基于區塊鏈的偵查機器人實時避障與航線控制

徐曉麗，李 磊， 江 靜

(青島濱海學院 信息工程學院，山東 青島 266555)

0 引言

區塊鏈是一個具備共享能力的信息數據庫，存儲于其中的數據參量同時具備“集體維護”、“全程留痕”、“公開透明”、“可以追溯”等多項特征。該項技術手段融合了共識機制、分布式數據存儲、算法加密、點對點傳輸4類傳統應用模式，作為比特幣理論的衍生概念，區塊鏈弱化了中心控制主機的執行能力，采用一連串密碼為各級數據塊組織賦值，每一數據結構中也都包含了可供其它應用元件直接使用的傳輸交易信息，可用于數據有效性的驗證及下一區塊結構的生成處理[1]。區塊鏈技術完全不依賴第三方管理機構，沒有中心管制政策的約束，整個存儲結構自成一體，可逐級通過分布式信息的核算與檢測。技術方面區塊鏈存儲代碼始終保持開源化形式，可借助查詢接口實現對待處理信息的公開與公布[2]。

偵查機器人是一種常見的行進型運動受控設備，由正向運動體系、逆向運動體系、核心變動體系多部分共同組成。在實際行進過程中，受到阻擋障礙物的影響，機器人會經常出現避障性運動行為，隨著使用時間的延長，設備體行進元件的變動靈活性大幅下降，導致無故運動碰撞事件的出現。為解決上述問題，傳統RRTConnect算法及RRTStar算法直接求導機器人運動關節的行進變動角度，借助OBB避障模型，確定阻擋障礙物的實際所屬位置。但傳統方法的C-Space參數極值水平過低，RRT靈敏度指標也始終不能達到理想化數值水平。基于此引入區塊鏈處理技術，在超聲信號處理電路、LQR控制器等硬件設備結構的支持下，建立一種新型的偵查機器人實時避障與航線控制算法，再通過設計對比實驗的方式，突出說明該算法的實際應用價值。

1 偵查機器人實時避障運動規劃

偵查機器人實時避障運動規劃包含超聲信號處理電路連接、偵查運動節點提取、MoveIt避障程序配置3個處理環節，具體操作流程如下。

1.1 機器人超聲信號處理電路

由圖1所示，超聲信號處理電路可提供偵查機器人運動行進所需的應用電子量，存在于實時電流輸入端與實時電流輸出端之間，可在信號振蕩器、信號接收器等多個電路處理元件的作用下，實現對機器人避障傳輸電量的存儲與調度[3]。PWM超聲輸出裝置位于機器人信號處理電路中部，向右與避障信號接收器相連，可將待應用傳輸電子規劃成多個小型信號執行結構，一部分用于電量儲蓄端的長久貯存，另一部分用于偵查機器人的實時避障消耗；向左與4個阻值完全相同的運動執行電阻相連，當超聲信號電流由電路正極輸入電量負極時，PWM裝置快速更改與信號振蕩器間的實時連接形式，達到對機器人超聲信號傳輸電流的定向性調節[4]。偏壓子電路存在于超聲信號處理電路下端，與機器人階段段相連，當輸入端開啟信號錄入模式后，R1、R2、R3、R4電阻迅速更改已接入的阻值參量，以實現對偵查機器人實時避障行為的逐級化控制。

圖1 機器人超聲信號處理電路結構圖

1.2 偵查運動節點提取

為了實現對偵查機器人避障連桿的實時控制，借助信號處理電路記錄各時刻輸出電子的實際占用水平，結合與機器人關節角相關的變動數據，多次獲取任意本征避障節點的空間位姿信息，從而計算偵查機器人避障連桿的實時所處位置[5]。假設機器人運動坐標系與避障連桿控制坐標系完全重合，機器人的關節角度值θm，m代表該行進變動角所對應的機器人運動關節序號，則本征避障節點的空間位姿信息可用下式表示：

(1)

其中:λ代表超聲信號處理電路中機器人運動電子的輸入總量，θ1代表偵查機器人避障連桿的外部行進變動角，θ0代表偵查機器人避障連桿的內部行進變動角，u0、u1分別代表兩個不同的避障位姿信息篩查條件。若不考慮機器人的間接行進碰撞行為，規定在實時避障規劃的過程中，偵查機器人始終保持勻速且穩定的前進行為，則可認為本征避障節點的空間位姿信息直接影響實際避障行為的處理結果。設p1、p2、…、pn分別代表n個與機器人偵查運動相關的行進避障判別條件，聯立公式(1)，可將機器人偵查運動節點的提取處置行為定義為：

(2)

式中，j1,j2,…,jn分別代表偵查機器人在行進過程中所路過的n個不同的預設避障行為記錄節點。

1.3 MoveIt避障程序配置

MoveIt避障程序是與偵查機器人實時避障運動規劃算法相關的軟件配置環節，可在1r4 r850 moveit、kdl kinem atics plugin、KDLKinem aticsPlugin三類工具包的作用下，直接更改實時避障指令在空間范圍內的作用處置權限，以此縮短運動行進設備的平均反應時長，達到提升偵查機器人行進靈活性的目的。1r4 r850 moveit工具包與機器人超聲信號處理電路的振蕩器設備相匹配，可在既定執行周期內，實現對R1、R2、R3、R4電阻的同向干預控制，并對已輸入超聲信號進行編碼處理，防止混亂避障處理行為的出現[6-7]。kdl kinem atics plugin工具包與本征避障節點的空間位姿信息相匹配，可更改定積分環境下，與偵查機器人行進運動相關的關節角邊限累積條件，從而獲得更加精準的偵查運動節點提取結果。KDLKinem aticsPlugin工具包與偏壓子電路相匹配，作用于實時避障指令的執行初期與末期，在同一執行周期內，只能保持相同的更改作用行為，整體配置調節能力相對受限。

表1 MoveIt避障程序配置原理

2 偵查機器人運動航線控制

在偵查機器人實時避障運動規劃原理的支持下，按照LQR控制器搭建、偵查航速控制、運動操縱方程定義的處理流程，實現對機器人結構體的運動航線控制。

2.1 LQR控制器

LQR控制器負責偵查機器人航線控制指令的執行與應用，在區塊鏈子系統中能夠根據機器人實體的運動行進狀態，記錄必要的圖像數據信息，再通過超聲信號的形式，輸出至其它避障處置面板中[8-9]。LQR控制主機分別與1～8號子級控制面板相連，其中1號面板代表機器人伺服避障處理器，2號面板代表行進運動控制器、3號面板代表高壓前進控制器，4號面板代表低壓前進控制器，5號面板代表輔助避障應用元件，6號面板代表轉向控制器，7號面板代表伺服前進永動機，8號面板代表機器人轉向控制器。當機器人航行數據輸入區塊鏈子系統時，所有控制元件同時開啟應用連接形式，此時偵查網絡接口由閉合轉為啟用狀態，經過控制操作面板的多次調節，使機器人本體逐漸達到相對良好的行進運動趨勢。LQR控制器結構如圖2所示。

圖2 LQR控制器結構圖

2.2 偵查航速控制

偵查航速控制是機器人運動航線控制中的重要處理環節，在LQR控制器元件的作用下，選取初始避障位置作為記錄原點、實時避障位置作為末尾記錄節點，多次更改與運動航線相關的機器人行進轉向角，使得航速數值得到逐級化分割，在每一物理小區間內提取行進轉向角的均值化參量，用于后續偵查航速控制計算的實用數據支持條件[10]。規定整條偵查機器人運動航線由i個小型物理區間組成，其中第一區間的行進轉向角為α1，第二區間的行進轉向角為α2，第i區間的行進轉向角為αi，聯立公式(2)，可將每一區間的行進轉向角均值化參量表示為：

(3)

其中:W1、W2、W…、Wi分別代表行進方向上i個不同的偵查機器人運動分量，λ1、λ2、λ…、λi分別代表i個不同的運動航線轉角系數。以行進轉向角均值化參量作為偵查航速控制的輸出系數條件，假設機器人實時避障運動的最大參量約束值不超過Ei、最小參量約束值不低于E1，整合上述物理量，可將偵查機器人的航速控制判別式定義為：

(4)

式中，G代表偵查機器人實時避障運動的行進控制條件，r1代表避障偵查的最大運動判別系數，r1代表避障偵查的最小運動判別系數。

2.3 運動操縱方程

運動操作方程直接關系偵查機器人運動航線的最終控制結果，在不同坐標參考條件下，可得到不同的行進避障運動分量值[11-12]。規定偵查機器人實時避障運動的正方向為行進航線控制的正方向，實時避障運動的負方向為行進航線控制的負方向，定義中心點O的參考坐標為(x0,y0)，避障運動末尾結束點O′的參考坐標為(x′,y′)，利用上述物理量，可將由點O指向點O′的運動坐標系正向表達式DOO′定義為：

(5)

(6)

式中，γOO′為偵查機器人的避障運動行進控制系數，s1為航線結束位置的實時記錄坐標，s0為航線起始位置的實時記錄坐標。

3 基于區塊鏈的避障控制實現

聯合P2P網絡平臺等區塊鏈組織的實際應用需求，按照運動數據交互、偵查信息封裝的處理流程，實現基于區塊鏈的偵查機器人避障控制原理研究。

3.1 P2P網絡平臺

P2P網絡平臺是區塊鏈單元中的核心控制指令處置元件，在實施機器人避障控制的過程中，始終保持發散狀應用形式，為實現對偵查機器人航線的精準化控制，每一類執行主機都必須擁有一個主輸出設備和一個輔助輸出設備[13]。圖3為一個完整的P2P網絡平臺結構，其中包含偵查信號發生器、航線規劃主機、機器人避障信號接收器、航線控制設備共4類執行應用元件。在區塊鏈控制中心的調度下，偵查信號發生器可實時檢測機器人的行進運動狀態，并根據運動操作方程，控制避障指令的實際輸出速率。航線規劃主機與航線控制設備始終保持互為相反的作用效果，隨機器人避障信號的改變，接收器裝置會自發轉換與區塊鏈控制中心匹配的連接實踐行為，兩類執行主機則可在對傳輸信號進行初步分揀處理后，選取其中可用于航線控制的信息成分，借助P2P網絡平臺傳輸至LQR控制器之中[14]。

圖3 P2P網絡平臺結構圖

3.2 運動數據交互處理

運動數據交互是一種標準化的避障信息處置手段，在機器人實時運動航線不出現偏移的情況下，待處理數據始終存儲于區塊鏈主機中，而隨著避障信號傳輸總量的增加，與偵查機器人相關的運動支持設備會開啟快速轉變模式，直至無故運動碰撞事件的發生[15-16]。為解決上述問題，航線規劃主機直接調取區塊鏈控制中心內已存儲的實時避障信息，聯合JSON模型，定義避障航線的初始與終止運動位置，在確定二者間控制限定關系的同時，計算避障行進的實際偏轉角數值[17-18]。JSON模型是一種常見的數據交互格式，能夠正確存儲并表示偵查機器人的行進運動數據，是獨立于其它處理模型的文本編輯手段，經過處理后的交互數據可清晰表述航線內的轉角變動幅度。設g0代表偵查機器人避障航線的初始運動位置，g1代表偵查機器人避障航線的終止運動位置，聯立公式(6)，可將基于區塊鏈的機器人運動數據交互處理表達式定義為：

(7)

其中:f1、f2分別代表兩個不同的避障信息交互系數，h代表區塊鏈約束參量，h′代表系數h的補充說明條件，d代表與偵查機器人相關的航線控制參量。

3.3 偵查信息封裝

(8)

4 實驗結果與分析

為驗證基于區塊鏈偵查機器人實時避障與航線控制算法的實際應用能力，設計如下對比實驗。選取一運動行進能力相對穩定的偵查機器人作為實驗對象，將其放置于預設航線中，為驗證無故運動碰撞事件的發生幾率，在航線中設置多個阻擋障礙物。

分別將實時避障與航線控制算法(實驗組)、RRTConnect算法(對照組A)、RRTStar算法(對照組B)輸入監測實驗主機中，更改機器人的實際行進運動速率，記錄C-Space參數及RRT靈敏度的具體變化情況。C-Space參數、RRT靈敏度均能反應偵查機器人的行進靈活性，通常情況下，兩項指標的數值水平越高，機器人的行進靈活性也就越強；反之則越弱。

圖4 C-Space參數對比圖

圖4反應了3組不同的C-Space參數實值對比結果。分析圖4可知，在已知機器人行進距離的情況下，隨運動速度的增加，實驗組C-Space參數的實值記錄結果最大、對照組B的C-Space參數實值記錄結果最小。以第2次記錄數值為例，在固定行進距離、運動速度的前提下，實驗組C-Space參數極值達到8.0，對照組A的C-Space參數極值達到6.0，與實驗組相比下降了2.0，對照組B的C-Space參數極值則僅能保持為0，與實驗組相比下降了8.0。

表2 RRT靈敏度對比表

已知偵查機器人行進距離與運動速度參量總是保持單獨對應的存在狀態。分析表2可知，隨上述兩項物理量實值水平的提升，實驗組RRT靈敏度在持續增大后開始逐漸趨于穩定性波動；對照組A的RRT靈敏度在整個實驗過程中始終保持穩定，該穩定實值與實驗組極值相比，下降了26%；對照組B的RRT靈敏度前期不斷增大、后期保持穩定，全局最大值與實驗組極值相比，下降了36%。

綜上可知，若使實際行進距離與運動速度參量保持不變，隨著基于區塊鏈實時避障與航線控制算法的應用，C-Space參數、RRT靈敏度均出現不同程度的增大趨勢，與傳統RRTConnect算法及RRTStar算法相比，更能彌補偵查機器人行進靈活性不足的缺陷，達到降低無故運動碰撞事件發生幾率的目的。

5 結束語

在區塊鏈技術手段的支持下，實時避障與航線控制算法針對偵查機器人行進靈活性不足的問題實施改進，聯合超聲信號處理電路，提取偵查運動過程中各節點處的行進信息，利用航速參量、封裝信息等數據結構，建立必要的運動學操作方程。固定實際運動速度、行進距離保持不變，C-Space參數、RRT靈敏度均能達到理想指標水平，可實現對偵查機器人的靈活性行進控制，充分降低無故運動碰撞事件的發生幾率[21-22]。實驗結果表明，在所提基于區塊鏈的偵查機器人實時避障與航線控制方法下，偵查性機器人的C-Space參數極值達到8.0，RRT靈敏度在持續增大后開始逐漸趨于穩定性波動，平均值為71%，均高于實驗對比方法，證明了所提方法下偵查機器人的靈活性更好，能夠降低無故運動碰撞事件發生。