采摘機器人機械手避障方法研究
——基于遺傳優(yōu)化和模糊PID控制器

王 娜,孟慶輝,魏宏飛

(河南工業(yè)職業(yè)技術學院,河南 南陽 473000)

0 引言

在自動控制領域,機械手被廣泛應用到農業(yè)和工業(yè)生產領域;在農業(yè)方面,機械手主要被應用到采摘機器執(zhí)行末端的設計上。機械手性能對采摘效率和采摘質量的影響較大,如果機械手的自動化程度較高,則可以快速地鎖定待采摘的果實目標,并自動避開障礙物,移動到定位位置上,實現(xiàn)果實的高效率采摘。機械手移動的平穩(wěn)性對果實采摘的質量影響較大,如果機械手移動和采摘過程不平穩(wěn)可能造成果實的損傷,進而影響采摘的質量。因此,需要在機械手的設計中引入更多的智能控制算法,以得到更好的自動化采摘效果。

1 采摘機器人機械手避障控制系統(tǒng)

采摘機器人在執(zhí)行作業(yè)任務時,機械手末端執(zhí)行果實采摘任務是最重要的環(huán)節(jié)之一。在機械手進行果實采摘時,定位到果實的具體位置后,控制器鎖定目標位置,再控制機械手末端移動到達目標果實位置;但是在移動過程中,由于受果實枝葉和目標以外的果實的影響,會給機械手的移動造成一定的障礙。為了平穩(wěn)、快速地到達目標果實位置,機械手應避開障礙物,這就需要避障系統(tǒng)的控制,其控制流程如圖1所示。

圖1 機械手避障控制流程Fig.1 The control process of robot obstacle avoidance

在采摘過程中,采摘機械手為了避開障礙物需要引入智能化控制系統(tǒng);在鎖定采摘目標后,利用智能化控制系統(tǒng)使機械手避開障礙物,到達預先定位到的待采摘果實的位置;在避障過程中,為了實現(xiàn)自動化控制可以采用PID控制器,PID控制器采用反饋調節(jié)的方式使控制系統(tǒng)的誤差較小,而反饋過程可以利用模糊和遺傳算法進行優(yōu)化,提高算法的效率和精度。

2 機械手模糊PID控制器設計

在采摘機器人自主化作業(yè)時,機械手的自動化程度是影響果實采摘質量和效率的關鍵因素。如果機械手在采摘果實時不能對障礙物進行有效避讓,不僅會影響其作業(yè)進度,還會碰到其他待采摘果實,造成果實的損傷;如果碰撞次數過多,還會造成機械手的損傷,故機械手自主避障功能的設計非常必要。在自動化控制器中,PID控制器是常用的自動調節(jié)控制器,在采摘機械手傳感器發(fā)現(xiàn)障礙物后,PID控制器可以通過反饋系統(tǒng)將位置信息和誤差信息反饋給控制中心,通過發(fā)出控制指令來移動機械手,實現(xiàn)成功避障。為了提高控制器的精度,可以采用模糊算法對其進行優(yōu)化。假設初始的輸出誤差為e,反饋調節(jié)過程為

(1)

其中,Kp、Ki、Kd分別表示控制器的控制參數。在設計控制器時,需要得到一組最佳的Kp、Ki、Kd,使系統(tǒng)產生的誤差最小,而模糊控制算法可以實現(xiàn)控制器參數的優(yōu)化,其流程如圖2所示。

圖2 PID控制器參數優(yōu)化過程Fig.2 The parameter optimization process of PID controller

在PID控制時,參數的選擇一般更具經驗值,而模糊算法可以選擇最佳經驗值,使控制誤差最小。模糊控制采用經驗值的方法,可以在模糊控制器中輸入量可以由兩部分組成,包括避障礙誤差的期望和實際值偏差以及偏差率。假設偏差為E,偏差率為EC,則輸入量為

U=α×E+(1-α)EC

(2)

其中,α為修正因子。

當E較大時,則

u=a2E+(1-a2)EC

(3)

當E較小時,則

u=a1E+(1-a1)EC

(4)

其中,修正因子α1、α2∈(0,1)且α1<α2。當輸出的控制誤差優(yōu)化到最小以后,可以通過自適應調節(jié),來控制機械手的移動速度,使機械手的移動和避障過程達到最優(yōu)化。自適應過程可以利用遺傳算法的優(yōu)化來實現(xiàn)。假設v表示1組移動速度的向量,t表示交叉次數,a表示初始移動速度,依據免疫遺傳算法首先產生一個遺傳序列,即

(5)

eval(ψm)=β(1-β)i-1(i=1,2,…,z,0<β<1)

(6)

其中,β是隨機實數,且β∈[0,1]。

利用免疫遺傳算法對比例系數進行自適應概率選擇,則

(7)

(8)

其中,y是隨機實數,且y∈[0,1]。

對比例系數進行變異操作,即

(9)

其中,N為變異種群的數目;s為變異系數。

采用遺傳算法后對移動量進行篩選,選擇最好是的機械手移動速度,以保證采摘過程的平穩(wěn)性,提高采摘質量。控制器的控制流程如圖3所示。

圖3 采摘機械手控制器流程Fig.3 The process of picking manipulator controller

采摘機器人在進行采摘時,實現(xiàn)機械手一次移動的控制流程是:先通過傳感器鎖定待采摘果實的具體位置,再對果實周圍的障礙物進行掃描,控制器發(fā)出機械手移動的控制指令;在移動過程中,PID反饋調節(jié)控制實時的反饋位置和速度的控制誤差,并通過模糊和遺傳算法優(yōu)化,來提高機械手移動時位置和速度的控制精度,最終達到高精度平穩(wěn)的移動。

3 采摘機器人機械手控制器測試

隨著農業(yè)現(xiàn)代化和智能化技術的不斷發(fā)展,采摘機器人被應用到農業(yè)生產過程中,具有較高的作業(yè)效率,且可以持續(xù)作業(yè)。在果實成熟季節(jié),可以幫助果園管理人員及時的收取果實,將多機器人應用到果實采摘過程中,還可以實現(xiàn)規(guī)模化作業(yè)。在采摘機器人自動化作業(yè)過程中(見圖4),采摘機機械手的作業(yè)環(huán)境較為復雜,因為除了作物的枝葉,其他未采摘的果實都可能成為采摘機械手的障礙物,為了實現(xiàn)果實的順利采摘,機械手必須具有自主避障功能。

圖4 機械手采摘果實過程Fig.4 The process of picking fruit by manipulator

采摘機械手為了躲避障礙物,首先需要對障礙物的信息進行采集,再將其傳送到控制器中心確定障礙物的位置,并發(fā)出指令使機械手有效地避開障礙物,到達鎖定的目標位置進行采摘。在機械手避障過程中,為了提高機械手移動的精度和平穩(wěn)性,采用遺傳和模糊算法對其PID控制器進行了優(yōu)化。遺傳模糊優(yōu)化規(guī)則表如表1所示。

表1 遺傳模糊優(yōu)化規(guī)則表

通過遺傳模糊優(yōu)化可以得不同角度對應的速度模糊控制規(guī)則表,將模糊控制規(guī)則表利用編程的方式嵌入到硬件控制系統(tǒng)中,可以在機械手轉向避障的過程中,采用合適的速度移動機械手,從而提高機械手移動的平穩(wěn)性。模擬機械手自動采摘過程的環(huán)境,設置了機械手的障礙物,對機械手的避障過程進行了測試,并根據機械手的移動過程,繪制了機械手移動軌跡結果,如圖5所示。

圖5 避障算法測試Fig.5 The test of obstacle avoidance algorithm

通過對算法的測試,得到了機械手采摘過程的移動軌跡。結果表明:采用遺傳模糊算法的PID控制器可以成功使機械手避開障礙物,達到鎖定目標位置,實現(xiàn)精確采摘。

為了對比遺傳模糊算法PID控制器的優(yōu)勢,對不同時間機械手的穩(wěn)定性進行了測試,結果如圖6所示。

圖6 不同算法對比結果Fig.6 The comparison results of different algorithms

測試結果表明:相比單獨的PID控制器和模糊PID算法控制器,采用遺傳優(yōu)化模糊PID控制器的擺動角度更小,更加趨近于0,從而可以提高機械手在采摘過程中的平穩(wěn)性,對于實現(xiàn)果實的精確采摘和降低果實的損傷都具有重要的意義。

4 結論

為了提高采摘機器人果實采摘的準確性和穩(wěn)定性,在采摘機械手的設計上使用了避障系統(tǒng),在采摘果實時機械手可以成功避開影響移動的障礙物,順利到達目標果實位置。采用模糊和遺傳算法對機械手PID控制器進行了優(yōu)化,優(yōu)化后的控制器可以成功地實現(xiàn)避障功能,并在移動的平穩(wěn)性上的有所有改善,對于實現(xiàn)果實的高精度采摘具有重要的意義。