融合多光學傳感及變積分PID 算法的搬運機器人

李文浩， 譚宇飛， 周登科， 秦運柏*， 楊佳興

（1. 廣西師范大學 電子與信息工程學院，廣西 桂林 541004；2. 廣西師范大學 智能機器人實驗室，廣西 桂林 541004）

1 引 言

搬運機器人可以自主執(zhí)行搬運任務，利用先進技術完成裝載、卸載、搬運和碼垛等操作，在現(xiàn)代工業(yè)和物流領域發(fā)揮著重要作用。隨著物流技術的發(fā)展，貨物搬運和物流管理越來越智能，搬運機器人在倉儲作業(yè)中得到了廣泛的應用［1］。目前，KIVA 等新型自動化搬運機器人已經進入倉儲行業(yè)［2］。相較于人工搬運，機器人具有高效、精準、安全及可持續(xù)等優(yōu)勢。自主循跡是搬運機器人實現(xiàn)所有功能的前提［3］，只有當機器人穩(wěn)定地循跡至指定位置后才能完成抓取、搬運和放置等動作指令。因此，自主循跡的穩(wěn)定性成為研究熱點。

常用的機器人自主循跡導航方式可分為磁帶循跡導航、視覺循跡導航和激光循跡導航等。磁帶循跡導航是通過機器人上的磁傳感器感應鋪設在地面的磁性導軌而實現(xiàn)循跡。張長勇等［4］采用磁傳感器和電子羅盤組成循跡誤差檢測系統(tǒng)，實時分析各種路徑的誤差補償。尹姝等［5］設計了一種線性自抗擾控制器，減小循跡過程中外部隨機干擾的影響，實現(xiàn)磁帶自動導引小車穩(wěn)定的循跡和高性能的控制。然而，磁帶循跡導航需要預先在地面鋪設磁性引導條或將磁釘埋于地下，需要耗費大量人力，且磁釘?shù)某杀疽彩职嘿F。

Theodoridou 等［6］使用RGBD 相機和激光傳感器，實時掃描檢測周圍環(huán)境，使機器人可以在所得到的地圖內自主導航。Zhen 等［7］提出了基于視覺的目標跟蹤，在自動駕駛汽車導航中取得了很大的成就，數(shù)據融合能更好地利用冗余傳感器信息，提高自動駕駛汽車的穩(wěn)定性和安全性。Fang 等［8］重點討論了視覺導航深度強化學習中樣本效率和導航性能間的問題，并提出了深度模仿強化方法。這類視覺循跡導航的機器人需要強大的算力平臺和昂貴的視覺相機，運輸速率卻較低。

光學傳感器循跡是一種成本較低且精度較高的機器人導航方式，因此得到了廣泛的研究。高婉婷等［9］使用紅外傳感器實現(xiàn)了智能避障小車的循跡功能。宋海龍等［10］提出的智能物流搬運機器人使用2 個圓弧形爪片結構組成的機械爪實現(xiàn)物塊的抓取功能。洪一民等［11］提出的智能小車使用紅外傳感器和超聲波傳感器探索周圍障礙物。程苡凡等［12］提出的尋寶旅游機器人在循跡程序中使用PID 閉環(huán)控制。楊利等［13］提出在小車的前后分別安裝循跡模塊，并通過位置和速度的雙閉環(huán)PID 算法控制小車從而實現(xiàn)自動循跡。上述方案使用對光線敏感的紅外傳感器，只能在正常的室內環(huán)境運行，適應性差和穩(wěn)定性差［14］。此外，搬運機器人抓取物塊時無法將物塊牢牢固定，放置時會產生偏差。搬運機器人循跡使用傳統(tǒng)的PID 控制算法，可能引起超調和過沖等問題，導致機器人失控。

針對以上問題，本文提出了融合多光學傳感及變積分PID 算法的智能光電搬運機器人方案，實現(xiàn)了二維碼識別、顏色識別、智能循跡、機械臂搬運和物塊抓取等功能。該搬運機器人具有以下特點：融合使用8 路灰度傳感器和激光傳感器，通過加權累加融合數(shù)據使機器人可以實時感知周圍場景并應對復雜環(huán)境，減小外界光源對傳感器的影響，在放置物塊時使用波長更短的635 nm垂直腔面發(fā)射激光（Vertical Cavity Surface Emitting Laser，VCSEL）傳感器，能夠提高放置物塊的精度；循跡模塊中加入變積分增量式PID 控制算法，在積分項前添加一個［0，1］之間線性變化的參數(shù)，可以避免過飽和積分導致機器人控制出現(xiàn)超調等問題，減小機器人的位置偏差，提高機器人循跡的穩(wěn)定性；使用4 自由度機械臂與抽氣泵共同完成對物塊靈巧地抓取與搬運，使用吸嘴接觸物塊，增大了機器人抓取時的容錯率；通過OpenMV 攝像頭拍取照片，并通過圖像二值化和透視校正算法預處理，再進行二維碼識別，提高了二維碼識別的正確率與高效性。該智能光電搬運機器人在不同環(huán)境下均可以在短時間內完成任務，具有極高的可行性，運輸效率獲得大幅提升。

2 系統(tǒng)總體設計

智能光電搬運機器人的系統(tǒng)結構框圖如圖1所示。該智能光電搬運機器人由機械結構、硬件電路和軟件程序3 部分組成。其中，機械結構包括底板、頂板、物塊抓取結構等車身主體部分，同時裝配有VCSEL 激光器、OpenMV、4 個電機和4 自由度機械臂。

圖1 智能光電搬運機器人的結構框圖Fig.1 Framework of intelligent photoelectric handling robot

硬件電路包括以STM32F407ZET6 為控制芯片的主控電路和以BNT8982TA 為驅動芯片的電機驅動電路，兩者通過插針組合成一個完整的電路系統(tǒng)。主控電路包括降壓模塊和多VCSEL 激光器循跡模塊，并預留41 個外設接口；而電機驅動電路則是基于全橋原理設計的。軟件程序采用變積分增量式PID 算法提升機器人循跡穩(wěn)定性，此外運用圖像處理技術提高二維碼識別的準確性。智能光電搬運機器人實物和結構如圖2 所示。

圖2 智能光電搬運機器人實物圖Fig.2 Photos of intelligent photoelectric handling robot

3 機械結構設計

3.1 底板結構設計

機器人的底板結構設計如圖3 所示。智能光電搬運機器人使用4 個電機驅動，可以有效防止機器人急停或急轉導致重心偏移而產生的側翻，以適應各種場景和不同運動狀態(tài)。

圖3 底板結構Fig.3 Structure of bottom plate

底板尺寸為18.5 cm×28 cm，安裝有8 路灰度傳感器、灰度傳感器和激光傳感器。由于機器人重心靠前會導致急停時機器人后輪著地力過小、有向前傾倒的趨勢，將4 個電機放置在底板靠后部位。為了避免輪子剮蹭底板且易于調整底板上電機的位置和高度，為每個輪子預留8.5 cm的空間。同時，在底板前部設置一個深度為6 cm的“V”型凹槽，使物塊固定在凹槽處，利于對物塊的收集和抓取。在凹槽兩側的舵機上設計了抓取裝置，以穩(wěn)定抓取物塊。除此之外，在凹槽后側裝配顏色識別模塊，便于在抓取物塊時識別物塊顏色。

3.2 頂板結構設計

頂板結構共有兩層，如圖4 所示。上層為固定抽氣泵的固定支架，包括減振墊片和減振海綿，可以減少氣泵工作時抖動對機器人運行的影響。下層使用4 個緊固螺絲連接機械臂，可以防止機械臂運動時與機器人頂板發(fā)生位移。側邊設計一個可調節(jié)高度和俯仰角度的支架，用于固定OpenMV 攝像頭模塊。

圖4 頂板結構Fig.4 Structure of top plate

3.3 物塊抓取結構設計

物塊抓取結構共分為上層機械臂搬運結構和下層舵機夾爪結構兩個部分。上層機械臂抓取結構由4 自由度機械臂、5 個高負壓抽氣泵和1個安裝了抽氣泵吸嘴的載物臺組成，機械臂的臂展最長可達40 cm。其中，4 自由度機械臂是由4個Dynamixel 舵機構成的［15］。5 個高負壓抽氣泵使用脈沖寬度調制（Pulse Width Modulation，PWM）信號精確控制抽氣泵吸力。在機械臂最前端裝配一個厚度為4 mm 的載物臺，如圖5 所示。載物臺有5 個直徑為15 mm 的開孔，每個開孔之間的夾角為72°，用于安裝氣泵吸嘴，在吸嘴和載物臺之間使用密封性極高的樹脂膠固定，防止漏氣。氣泵向載物臺提供負壓吸力，最大負載為3.5 kg。為了使載物臺更好地與物塊接觸，在預留的開孔周圍增加3 mm 的凸臺，以增加機器人抓取物塊時的容錯率。下層舵機夾爪結構由兩個扭矩為1.96 N·m 的舵機組成，每個舵機上安裝一個帶有一定弧度的夾取裝置，最大抓取貨物的直徑為18 cm。

圖5 載物臺結構Fig.5 Structure of loading platform

4 硬件設計

4.1 循跡模塊硬件設計

智能光電搬運機器人的循跡電路模塊由2 個8 路灰度傳感器、10 個單獨的灰度傳感器和8 個激光傳感器組成。灰度傳感器是一種基于光敏二極管的光電效應原理研發(fā)的光學模擬傳感元件，可以感知光線的亮度，并且光敏接收管在有效的檢測距離內可以準確地采集反射光線的強度［12］。然后，傳感器通過分壓電路和比較電路，將檢測到的光線強度轉換成模擬/數(shù)字信號。圖6 為灰度傳感器原理。

圖6 灰度傳感器原理Fig.6 Schematic diagram of grayscale sensor

灰度傳感器遇到黑線時光線反射較弱，灰度采集的數(shù)值相對較低，遇到白線時光線反射較強，灰度采集的數(shù)值相對較大［16］。此外，通過機器人系統(tǒng)電路模塊上的模數(shù)轉換器端口輸入到微控制器進行處理，使機器人對當前狀態(tài)做出一定的調整［17］。安裝在機器人底部的10 個灰度傳感器起到定位標志的作用，當灰度傳感器檢測出黑線時，可以對一些路口進行判斷，也可以用在機器人自身旋轉時判斷減速的關鍵定位標志。

使用內置滯回和濾波算法的8 路灰度傳感器，可以同時檢測不同位置的光線強度，獲取更精確的光線分布信息，以判斷機器人在黑線上的相對位置。同時，在8 路灰度傳感器外部還有外置濾光裝置，可有效抵抗陽光等其他光線的干擾。

激光傳感器使用波長為635 nm 的VCSEL，可以照射遠距離的地面，識別遠處黑線的分布情況，使機器人能夠提前進行路口檢測并判斷相對于預設路徑的位置和姿態(tài)。通過激光傳感器和8路灰度傳感器的數(shù)據融合，智能光電搬運機器人可以更全面地感知自身位置和周圍環(huán)境，并基于此做出對應的控制和循跡決策，從而實現(xiàn)更準確、更高效的移動。

4.2 電機驅動電路

智能光電搬運機器人的驅動電路使用4 塊驅動芯片BNT8982TA 構成兩個全橋驅動電路，分別驅動控制兩側的電機。BTN8982TA 的原理如圖7 所示。

圖7 BTN8982TA 原理Fig.7 Schematic diagram of BTN8982TA

通過PWM 技術得到脈寬可以調節(jié)的輸出信號，改變直流電機正負端上存在的電壓差，即可驅動直流電機的正轉、反轉和停止［18］。電機驅動模塊使用12 V 電壓供電，經過SCT2630ASTER降壓轉換器后輸出5 V 電壓給驅動芯片BNT8982TA 供電，也可以給主控電路模塊上預留的外接設備供電。

4.3 電路系統(tǒng)硬件設計

考慮到搬運機器人的功能需求以及工作環(huán)境，主控制系統(tǒng)選用STM32F407ZET6 單片機，采用雙面板設計，并且支持60 路模數(shù)轉換器輸入（Analog-to-Digital Converter Input，ADC）端口和通用輸入輸出（General-Purpose Input/Output，GPIO）端口、16 路 PWM 輸出端口、5 路通用異步收發(fā)器（Universal Asynchronous Receiver Transmitter，UART）等。將ADC 端口和GPIO 端口放置在單片機邊緣，將主控制芯片和串行線調試下載（Serial Wire Debug，SWD）端口放置在主控板的正面，其余放置在背面。驅動板也采用雙面板設計，使用全橋原理驅動兩側的輪子，將按鍵和所有預留外部接口放置在驅動板背面，方便外接設備的接入。

5 軟件系統(tǒng)設計

5.1 系統(tǒng)控制流程

智能光電搬運機器人的系統(tǒng)控制流程如圖8所示。智能光電搬運機器人運行時首先使用OpenMV 進行二維碼識別，再通過變積分增量式PID 控制算法、循跡模塊和電機驅動使機器人移動到任務區(qū)域，接著使用舵機夾爪固定物塊并識別顏色，然后將物塊搬運至指定位置。在完成任務1 后循跡至任務2 物塊存放處，同時使用上層機械臂抓取結構將5 個物塊抓取并搬運至指定位置。最后任務2 全部完成并循跡回到出發(fā)點。

圖8 智能光電搬運機器人的系統(tǒng)控制流程Fig.8 Flowchart of intelligent optoelectric handling robot

5.2 光電信號處理

智能光電搬運機器人使用多光學傳感器，主控芯片通過ADC 端口采集傳感器數(shù)據，采集速度為800 次/秒。然而，環(huán)境自然光對傳感器的干擾和傳感器自身局限性導致它在采集數(shù)據時可能存在誤差。為了提高傳感器采集數(shù)據的穩(wěn)定性和可靠性，加入滑動平均濾波（Moving Average Filter，MAF）算法。其公式如下：

其中：Yt是第t次得到的濾波輸出，qt-1是第t-1次采集得到的數(shù)值，n為滑動窗口內采樣點個數(shù)的中值，qt為傳感器的采集結果。qt為：

其中：δt為真實數(shù)據，rt為噪聲。將式（2）代入式（1）可以得到：

本文設計的采樣點個數(shù)2n為10，每采集一次新數(shù)據，就對前10 次采集的數(shù)據累加后求平均值，得到當前時刻的濾波結果。MAF 算法可以濾除采集數(shù)據時的抖動和噪聲，避免機器人對周圍環(huán)境的誤判。

5.3 電機控制算法

由于鋰電池存在長時間放電輸出電壓會逐漸降低的特性，機器人進行大角度轉彎時與期望位置可能存在較大偏差，因此運用PID 控制算法實時調整兩側電機轉速，提高了機器人循跡的穩(wěn)定性。為了減少主控芯片的計算量，并增強對外部擾動的抑制能力，本文選用增量式PID 控制算法。通過在機器人循跡功能模塊內添加增量式PID 控制算法，可以使用閉環(huán)控制系統(tǒng)準確控制機器人的循跡速度［16］。增量式PID 控制算法的原理如圖9 所示。

圖9 增量式PID 控制算法原理Fig.9 Schematic diagram of incremental PID control algorithm

增量式PID 控制器不僅繼承了傳統(tǒng)PID 控制器原理簡單、易于實現(xiàn)、適用面廣、控制參數(shù)相互獨立和參數(shù)選定簡單的優(yōu)點，還克服了傳統(tǒng)PID 控制器抗干擾能力差、計算繁瑣和容易誤差疊加等缺點［19］。

由圖9 可知，需要準確計算出電機速度的偏差和循跡時機器人中心與地圖黑線的偏差。電機轉速的偏差可通過編碼電機在固定時間內采集到的脈沖數(shù)量確定，但位置偏差需要通過多光學傳感器得到的數(shù)據進行加權融合后獲得。融合多光學傳感數(shù)據的公式如下：

計算得到的位置偏差為en，各光學傳感器采集的數(shù)據進行MAF 處理后得到的數(shù)據分別為Yt_k，平衡狀態(tài)時采集得到的數(shù)值為E0，各傳感器獲得數(shù)據后的加權系數(shù)為βk，加權系數(shù)如表1 所示。表中，β1~β8對應8 路灰度傳感器，β9，β10，β19，β20對應激光傳感器，β11~β18對應單個灰度傳感器。通過各光學傳感器采集的數(shù)據融合，根據黑線位置可以得到偏移量。機器人中心與黑線之間的距離越大，偏移量就越大。

表1 各傳感器獲得數(shù)據后的加權系數(shù)Tab.1 Weighting coefficients for each sensor after obtaining data

增量式PID 算法只是輸出了PWM 占空比的變化量，并不是直接控制PWM 輸出的絕對值，系統(tǒng)響應更迅速。將偏差輸入增量式PID 控制算法，并計算出由比例項、積分項和微分項組成的控制量，調整PWM 的輸出改變機器人兩側輪子的速度差，進而快速穩(wěn)定地到達目標位置。增量式PID 控制算法的公式為：

由式（5）可知，PID 控制算法的積分系數(shù)Ki是固定系數(shù)，所以積分增量在控制過程中也是不變的，積分系數(shù)過大則會產生超調甚至積分飽和，過小則無法短時間消除靜態(tài)誤差。然而系統(tǒng)偏差越大，積分作用應該減弱甚至全無；偏差越小，積分作用則應該加強［20］。針對這些問題，這里利用變積分算法的PID 控制思想。圖10 是變積分增量式PID 算法和傳統(tǒng)增量式PID 算法的性能對比。

圖10 變積分PID 算法和普通PID 算法的對比Fig.10 Comparison between variable integral PID algorithm and ordinary PID algorithm

由圖10 可知，為增量式PID 控制算法添加變積分系數(shù)，可以使增量型PID 控制器的超調量減少、調節(jié)時間縮短，增加機器人循跡的穩(wěn)定性。

變積分的PID 積分項和變積分增量式PID算法的表達式分別為：

其中F（en）是一個線性變化的系數(shù)，它的具體表達式如下：

F（en）的取值在［0，1］之間。en的絕對值越大，F(xiàn)（en）越小，反之則越大。

5.4 圖像識別

針對二維碼放置在距離出發(fā)點超過20 cm，大部分圖像傳感器無法識別的問題，圖像識別采用的方案為OpenMV+500 萬像素長焦鏡頭，手動對焦后可以更清楚地拍攝二維碼的圖像。OpenMV 首先拍照并將圖片進行二值化和透視校正處理后，在圖像中尋找二維碼并繪制二維碼外框，其次識別二維碼并通過串口傳送給機器人的主控芯片。主控芯片接收到二維碼數(shù)值后進行任務2 的搬運。

6 測試結果與分析

6.1 增量式PID 循跡參數(shù)測試

PID 控制算法在運行中需要調節(jié)Kp，Ki，Kd三個系數(shù)。實驗中經歷多次PID 參數(shù)調整后，得到多組控制PWM 輸出值與時間的關系，如圖11所示。

圖11 不同PID 參數(shù)的循跡對比Fig.11 Comparison of trajectory with different PID parameters

當比例項較小時，無法處于期望位置，存在較大的靜態(tài)誤差；當比例項較大時，系統(tǒng)響應速度較快，但是會出現(xiàn)明顯的超調和振蕩現(xiàn)象，導致機器人最后失控。加入積分項后，機器人明顯距離期望位置更近，但是積分項過大時振蕩次數(shù)較多，長時間才能達到穩(wěn)定。微分項用于抑制機器人循跡時發(fā)生的過沖和振蕩，但是設置不宜過大，否則系統(tǒng)噪聲的放大作用會增強，機器人會出現(xiàn)抖動問題［21］。經過機器人循跡多次驗證后，Kp，Ki，Kd分別設置為1.5，0.3，0.5。

6.2 光電傳感器測試

為了盡量還原工廠、廠房的環(huán)境，本文設計了兩種實驗環(huán)境。室內環(huán)境是模擬工廠廠房的環(huán)境，室外陽光直射環(huán)境是為了測試機器人抗干擾的性能。工廠照明多為從上而下照射的大燈，與實驗室使用的室內頂燈相似。但工廠中存在不確定光源，例如焊接時的火光，窗口照射進工廠的陽光等，故實驗在室外多干擾環(huán)境下進行。

光電傳感器測試分別使用紅外傳感器、灰度傳感器和激光傳感器進行循跡測試，循跡路線是邊長為5 m 的正方形，線寬為20 mm。當機器人轉彎后循跡可能發(fā)生較大的超調量，甚至脫軌。3 種傳感器安裝在機器人底盤的相同位置，在室內正常環(huán)境和室外陽光照射環(huán)境各進行20 次循跡，表2 為各傳感器循跡時最大超調量和脫軌次數(shù)對比。

表2 各傳感器循跡時的最大收斂距離和脫軌次數(shù)Tab.2 Maximum convergence distance and number of derailments for three sensors

由表2 可知，紅外傳感器對光線最敏感，環(huán)境影響大，在實驗中室內環(huán)境下脫軌8 次，室外環(huán)境下脫軌15 次，機器人在循跡時極易發(fā)生誤判。激光傳感器最準確，機器人循跡時產生的超調量最小，無論室內環(huán)境或是室外環(huán)境都沒有發(fā)生脫軌。

6.3 搬運機器人系統(tǒng)測試

軟件程序使用Keil μVision5 和OpenMV IDE 軟件編寫。為了驗證智能光電搬運機器人循跡模塊中使用的融合激光傳感器和變積分增量式PID 算法的有效性，采用圖12 所示的搬運測試地圖，通過自動化算法實現(xiàn)智能化搬運物塊等任務。

智能光電搬運機器人任務1 的流程如圖13所示。任務1 的流程從各功能初始化開始，然后向前循跡至指定位置停下，掃描二維碼獲取任務物塊擺放的順序。接著，機器人繼續(xù)向前循跡移動至各個物塊的存放區(qū)進行物塊顏色識別，最后，舵機夾爪固定住物塊并搬運至對應顏色的目標區(qū)域。

圖13 任務1 的流程Fig.13 Flowchart of task 1

任務1 中所有物塊搬運結束后機器人回到起點，停頓后循跡至任務2 物塊存放區(qū)，使用上層機械臂抓取結構抓取5 個物塊，并按照順序前往A，B，C，D 目標區(qū)域放置物塊。智能光電搬運機器人任務2 的流程如圖14 所示。

圖14 任務2 的流程Fig.14 Flowchart of task 2

針對任務1 的任務要求，設計了兩種循跡方案。方案一是機器人先到達中心位置，再按順序前往任務點1~4，每次抓取一個物塊并迅速放至指定位置；方案二是先通過外側的圓形黑線循跡，依次將4 個物塊抓取并放置在載物臺上，最后再回到地圖的中心點，多次往返將物塊搬運至對應顏色的目標區(qū)域。為了選取最優(yōu)方案，使用相同的物塊擺放順序進行20 次測試，兩種循跡的準確率及耗時如表3 所示。對比后發(fā)現(xiàn)方案一用時更短，且循跡軌跡較為簡單，機器人工作更穩(wěn)定。方案二用時長并有兩次脫軌，是因為循跡的總長度長并且黑線循跡情況復雜。

表3 任務1 的兩種循跡的準確率與時長Tab.3 Accuracy and duration of two tracking methods in task 1

確定任務1 的循跡方案，再進行任務1 總時長的測試。先按順序選取物塊的顏色，從5個顏色中隨機選出4個，并按照順序擺放在任務點1~4內。共進行20 次測試，不同顏色順序任務1 的耗時詳見表4。其中，最快用時1 分12 秒，最慢用時1 分45 秒，平均用時為1 分28 秒。智能光電搬運機器人的循跡穩(wěn)定率、顏色識別和二維碼識別的正確率、搬運物塊的得分率均達到100%。

表4 不同顏色順序任務1 用時測試Tab.4 Time test for task 1 in different color sequences

針對任務2 的要求，使用上層機械臂抓取結構對物塊進行抓取。首先機器人獲取到物塊的擺放順序，然后循跡至任務2 的物塊存放區(qū)停下，最后使用機械臂和氣泵將物塊搬運到任務2 的目標圈內。

為了使機器人在地圖上更快地運行到目標區(qū)域，設計了3 種循跡方案。方案一是循跡經過黑直線先去放置B 物塊，再掉頭放置A 物塊，完成后循跡一放置D 物塊，最后掉頭放置C 物塊。方案二是按順序B，C，D，A 放置物塊，每次先循跡一段黑直線并放置物塊，然后倒車回到出發(fā)點，再向前循跡一段圓弧和一段黑直線放置下一個物塊。方案三是先循跡至B 和C 區(qū)域間，然后循跡一段黑直線放置C 物塊，再掉頭放置B 物塊，完成后倒車至出發(fā)點，再向前循跡一個半圓并放置物塊A 和D。為了選取最優(yōu)方案，使用同樣的物塊擺放順序進行20 次測試，3 種循跡方案的準確率與時長對比如表5 所示。

表5 任務2 的三種循跡的準確率與時長Tab.5 Accuracy and duration of three tracking methods in task 2

對比后發(fā)現(xiàn)方案三用時最短，且循跡軌跡路程短，可以有效減少機器人的擺動，避免物塊被甩出等問題的發(fā)生。方案一用時最長且有5 次未獲得滿分，是因為總路線長并且掉頭后循跡距離短，導致物塊部分沒有進入目標區(qū)域。方案二用時比方案三長，同時有1 次物塊掉落和1 次未將物塊完全放進目標區(qū)域，是因為在圓弧處加速導致車身擺動幅度大，物塊掉落載物臺。

確定了任務1 和任務2 的方案后，進行機器人測試，測試過程如圖15 所示，測試結果如表6所示。經過10 次完整任務測試，智能光電機器人搬運的所有物塊都能完全放入目標位置內，在起點處識別二維碼的準確率達到100%，每次對物塊顏色識別的準確率也達到100%，機械臂在10次測試中抓取物塊的準確率也達到100%。此外，且機器人全程循跡穩(wěn)定性良好，未出現(xiàn)脫軌、超調和振蕩的現(xiàn)象。

圖15 智能光電搬運機器人測試Fig.15 Test of intelligent photoelectric handling robot

7 結 論

本文提出了融合多路光學傳感器和變積分PID 算法的智能光電搬運機器人，解決了搬運機器人在復雜光環(huán)境下無法穩(wěn)定運行且搬運物塊放置時誤差大等問題。通過融合使用漫反射激光傳感器和8 路灰度傳感器，增強了機器人對環(huán)境的感知。加權累加融合各傳感器采集的數(shù)據偏差后，輸入變積分增量式PID 控制算法，使智能光電搬運機器人可以迅速地響應誤差并在短時間內回到穩(wěn)定循跡狀態(tài)，將收斂距離縮短至10 cm 以內。此外，使用4 自由度機械臂和抽氣泵可以輕松抓取物塊。經過20 次實驗測試，無論室內還是室外，本文提出的智能光電搬運機器人都可以在3 min 內完成所有任務，更穩(wěn)定、更精準、更快速地將所有物塊完全搬運至目標區(qū)域內。