節系統間的矛盾問題，及時解決系統數據信息，控制步態數據的有效流通，簡便操作流程，避免不必要的時間浪費，具有更為廣闊的發展空間。

4 結束語

本文在傳統機器人步態控制系統設計的基礎上提出了一種新式基于CARLA-PSO組合模型的機器人步態控制系統設計，實驗結果表明，該系統設計的控制效果明顯優于傳統系統設計的控制效果。相較于傳統機器人步態控制系統設計，基于CARLA-PSO組合模型的機器人步態控制系統設計能夠在較高程度上完善系統內部結構，通過對數據內部狀態的調整達到系統的需求，根據原有的標準操作方案進行實驗研究，打破了固有的操作模式，獲取更好的控制結果，具有較高的研究價值。