基于SAPI的双驱双向AGV语音控制系统的设计

陈 亚，张栗铭，张雪峰，李欢欢，寇海波

(北京石油化工学院机械工程学院，北京 102617)

随着科技的不断发展，机器人被广泛地运用在工业、医疗以及军事等领域[1]。让各种机器听懂人类的语言并根据获得的信息完成相应的任务，可以使人的双手从控制机器人工作中解脱出来，从而大幅提高工作效率[2]。语音识别技术的研究目的就是让机器“听懂”人类的语言，使机器人能够更好地为人类服务[3]。目前对特定人语音孤立词识别的主要方法包括动态时间规整(DTW)、矢量量化(DQ)和隐马尔可夫模型(HMM)等[4]。Microsoft公司的Speech SDK语音开发包就是以HMM为基础建立并提供有语音应用程序编程接口SAPI，是构建语音识别平台的基础，能够使语音技术与机器人控制系统有机结合。使用Speech SDK语音开发包能够缩短开发周期，方便进行二次开发[5]。

笔者采用Speech SDK语音开发包构建双驱双向AGV的语音识别开发平台，在基于平板电脑及其外围模块的控制方式基础上增加语音识别功能，在完成语音的准确识别后，驱动双驱双向AGV实现前进、后退、停止、左转、右转等一系列动作。该系统既能保证双驱双向AGV稳定可靠地运行，又能实现对双驱双向AGV实时的语音控制，丰富了人机交互方式，帮助企业提高了生产效率[6]。

1 系统结构设计

1.1 双驱双向AGV语音识别控制系统结构

以双驱双向AGV为控制对象，采用PMAC (programmable multi-axes controller)运动控制卡作为控制器，并基于Speech SDK语音开发包构建具有语音识别功能的双驱双向AGV控制系统，该系统结构如图1所示。

双驱双向AGV控制系统主要由2部分组成：上位机(工业平板电脑)和下位机(PMAC运动控制卡)，共同构成开放式控制系统。其中上位机为工业平板电脑，选用对微软语音开发包兼容性好、安全性高、多任务处理稳定可靠的Window XP操作系统，该操作系统支持麦克风作为外设对语音输入进行数据采集，判断并识别语音，激活响应函数，控制双驱双向AGV的运动，同时处理其他传感器信息实现对AGV的实时导航纠偏控制。下位机为PMAC运动控制卡，主要负责实时采集外围传感器信号，并将数据通过网口送入上位机，实时处理上位机发出的指令，驱动电机完成相应动作。笔者采用工业平板电脑+PMAC运动控制卡作为双驱双向AGV的控制系统，不仅结构简单、开发周期短、稳定性好，而且可扩展性强，具有对运动实时控制的能力。

1.2 系统工作原理

用户通过麦克风输入语音指令，上位机接收用户语音信号，提取语音命令，与语音模板中的信息匹配，若匹配成功，则执行响应函数，创建新线程并给下位机发送运动指令，实现对双驱双向AGV的运动控制，运动结束，则关闭线程；若匹配失败，则继续匹配。下位机接收上位机的运动指令，并根据上位机对磁导航传感器的处理信息，驱动直流无刷电机差速运转，实现对双驱双向AGV的运动控制。

2 双驱双向AGV运动控制分析

运动学模型的建立是实现对AGV语音控制的基础。双驱双向AGV通过非接触式的磁条导引方式沿着预定路线循迹行走，双驱双向AGV的运动学模型如图2所示。通过实时调节前后驱动模块左右驱动轮A、B、C、D的速度，利用差速纠偏原理协调控制驱动电机，实现双驱双向AGV沿预定轨迹行驶的运动控制。

假定A和B为第1个驱动模块左右轮，运动速度分别为Va和Vb，C和D为第2个驱动模块左右轮，运动速度分别为Vc和Vd，2个驱动模块间距为S，2个驱动轮间距为L，驱动轮半径为R。A轮和B轮中点的速度为Vo1，C轮和D轮之间的中点的速度为Vo2。假定整个AGV是一个刚体在平面内运动，AGV 2个驱动模块左右各轮在平面内只做纯滚动，无滑动情况出现。

根据不同的运动路线，双驱双向AGV的运动可分为直线运动和转弯运动。当双驱双向AGV沿着直线运动时，2个驱动模块的4个驱动轮的速度相等。AGV沿着轨迹在运动的过程中不可避免的会产生一定的偏差，当AGV运动发生偏差时，根据磁导航传感器采集到的位置信息确定AGV偏离磁条中心的距离，通过纠偏算法，调节一侧驱动轮的速度下降，另一侧驱动轮的速度维持不变，利用差速原理实时调整两驱动模块左右驱动轮速度，控制AGV保持直线运动。

当AGV进入弯道时，转弯过程可以分为3个阶段，如图3所示。第1阶段，第1个驱动模块进入弯道，开始转弯，第2个驱动模块仍沿直线轨迹运动；第2阶段，2个驱动模块都进入弯道，同时转弯；第3阶段，第1个驱动模块已经完成转弯，开始沿直线轨迹运动，第2个驱动模块仍在转弯。

通过分析计算[7]，得到在这3个阶段4个驱动轮的瞬时速度关系为：

(1)第1阶段：

其中：R为磁条铺设半径；θ为第1个驱动模块转过的角度。

(2)第2阶段：

Va=Vc， Vb=Vd

(3)第3阶段：

其中：σ为第2个驱动模块转过的角度。

通过分析4个驱动轮在转弯不同阶段的瞬时速度关系，当接收到转弯的语音指令后，控制驱动轮的运动速度继而实现对双驱双向AGV的转弯运动。

3 软件设计

3.1 软件总体结构

基于SAPI的双驱双向AGV软件控制流程如图4所示。首先系统进行语音识别模块初始化，SAPI提供了完善的COM接口，根据COM规范的要求，首先调用CoInitializeEx函数对COM库进行初始化。当进程不再使用COM库函数时，必须调用CoUninitializeEx函数释放系统资源[8]。然后初始化语音识别的各接口，完成识别引擎、识别上下文接口的创建，并设置识别消息和感兴趣的事件，最后对识别的语音内容建立语法规则，完成语音识别平台的构建。用户通过麦克风输入语音指令，进程对识别的语音进行匹配，如果匹配成功，则根据识别的语音内容进行消息响应，从而驱动AGV执行相应的动作；如果匹配失败，则继续进行语音识别并匹配。

3.2 基于SDK5.1的语音平台

微软的SDK提供有语音应用程序编程接口SAPI(Speech Application Programming Interface)、语音听写引擎TTS(Text To Speech)以及连续语音识别引擎MCSR (Microsoft Continuous Speech Recognition)[9]。SAPI是基于COM技术实现的组件编程接口，封装了操作系统底层硬件，提供具有高度适应性的直接语音管理、训练向导管理、资源、语音识别SR(Speech Recognition)管理等，所以，语音识别SAPI的调用符合COM规范。SAPI层、应用程序接口API层和设备驱动接口DDI(DeepSpar Disk Imager)层三者之间的结构图如图5所示。

应用程序是通过SAPI与API(Application Programming Interface)层之间进行交互，语音引擎是通过SAPI与DDI(DeepSpar Disk Imager)层进行通信[10]。利用接口函数，屏蔽了底层驱动与识别算法的开发，大大简化了语音开发的难度。根据开发的XML(Extensible Markup Language)文件确定需要匹配的词汇，开发者可以根据需要定义词汇，大大降低词汇检索量，提高识别速度。

3.3 语音识别模块软件实现

利用SAPI开发语音应用程序，将程序嵌入到机器人运动控制系统中，通过用户的语音输入使双驱双向AGV接受指令，实现机器人前进、后退、转向以及停止等动作，具体步骤如下。

(1)创建XML文件(CmdCtrl.xml)，定义需要机器人识别的命令。

前进

后退

左转

右转

停止

(2)语音识别系统初始化。语音识别系统初始化包含多个步骤，初始化模块流程图如图6所示。

通过CoInitializeEx函数初始化COM接口，在程序的头文件中定义建立语音识别需要的接口对象。

//语音识别引擎对象

CComPtr m_cpRecognizer;

//语音命令的语法对象

CComPtr m_cpCmdGrammar;

//语音识别的上下文接口对象

CComPtr m_cpRecoCtxt;

//初始化COM口

CoInitializeEx(NULL，COINIT_APARTMENTTHREADED) ;

//创建识别引擎：共享型服务

hr=m_cpRecognizer.CoCreateInstance (CLSID_SpInprocRecognizer);

//创建识别的上下文接口

hr=m_cpRecognizer->CreateRecoContext (&m_cpRecoCtxt);

//设置识别消息

hr=m_cpRecoCtxt->SetNotifyWindowMessage (m_hWnd，WM_RECOEVENT，0，0);

//设置触发事件

Const ULONGLONG ullInterest=SPFEI (SPEI_RECOGNITION);

hr=m_cpRecoCtxt-> SetInterest(ullInterest，ullInterest);

//设置语法规则

Hr=m_cpRecoCtxt-> CreateGrammar (100，&m_cpCmdGrammar);

//加载语法词典

Hr=m_cpCmdGrammar-> LoadCmdFromFile (wszXMLFile，SPLO_DYNAMIC);

(3)语音识别系统初始化之后，识别引擎开始工作，当系统匹配到正确的命令输入，在消息响应函数中对动作进行实现。

//消息相应函数RecoEvent()

void CSpeechReco::RecoEvent()

{

…

};

(4)在程序退出之前需要卸载系统资源，即在析构函数中释放COM。

CoUninitializeEx();

双驱双向AGV控制系统识别到正确的指令后，执行相应动作。

3.4 人机交互界面的软件实现

基于微软提供的Microsoft Visual C++6.0面向对象的可视化集成开发环境开发了人机交互界面，结果如图7所示。该控制程序采用的是命令识别模式自定义匹配词汇，通过点击“语音识别”，完成语音初始化的创建，经麦克风输入命令，再由系统匹配识别，从而控制AGV完成“前进”、“后退”、“左转”、“右转”以及“停止”等相关动作指令。

4 语音实验

针对双驱双向AGV的语音识别以及指令控制效果进行实验测试。实验选择在安静的环境下进行，实验场地如图8所示。任意选择1人完成语音样本的录入，即前进、后退、停止、左转、右转等指令。并随机抽取5人，其中男生2人、女生3人完成语音字典中的5条指令，规定每位测试者随机读取5条指令20次，实验结果如表1所示。实验结果表明，该系统语音识别模块的正确识别率达到90%以上。

表1 语音实验结果

5 结论

以双驱双向AGV为控制对象，基于SAPI语音应用程序编程接口完成了语音系统的开发，通过麦克风输入语音，再经语音识别处理能够控制双驱双向AGV完成前进、后退、左转、右转、停止等动作。该系统不仅增加了人机交互的多样性，而且也降低了设备操作的复杂性，提高了企业自动化水平和生产效率。实验结果表明，该系统语音模块在安静的环境下的正确识别率达90%，并且双驱双向AGV能在用户的指令下正确完成相应的运动。