基于多傳感器信息融合工業(yè)機(jī)器人的應(yīng)用研究

錢程，劉興德，陳大光

（1.吉林化工學(xué)院 信息與控制工程學(xué)院，吉林吉林，132022；2.吉林化工學(xué)院 機(jī)電工程學(xué)院，吉林吉林，132022）

0 引言

工業(yè)機(jī)器人在現(xiàn)代制造業(yè)中扮演著重要的角色，多傳感器信息融合的工業(yè)機(jī)器人應(yīng)用具有廣泛的應(yīng)用前景[1]。通過多傳感器的使用來提高工業(yè)機(jī)器人在復(fù)雜環(huán)境下的感知和決策能力，使其能夠應(yīng)對(duì)更多樣化和復(fù)雜的生產(chǎn)任務(wù)。

多傳感器信息融合是指將來自不同傳感器的信息進(jìn)行整合和分析，以獲取更準(zhǔn)確、全面和可靠的環(huán)境模型。通過融合多種傳感器的信息，工業(yè)機(jī)器人能夠獲取更多維度的環(huán)境信息，從而更好地理解和適應(yīng)復(fù)雜的工作環(huán)境。例如，通過融合視覺傳感器、紅外傳感器和激光雷達(dá)等傳感器的信息，工業(yè)機(jī)器人可以實(shí)現(xiàn)更精確的目標(biāo)檢測(cè)和定位，以及更高效的路徑規(guī)劃和運(yùn)動(dòng)控制[2]。

本文通過自適應(yīng)加權(quán)算法融合多種傳感器的信息，提高工業(yè)機(jī)器人在復(fù)雜環(huán)境下的感知和決策能力。我們將選擇適合工業(yè)機(jī)器人應(yīng)用的傳感器，并設(shè)計(jì)相應(yīng)的信息融合算法，以實(shí)現(xiàn)更準(zhǔn)確、全面和可靠的環(huán)境感知和決策，為工業(yè)自動(dòng)化領(lǐng)域的發(fā)展提供有力支持[3]。

1 工業(yè)機(jī)器人多傳感器信息融合獲取

多傳感器信息融合的基本原理是通過整合不同類型的傳感器數(shù)據(jù)，利用互補(bǔ)性、冗余性和一致性來提高信息的全面性和可靠性，同時(shí)處理不確定性，分配合適的權(quán)重，并采用合適的數(shù)據(jù)融合方法，以實(shí)現(xiàn)更準(zhǔn)確、實(shí)時(shí)和可適應(yīng)性的感知和決策[4]。

工業(yè)機(jī)器人通過紅外測(cè)距傳感器、激光傳感器、定位傳感器、視覺傳感器獲取環(huán)境信息，將所測(cè)得的環(huán)境信息傳入數(shù)據(jù)層中，在數(shù)據(jù)層中傳感器數(shù)據(jù)進(jìn)行初步處理，以確保數(shù)據(jù)的可用性和一致性[5]。再將數(shù)據(jù)層信息傳到特征層，在特征層提取有用的特征或?qū)傩浴＿@些特征可以包括目標(biāo)的位置、速度等信息，以幫助后續(xù)的數(shù)據(jù)融合和分析，最后通過數(shù)據(jù)融合計(jì)算，傳到?jīng)Q策層，根據(jù)信息融合的信息作出決策。多信息融合的過程如圖1 所示。

圖1 多傳感器信息融合過程

2 自適應(yīng)加權(quán)融合算法

根據(jù)自適應(yīng)加權(quán)算法的基本原理，自適應(yīng)加權(quán)算法基于動(dòng)態(tài)調(diào)整權(quán)重的原理，通過收集相關(guān)數(shù)據(jù)和信息，計(jì)算每個(gè)權(quán)重的值，并根據(jù)權(quán)重的大小評(píng)估算法的效果，從而實(shí)現(xiàn)根據(jù)不同條件和情況自動(dòng)調(diào)整權(quán)重，以達(dá)到更好的效果。基于每個(gè)傳感器特性，通過實(shí)驗(yàn)者的工程經(jīng)驗(yàn)以及相關(guān)領(lǐng)域的專家知識(shí)區(qū)分每個(gè)傳感器所得到的數(shù)據(jù)對(duì)融合結(jié)果的影響程度，對(duì)傳感探測(cè)系統(tǒng)中的每個(gè)傳感器的輸出數(shù)據(jù)賦予一定的權(quán)值[6]。假設(shè)系統(tǒng)中存在n 個(gè)傳感器同時(shí)測(cè)量一個(gè)目標(biāo)同一特征，依據(jù)每個(gè)傳感器所輸出數(shù)據(jù)的離散程度決定每個(gè)傳感器的融合權(quán)值。利用系統(tǒng)一次輸出的所有數(shù)據(jù)的加權(quán)融合結(jié)果總方差大小評(píng)價(jià)算法的可靠程度。融合算法結(jié)構(gòu)如圖2所示。

圖2 融合算法結(jié)構(gòu)圖

■2.1 自適應(yīng)加權(quán)算法

如圖2 所示，傳感器進(jìn)行環(huán)境數(shù)據(jù)采集，傳感器測(cè)量系統(tǒng)的目標(biāo)特征量的實(shí)際值為X，在實(shí)際測(cè)量中，各傳感器的實(shí)際輸出值分別為{X1，X2，……Xn}，傳感器設(shè)定的權(quán)值為{Q1，Q2，……Qn}，各傳感器的測(cè)量方差為{σ1，σ2，……σn}，根據(jù)融合模型結(jié)構(gòu)對(duì)測(cè)量的數(shù)據(jù)進(jìn)行融合計(jì)算出融合結(jié)果滿足公式如下[7]：

根據(jù)公式(1)的計(jì)算可以推出總方差為σ2：

經(jīng)過計(jì)算可得：

設(shè)X1，X2，……Xn 相互獨(dú)立，且為X 的無偏估計(jì)，則有：

根據(jù)多元函數(shù)的求極值原理，當(dāng)方差取最小時(shí)，可計(jì)算出總方差最小時(shí)的權(quán)值：

總方差的最小值為σmin2：

通過傳感器在某一時(shí)刻的測(cè)量值進(jìn)行估計(jì)，當(dāng)估計(jì)值為X 時(shí)，根據(jù)傳感器系統(tǒng)的數(shù)據(jù)計(jì)算均值來進(jìn)行估計(jì)，則傳感器系統(tǒng)中n 個(gè)傳感器第K 次的輸出結(jié)果的計(jì)算平均值如下(k)：

第i 個(gè)傳感器K 次采樣中的方差估值計(jì)算公式為σie2(k)：

求第K 次與第K-1 次的方差平均值：

式中σi2(k)是第i個(gè)傳感器第K次的測(cè)量方差。將式(10)所得的σi2(k)代入式(6)通過計(jì)算出傳感器的權(quán)值，再將權(quán)值帶入(1)中，求得傳感器融合結(jié)果X[8]。

■2.2 固定權(quán)值分配

固定權(quán)值分配是一種在算法中使用固定權(quán)值的方法，即在算法的執(zhí)行過程中，不對(duì)權(quán)值進(jìn)行動(dòng)態(tài)調(diào)整，而是使用預(yù)先設(shè)定好的固定權(quán)值。這種方法適用于那些在不同條件和情況下，權(quán)值的相對(duì)重要性保持不變的情況下。通過固定權(quán)值，算法可以按照預(yù)先設(shè)定的權(quán)值分配方案進(jìn)行計(jì)算和決策，從而實(shí)現(xiàn)一致性和可預(yù)測(cè)性。

通過對(duì)實(shí)測(cè)最優(yōu)權(quán)值和固定最優(yōu)權(quán)值進(jìn)行整合，求得最優(yōu)的融合權(quán)值?。

式中：p 為實(shí)測(cè)最優(yōu)權(quán)值所占比重；q 為固定權(quán)值所占比重。將最終權(quán)值以及融合數(shù)據(jù)代入式(1)和式(6)，即可得出最后的融合結(jié)果。

3 工業(yè)機(jī)器人路徑規(guī)劃

■3.1 人工勢(shì)場(chǎng)函數(shù)建立

基于工業(yè)機(jī)器人機(jī)械臂是多自由度，通過構(gòu)建工業(yè)機(jī)器人機(jī)械臂在人工勢(shì)場(chǎng)的關(guān)節(jié)空間和笛卡爾空間勢(shì)場(chǎng)函數(shù)來實(shí)現(xiàn)工業(yè)機(jī)器人機(jī)械臂的避障路徑規(guī)劃。首先在關(guān)節(jié)空間內(nèi)建立引力勢(shì)場(chǎng)和斥力勢(shì)場(chǎng)，公式如下[10]：

由于人工勢(shì)場(chǎng)法容易陷入局部最小值，即當(dāng)機(jī)器人或物體接近障礙物時(shí)，勢(shì)場(chǎng)會(huì)將其吸引到障礙物附近，導(dǎo)致無法找到全局最優(yōu)路徑，因此在人工勢(shì)場(chǎng)中加入快速隨機(jī)樹算法來解決人工勢(shì)場(chǎng)所存在的問題，因此采用基于人工勢(shì)場(chǎng)引導(dǎo)的RRT 算法進(jìn)行工業(yè)機(jī)器人機(jī)械臂的路徑規(guī)劃。

■3.2 基于人工勢(shì)場(chǎng)引導(dǎo)的RRT 算法

基于人工勢(shì)場(chǎng)引導(dǎo)的RRT 算法，它是在RRT 的基礎(chǔ)上，通過在每次擴(kuò)展節(jié)點(diǎn)時(shí)考慮周圍障礙物的勢(shì)場(chǎng)信息，調(diào)整節(jié)點(diǎn)的生長(zhǎng)方向，以避免碰撞并更有效地朝向目標(biāo)位置。這樣，算法能夠在復(fù)雜的環(huán)境中快速生成可行路徑，并在需要時(shí)通過勢(shì)場(chǎng)信息進(jìn)行路徑調(diào)整，有確保安全路徑。這種方法使得工業(yè)機(jī)器人能夠動(dòng)態(tài)環(huán)境中進(jìn)行路徑規(guī)劃和避障。基于人工勢(shì)場(chǎng)引導(dǎo)RRT 算法對(duì)工業(yè)機(jī)器人展開路徑規(guī)劃的主要步驟為：

步驟1：初始化RRT 樹，將起始點(diǎn)作為樹的根節(jié)點(diǎn)，初始化步長(zhǎng)為L(zhǎng)；

步驟2：根據(jù)初始化步長(zhǎng)隨機(jī)采樣，計(jì)算該節(jié)點(diǎn)到隨機(jī)點(diǎn)的路徑；

步驟3：檢查路徑是否與障礙物相交，如果相交則返回步驟2，

步驟4：若不相交則計(jì)算該路徑的人工勢(shì)場(chǎng)引導(dǎo)力，將調(diào)整后的路徑添加到RRT 樹中，并將新節(jié)點(diǎn)與最近節(jié)點(diǎn)相連。

步驟5：檢查新節(jié)點(diǎn)是否接近目標(biāo)點(diǎn)，如果接近，則生成從新節(jié)點(diǎn)到目標(biāo)點(diǎn)的路徑。檢查路徑是否與障礙物相交，若相交，則返回步驟2；

步驟6：如果路徑與障礙物不相交，則將該路徑添加到RRT 樹中，將新節(jié)點(diǎn)與目標(biāo)點(diǎn)連接起來。

步驟7：重復(fù)步驟2 至8，知道找到一條從起始點(diǎn)到目標(biāo)點(diǎn)的路徑。

在基于人工勢(shì)場(chǎng)引導(dǎo)的RRT 路徑規(guī)劃中，人工勢(shì)場(chǎng)被用來引導(dǎo)路徑的生成和優(yōu)化，使得路徑能夠避開障礙物并盡可能接近目標(biāo)點(diǎn)。通過計(jì)算勢(shì)場(chǎng)引導(dǎo)力，可以調(diào)整路徑上的節(jié)點(diǎn)位置，使其受到勢(shì)場(chǎng)的引導(dǎo)，從而得到更優(yōu)的路徑[11]。

4 仿真驗(yàn)證

為了驗(yàn)證算法的可行性，使用MATLAB 2022a，在二維環(huán)境中定義起始點(diǎn)（20，20），目標(biāo)點(diǎn)（700，700），步長(zhǎng)L 為20，最大迭代次數(shù)為1500，將傳統(tǒng)RRT 算法與基于人工勢(shì)場(chǎng)引導(dǎo)的RRT 算法在同一環(huán)境中進(jìn)行路徑規(guī)劃，每種算法重復(fù)進(jìn)行60 次實(shí)驗(yàn)，得出數(shù)據(jù)的平均結(jié)果。搜索路徑對(duì)比圖見圖3 所示，實(shí)驗(yàn)數(shù)據(jù)對(duì)比結(jié)果見表1 所示。

表1 實(shí)驗(yàn)數(shù)據(jù)對(duì)比結(jié)果

圖3 搜索路徑對(duì)比圖

從搜索路徑對(duì)比圖和實(shí)驗(yàn)數(shù)據(jù)對(duì)比結(jié)果可以看出，本文采用的基于人工勢(shì)場(chǎng)引導(dǎo)的RRT 算法相對(duì)于傳統(tǒng)的RRT 算法，在搜索路徑長(zhǎng)度和使用時(shí)間都有大幅提高。

5 結(jié)語

針對(duì)多傳感器信息融合的工業(yè)機(jī)器人的應(yīng)用研究，通過多傳感器信息采集，數(shù)據(jù)處理，使用自適應(yīng)加權(quán)算法進(jìn)行信息融合，通過將實(shí)測(cè)最優(yōu)值權(quán)比重與固定權(quán)值融合，得出方差最小的數(shù)據(jù)融合值，提高數(shù)據(jù)的準(zhǔn)確率。針對(duì)工業(yè)機(jī)器人的避障路徑規(guī)劃問題，構(gòu)建工業(yè)機(jī)器人在人工勢(shì)場(chǎng)的關(guān)節(jié)空間和笛卡爾空間勢(shì)場(chǎng)函數(shù)，由人工勢(shì)場(chǎng)引導(dǎo)快速隨機(jī)樹（RRT）算法進(jìn)行路徑規(guī)劃，通過仿真實(shí)驗(yàn)證明，本文所提路徑規(guī)劃方法較傳統(tǒng)的路徑規(guī)劃方法，用時(shí)更短，速率更高。