基于深度學習的智能物流分揀跟隨機器人的設計與研究

文/胡榮 章小寶 譚菊華

為了提高智能物流分揀跟隨機器人的自動化控制水平，提出基于深度學習的智能物流分揀跟隨機器人設計方法。機器人的設計核心在于深度學習控制算法設計，建立智能物流分揀跟隨機器人的空間位置和幾何位姿參數分析模型，采用位置誤差補償方法實現機器的末端位姿參數跟隨識別，在軌跡誤差約束下，通過深度學習算法，實現對智能物流分揀跟隨機器人的末端執(zhí)行器構造，通過超微參數估計和魯棒性參數識別的方法，結合激光跟蹤儀器測量裝置，實現智能物流分揀跟隨機器人的輸出終端控制設計。

0.引言：

隨著物流智能化分揀技術的發(fā)展，采用智能物流分揀跟隨機器人實現物流分揀，提高物流智能信息化管理能力。在智能物流分揀跟隨機器人中，需要根據位置參數分析和結構剛度特征分析的方法，建立智能物流分揀跟隨機器人的輸出軸連剛度分析模型，通過繩索彈性誤差分析和結合參數誤差重組，建立智能物流分揀跟隨機器人的環(huán)境參數識別模型，提高智能物流分揀跟隨機器人的幾何誤差控制能力和輸出穩(wěn)定性。研究智能物流分揀跟隨機器人的優(yōu)化設計方法，提高參數識別的精度和魯棒性[1]。當前，對智能物流分揀跟隨機器人設計方法主要有基于位姿選擇的機器人幾何控制方法、基于軸連剛度特征分析的智能物流分揀跟隨機器人誤差控制方法等[2]，文獻[3]中提出基于懸鏈線特性特征分析智能物流分揀跟隨機器人設計方法，結合懸鏈線特性參數分析和幾何參數誤差分析，實現機器人的優(yōu)化控制設計，但該方法進行物流分揀跟隨機器人控制的自適應性不好。針對上述問題，本文提出基于深度學習的智能物流分揀跟隨機器人設計方法。

1.智能物流分揀跟隨機器人運動學模型

1.1 智能物流分揀跟隨機器人運動學參數。為了實現基于深度學習的智能物流分揀跟隨機器人，構建智能物流分揀跟隨機器人路徑跟蹤誤差自動規(guī)劃和自動化控制模型，基于外部參數融合補償的方法，構造基于深度學習的智能物流分揀跟隨機器人的參數標定模型。末端執(zhí)行器上點Ai，得到無模型的誤差補償特征量，采用模糊誤差插值技術，得到機器的姿態(tài)矢量，在無模型的誤差補償過程中，引入融合可觀測性指標進行智能物流分揀跟隨機器人的自適應參數規(guī)劃，在3維工作空間中實現精度補償和誤差標定，在3維工作空間中的標定誤差滿足：

當（[pHj，pLj]）?（[pHi，pLi]）時，在引出點Bi，通過世界坐標系Ow實現智能物流分揀跟隨機器人運動平衡控制。將各類誤差源抽象為單一誤差分布，得到智能物流分揀跟隨機器人的繩索長度的變化特征分量，通過利用正向運動學方程f求得物流分揀跟隨機器人的位姿參數[4]，利用雅可比矩陣實現位姿參數融合，得到末端執(zhí)行器到達實際位置的動態(tài)平衡參數方向，通過實際位置誤差的補償控制，采用多種群協(xié)同進化，得到關節(jié)空間的位姿補償參量，描述如下：

其中，p（φ）為智能物流分揀跟隨機器人的位姿參數的候選姿態(tài)參數分布集，采用逆運動學補償的方法，得到多種群協(xié)同進化下的深度學習樣本項，結合激光雷達、雙目視覺識別技術，實現智能物流分揀跟隨機器人的視覺參數識別。采用并聯大負載多模式識別方法，構建了智能物流分揀跟隨機器人運動學模型。

1.2 機器人3維工作空間參數標定。采用分布式協(xié)同控制方法，結合位姿選擇的機器人幾何控制方法，構建智能物流分揀跟隨機器人的視覺識別模型，采用改進外部參數表達方法，建立智能物流分揀跟隨機器人的參數標定模型，使用位移傳感器進行目標參數識別，結合力傳感器、姿態(tài)傳感器實現對機器人的實際力學參數測量和標定，根據對機器人的動態(tài)參數標定結果，在的神經網絡結構中，通過激光雷達、紅外相機等實現智能物流分揀跟隨機器人作業(yè)過程的三維工作空間標定，機器人3維工作空間參數的特征重構特征量描述如下：

其中ELBF，為智能物流分揀跟隨機器人的雙模傳動特征分量，ELGF是最大負載。建立智能物流分揀跟隨機器人的空間位置和幾何位姿參數分析模型，采用位置誤差補償方法實現機器的末端位姿參數跟隨識別。

2.智能物流分揀跟隨機器人深度學習控制。

采用位置誤差補償方法實現機器的末端位姿參數跟隨識別，在軌跡誤差約束下，通過深度學習算法，實現對智能物流分揀跟隨機器人的末端執(zhí)行器構造，結合超微參數識別，在變高度調整范圍內，建立智能物流分揀跟隨機器人的組合導航控制模型，采用深度學習算法，結合激光跟蹤儀器測量裝置，實現智能物流分揀跟隨機器人的輸出終端控制設計，采用適應度評價，進行代表性個體的選擇，并通過上位機將外界信息傳輸至上層控制器處，得到控制律為：

基于Stewart異型結構的建立智能物流分揀跟隨機器人的環(huán)境感知模型，采用激光雷達進行環(huán)境參數識別，通過UDP通訊方式，構建智能物流分揀跟隨機器人的數據傳輸參數模型，在平臺坐標系XPYPZP中，得到機器人的主控參數模塊，通過WiFi連接到物聯網中，實現對智能物流分揀跟隨機器人的網絡連接控制。建立Stewart型的參數識別模型，通過分析機器人的平臺坐標系到指定平臺的位姿分量，結合動平臺空間穩(wěn)態(tài)參數識別，得到機器人的位置變化和分布結構。綜上分析，采用實值編碼，通過反向運動學方程，采用深度學習算法，遍歷各子種群的結構矩陣，構造解特征參數估計和魯棒性參數識別的方法，結合激光跟蹤儀器測量裝置，實現智能物流分揀跟隨機器人的輸出終端控制設計。

3.實驗測試。

通過仿真實驗驗證本文方法在實現智能物流分揀跟隨機器人優(yōu)化控制的性能，測試的智能物流分揀跟隨機器人為Turtle-Bot2型機器人，采用姿態(tài)傳感器進行智能物流分揀跟隨機器人的空間位置參數采集，建立智能物流分揀跟隨機器人的空間位置和幾何位姿參數分析模型，空間三維分布參數見表1。

表1 機器人的作業(yè)空間三維分布參數

根據表1的參數采集結果，采用深度學習算法，實現智能物流分揀跟隨機器人的輸出終端控制，結合誤差調節(jié)，得到智能物流分揀跟隨機器人誤差參數校正模型，輸出見表2。

表2 誤差校正輸出

根據表2的誤差校正結果得知，采用本文方法能有效實現智能物流分揀跟隨機器人的作業(yè)參數誤差補償控制，提高了智能物流分揀跟隨機器人的自適應參數調節(jié)和位姿參數補償能力。

4.結語

根據位置參數分析和結構剛度特征分析的方法，建立智能物流分揀跟隨機器人的輸出軸連剛度分析模型，提高智能物流分揀跟隨機器人的幾何誤差控制能力和輸出穩(wěn)定性。本文提出基于深度學習的智能物流分揀跟隨機器人設計方法。機器人的設計核心在于深度學習控制算法設計，建立智能物流分揀跟隨機器人的空間位置和幾何位姿參數分析模型，采用位置誤差補償方法實現機器的末端位姿參數跟隨識別，結合激光雷達、雙目視覺識別技術，實現智能物流分揀跟隨機器人的視覺參數識別。采用并聯大負載多模式識別方法，構建了智能物流分揀跟隨機器人運動學模型，通過深度學習算法，實現對智能物流分揀跟隨機器人的末端執(zhí)行器構造，通過超微參數估計和魯棒性參數識別的方法，結合激光跟蹤儀器測量裝置，實現智能物流分揀跟隨機器人的輸出終端控制設計。分析得知，本文方法進行機器人設計，機器人智能控制能力較好，參數自標定能力較強，提高了機器人的智能物流分揀能力，收斂性較好。