野外自主移動智能機器人設計

田 鵬，朱志斌，步海明,唐 強

(1.通號（鄭州）電氣化局有限公司電務分公司,河南 鄭州 450000; 2.北京中致科技有限公司，北京 118300)

引言

近年來室內環境下送餐機器人、消毒機器人、巡檢機器人等移動機器人發展十分迅速，與結構化、靜態的室內環境不同，隨著未知領域探索、執行救援危險任務等需求出現，移動機器人不斷向野外非結構化環境拓展，對機器人通過性和自主能力的要求也越來越高。無標志物條件下，智能移動機器人能夠在野外環境自主導航定位、自主規劃控制，具備自主障礙物識別和規避，動態路徑規劃的能力。兩臺或者多臺還具備智能編隊運行能力，可以模擬一個機器人小組。履帶式底盤能夠適應典型非道路野外環境，具備較強的涉水、越障、爬坡能力。目前大部分野外機器人為鋪設軌道或人工遙控的移動車[1-2]。野外場景環境復雜，范圍大，鋪設軌道工程量很大，遙控模式又很難達到預定的目標效果。需要研制新型無依托智能機器人，文獻[3]針對傳統軌道式移動車運動方向單一、軌道鋪設困難且存在跳彈的隱患，利用機器視覺，研究了一種以普通的色帶或膠條為引導的自循跡移動靶車控制系統,但是該方法還是要求預先鋪設輔助標志。文獻[4]設計了履帶式移動機器人，可以有效增強機器人的通過性。文獻[5]針對戶外定位問題，提出了激光導航定位方法，可以作為室外定位的有效手段之一[6-7]。針對野外不規則地面，通過以上分析可知，雖然在野外機器人方面已經取得了較大的進步，目前仍沒有成熟的能夠不依賴輔助標志引導、野外通過性強、機動性強的野外機器人。綜上，本研究設計了一種野外自主移動智能機器人，采用履帶底盤，具有較強的涉水、越野能力，自主導航定位采用GNSS、慣導、里程計組合方式，能夠實現野外環境動態自主軌跡規劃，配備了超聲傳感器，具備自主識別較大障礙物和自主規避的功能。此外，應用星形自組織網絡，支持多機器人在同一區域協同工作。

1 系統組成

野外自主移動智能機器人由履帶底盤系統、導航系統、控制系統和載荷模塊等組成。機器人結構見圖1。

圖1 機器人結構示意圖

底盤控制系統由電源模塊、電機驅動單元、中央控制單元、無線通信單元等組成，見圖2。

圖2 底盤控制系統

機器人導航感知系統由GNSS 接收機、三軸陀螺儀、三軸加速度計、超聲波傳感器組成。為提高局部區域定位精度，采用RTK(Real Time Kinematic)差分技術可實現厘米級絕對定位。三軸陀螺、三軸加速度計與GNSS 構成組合導航單元，獲得機器人的位置姿態信息，超聲波傳感器用于2 m 內近距離障礙物識別與躲避。GPS/慣導組合導航示意圖見圖3。

圖3 GNSS/慣導組合導航示意圖

機器人電控系統采用模塊化設計，由供電單元、中央控制單元、無線通訊單元、數據采集存儲單元、伺服驅動控制單元五部分組成。電控系統硬件設計見圖4。

圖4 電控系統硬件設計

操作者在遠程終端設定目標點，而不給出路徑軌跡，機器人通過無線數傳模塊接收來自操作者的目標位置指令，經遙測遙控單元數據接收、初步過濾后傳送給中央控制單元。中央控制單元結合導航系統解算的當前機器人狀態和目標點坐標，動態規劃行駛路徑，給出當前有限時間窗口雙側履帶控制指令，并下傳給電機驅動單元，電機驅動單元分別完成左右履帶電機閉環控制，在下一時刻，根據導航結果和障礙物檢測結果重新規劃行駛路徑。荷載模塊為機器人上安裝的標靶（如圖1 中的人形模擬件）或其他用戶需要裝載的設備。

2 外智能機器人主要指標

履帶車運行中的阻力FA包括以下幾部分

式中，Ft為土壤阻力，Fp為坡道阻力，Fu為轉彎阻力，Fn為行走機構內阻力。

土壤阻力Ft為履帶對土壤產生擠壓作用產生的阻力，由下式給出

式中，G 為整機重力，α 為坡角，ωt為運行比阻力系數，在野外潮濕地面取值比較大，在堅硬路面取值小（本研究分析中選取0.15）。

坡道阻力Fp為坡道重力分量引起的阻力

轉彎阻力Fu是履帶車轉彎時瞬時轉向中心平動和繞瞬時轉向中心轉動的復合運動引起的縱向和橫向阻力作用，轉彎阻力的分析比較復雜，實際中的主要分力是履帶板與地面摩擦阻力

式中，β 為履帶板側邊刮土附加阻力系數，取值為1.15。L 為履帶接地長度，B 為履帶軌距，μ 轉向阻力系數，可使用如下公式估計

式中，r 為履帶轉彎半徑，μmax為履帶制動時垂直載荷和摩擦阻力比例系數，實際計算的μ 大約為0.4～0.7。

行走機構內阻力Fn的組成非常復雜，包括履帶零件、驅動輪、導向輪、拖帶輪的摩擦，履帶不均勻的阻力等，可引入行走機構效率初步計算內阻力，公式為

根據經驗數據，η 的取值為0.7～0.8。

履帶底盤的驅動機構牽引力F 必須大于總的阻力，即

另外，牽引力還要小于履帶和地面的附著力，即

式中，φ 為附著系數，可取0.3～0.5，滿足此條件，履帶才不會打滑。

根據以上分析，動力電機的總功率P 可以計算為

式中，v 為行走速度，單位為km/h，FA為總阻力，η 為履帶行走裝置效率，η 為履帶行走裝置傳動效率，取0.4～0.75。

通過代入相關參數，移動智能機器人的主要指標見表1。

表1 機器人主要指標

3 控制系統設計

3.1 運動學模型

機器人采用履帶底盤，通過兩側驅動輪差速實現轉向，屬于差動移動機器人。差動移動機器人的運動依賴兩側的驅動輪，依靠兩個輪子的速度差來實現轉向。運動學模型可用下式表示

式中，v 為機器人中心速度，ω 為轉向角速度，(x,y)為中心點的坐標， θ為航向角。機器人的狀態向量為，機器人的控制向量為。

3.2 運動軌跡更新模型

設定系統采樣周期100 ms，采樣周期內認為速度恒定。假設車輛在一個周期內繞圓心O 轉過的弧度為β，則可確定一個周期內車輛的運動軌跡，根據幾何關系可求出機器人本體坐標系下更新的坐標（x0，y0）。則可以得出

式中，s 為一個周期內運動軌跡的弧長，可以簡單認為是直線；v 為當前速度；Δt為采樣周期；β 為一個周期內軌跡圓弧對應的圓心角；R 為瞬時轉彎半徑。

由圖5 幾何關系，可得

圖5 機器人軌跡更新示意圖

3.3 路徑規劃與軌跡跟蹤控制

野外無輔助路徑標志，無鋪設軌道條件下，路徑規劃是智能移動機器人面臨的重要問題。對于巡航狀態常用的典型軌跡，我們采用描述函數法表示。用戶可以通過下拉菜單選擇期望的運動軌跡，不同軌跡函數的參數可以修改。目前支持的典型路徑軌跡包括圓形軌跡、橢圓形軌跡、李薩如軌跡、8 字型軌跡等，均可以由一組特征參數描述。根據期望軌跡是否與時間相關，將軌跡跟蹤控制分為路徑跟隨和軌跡跟蹤兩種控制模式，見圖6，圖7。

圖6 路徑跟隨控制模式

圖7 軌跡跟蹤控制模式

路徑跟隨（Path Following）指從某起點開始，車輛能夠到達終點并最終以給定的速度跟隨運動空間中的一條幾何路徑，跟蹤軌跡的位置和速度與時間無關。

軌跡跟蹤（Trajectory Tracking）指從某起點開始，能夠到達并最終以給定的速度跟隨運動空間中給定的一條與時間相關的幾何路徑。同時，給定的速度即給定的線速度和角速度（也稱為期望速度）同樣也是關于時間的函數。

3.4 自主避障方法

超聲波傳感器在三維空間的感知范圍是一個錐形，如圖8 所示。當超聲傳感器探測到機器人前方的障礙物時，根據超聲波傳播的時間可以計算出障礙物在某個半徑的圓弧上，但是并不能確定障礙物具體在圓弧的哪個位置。所以需要在機器人的不同位置、不同方向安裝多個超聲波傳感器，通過弧段交叉計算，從而確定障礙物的具體位置。

圖8 超聲波探測原理

當機器人檢測到前方一定距離有障礙物時，將自動修正參考軌跡。此時，根據障礙物位置信息和前一時刻的速度矢量，采用人工勢場方法，使機器人繞著障礙物的邊緣向先前速度矢量方向運動，當機器人沿著障礙物邊緣運動到與期望軌跡上的某一點重合或接近時，再重新切換到參考軌跡跟蹤控制，從而實現機器人自主避障。

設履帶機器人的前端正中位置為傳感器#3，在履帶機器人左前60 度、左前30 度、正前方、右前30 度、右前60 度分別安裝#1 至#5 超聲波傳感器，如圖9所示。為避免5 個超聲波傳感器同時工作時信號互相干擾，采用依次上電采集的方式，逐個測量與障礙物的距離。

圖9 多個超聲波傳感器安裝示意圖

具體實現方法是，當#1、#2 號超聲波傳感器探測到障礙物時，靶車向右轉彎進行避障；當#4、#5 號超聲波傳感器探測到障礙物時，靶車向左轉彎進行避障；當#3 號超聲波傳感器探測到障礙物時，靶車向左向右轉彎都可以。

3.5 編隊運動控制

式中，ρ 為領航者與跟隨者之間的距離；α 為跟隨者的航向與連線 ρ的夾角(逆時針為正方向)：? 為領航者的航向與連線 ρ的夾角(逆時針為正方向)。

該編隊系統的動態微分方程組為

選取 ρ ,α 為輸出，輸出向量為z=[ ρ α]，ρd為兩車之間的期望距離，α 為期望的相對角度。希望得到如下形式的線性化系統

4 試驗結果

4.1 典型路面行駛試驗

野外自主移動智能機器人實地測試見圖10。直行速度最快可達10.8 km/h，最小轉彎半徑0.1 m，坡面最大接近角30°，路徑跟蹤控制誤差優于0.5 m，GNSS 組合導航定位精度優于5 cm，定向精度優于0.2°，達到預期指標。

圖10 機器人行駛試驗

4.2 自主避障試驗

野外自主移動智能機器人自主掃描運行路徑上的障礙物信息，對本體參數和障礙物膨脹后擬合處理，動態實現局部路徑規劃，可保證對障礙物的無碰撞規避，經多次路面測試效果良好，未發生碰撞事故，見圖11。

圖11 機器人避障試驗測試

5 結論

本研究設計了一種新型野外自主移動智能機器人，詳細介紹了系統組成、控制方法、試驗結果等內容。該機器人能夠廣泛應用于野外搜救、營區巡邏、演習靶車，可以多機編隊運行，結合GIS 操控臺，實現遠程無人化運行。