基于多传感器集成的机器人整机自动控制方法研究

李丽

摘  要： 受到不同传感器信号融合度与传感器分布位置的影响，机器人整机在自动控制过程中存在多传感器信号响应反馈不同步的现象。通过对机器人结构运动力学模型的建立与分析，完成对不同位置传感器所应发送力值信号大小的获取;根据获取的数值对传感器分布位置与规格进行修正，在硬件结构上减小控制误差量;通过引入信号同步算法，统一机器人整机不同分布位置上传感器信号到达控制器的时间，实现在控制程序上的误差修正。通过对不同差量下不同感应器指令响应误差数据的收集、对比、分析，证明提出的控制方法能夠有效提升自动控制信号的同步效果。

关键词： 机器人; 自动控制; 多传感器; 结构动力学; 信号同步; 传感器分布

中图分类号： TN876?34; TP212.9                 文献标识码： A                      文章编号： 1004?373X（2020）18?0175?03

Abstract： Due to the influence of the fusion degree of the different sensor signals and the distribution location of the sensor， the whole robot has the phenomenon that the response feedback of multi?sensor signal is not synchronous in the automatic control process. The structural dynamics model of the robot is established and analyzed to complete the acquirement of the signal size of the stress value transmitted by different position sensors. The distribution location and the specification of the sensors are corrected according to the obtained value， and the control error amount on the hardware structure is reduced. The time of the sensor signal reaching the controller at different distribution positions of the whole robot is unified by introducing the signal synchronization algorithm， and the error correction on the control program is realized. It is proved that the proposed control method can effectively improve the synchronization effect of automatic control signal by collecting， comparing and analyzing the error data of different sensors′ command response under different differences.

Keywords： robot; automatic control; multi?sensor; structural dynamics; signal synchronization; sensor distribution

0  引  言

随着物联网技术[1]、大数据技术[2]、云计算技术[3]、传感控制技术[4]的高速发展，为机器人研发提供了诸多有利的技术支持。我国对高尖端机器人（人形机器人）研发力度不断增大。机器人可实现仿人工生物运动力学的动作，需要多个传感器共同对不同的参数数据进行实时的采集与下达。其中，需要传感器的种类包括：通信传感器、重力传感器、红外传感器、距离传感器、压力传感器、语音传感器与图像传感器等。

由于传感器类型的不同，导致传感器收发信号的频率、波形、速率等参量各不相同，信号间的融合程度直接关系着信号的同步程度，信号的同步程度是衡量机器人完善与否的重要标准。由于机器人整机传感器所分布位置的不同和所受力值的不同，对同步控制有所影响，本文从运动力学与信号控制两个角度对同步控制方法进行详细描述。

1  机器人整机运动力学模型建立与分析

1.1  运动力学模型建立

由于机器人整体控制是通过分布在机器人整机各个关节（控制点）上的传感器感应运动力值，将其转换为控制信号，从而控制关节带动器件，完成机器人运功。本文首先对立机器人的运动力学模型进行建立，通过模型反映控制点（多传感器分布位置）所受力值大小，转化得到不同位置分布下的传感器信号转换响应时间。具体的运动动力模型采用Euler?Lagrange方程[5]来完成，其动力Euler?Lagrange方程为：

式中：[w=w1，w2，…，wiY]，代表机器人运动空间中i维动态轴坐标位置;A代表Lagrange方程，表现动量与动势间的能量转化关系;[Rw]代表[i×z]维载入量的动态序列;[μ]代表Lagrange系数因子[6];[Sw]代表制约控制序列;积值[SYwμ]代表限制量的常态值。由Euler?Lagrange方程可得到，机器人多传感器分布点的动力学模型为：

对式（2）进行微分计算，剔除控制运动中的干扰量，得到纯净的动力学模型方程式：

式中：[Dw]代表控制运动的阻力系数;[Dw]代表传感器受力系数;[oy]代表动能转换信号量的权值系数;[oy]代表信号转换行为中的误差权值系数。

将乘量[DYw]代入式（3）方程两侧，并将转换能耗系数设置为[DYSYμ=0]，消除Lagrange乘子[μ]简化算式 ，得到最终机器人运动力学模型为：

式中：D代表[n+1]控制点下不同传感器所受力值总量;Z代表力值感应转换比值;B代表动力输出总量;R代表传感器感应识别系数。

1.2  运动力学模型分析

完成上述的模型建立后，需要对模型所反应的数据进行分析，通过分析计算获得不同分布位置的传感器对应的力值关系。通过模型可知，机器人运动中，多传感器所处位置有多个自由度，不同位置的传感器对应一个自由度量值。因此，需要将模型中所反应的总力值分解对应到每个传感器上，具体的计算步骤如下：

机器人运动动力模型简化后的表达式为：

式中：[Zw]代表i×z维习惯性常量矩阵;[w]代表传感器分布位置对力值转换系数;[Bw，w]代表传感器控制转换常量;[Hw]代表传感器感应矢量;[Gw]代表传感器空间位置矢量;[μf]代表有限的可控干扰系数;[μ]代表转换能力值。考虑到机器人传感器在工作状态下易受到运动产生干扰值[7]的影响，再分解计算中引入等量空间抑制方程，得到分解后单个传感器的动力学公式为：

式中：[c=w·wY];[1i×i]与[0i×i]代表i×i坐标域下的传感器独立矩阵与静态矩阵;[Zc]代表机器人控制点传感器矢量;[ωc]代表[i-1]阶下的空间作用力;[Hc]代表i×1坐标域下传感器所受力值半径;[Gc]代表传感器转换误差量。受到机器人运动过程中，矢量力值的不易计算的影响，将式（6）进行矢量剔除转化，得到简化的力学公式为：

式中：[gc]代表[gc]的预判量;o代表一个感应器的力值感应转换动量。

1.3  多传感器分布与力学控制的关系

完成对运动力学模型的分解计算后，多传感器集成的机器人中每个独立区域的传感器所受力值数据可通过公式计算获得[8]。但需要准确完成对传感器同步误差量的修正，还需要将所获得的数值参量对应绑定到每个传感器上，机器人整机结构分布位置可根据功能区域的不同分为：右臂功能传感器运动力学区、左臂功能传感器运动力学区、头身躯干功能传感器运动力学区、右腿功能传感器运动力学区、左腿功能传感器运动力学区。通过对力学模型的分析发现，传感器的受力方向隶属于一个三维坐标空间[9?10]，将传感器的受力系数按照三维坐标的受力方向进行绑定，在三维受力的维度上系数为定值，从而快速找出存在误差量的传感器，对其修正。

2  多传感器机器人整机控制方法实现

2.1  传感器分布位置与规格误差量的修正

完成对多传感器集成的机器人整机传感器力学关系绑定后，每个传感器受力系数已为定值，在维度关系不发生改变的前提下可不考虑定值系数对控制信号的影响，可单纯将机器人整机控制响应同步问题归结到传感器分布与传感器自身参数不足上。

2.1.1  傳感器分布导致的同步问题修正

通过对机器人运动过程中的力学模型分析与传感器分布位置的研究发现，左臂肘关节、右臂肘关节、左腿膝关节、右腿膝关节4个位置的传感器，在机器人运动过程中，所受到的力值均大于其他分布位置的传感器，受到阻力与应力的共同作用，传感器供电会发生阻值的变动，变动阻值提升扰动信号强度，导致传感器信号响应的瞬态迟滞，出现同步异常。根据上文传感器划分区域，将左臂肘关节、右臂肘关节、左腿膝关节、右腿膝关节4个位置的传感器信号发送时间的控制参量进行对应的调整，通过对信号的发送与反馈时间参量的校对，达到信号同步的效果。

2.1.2  传感器自身规格不足导致的同步误差修正

在一些特殊的情况下，会出现不论怎样修改、校正传感器间的同步时间数据，机器人仍会不定时出现同步异常的问题。此状态下，就可以考虑传感器的控制接收硬件的规格参数是否达到校对参量数值的标准。对硬件规格参量不足导致的同步问题，最直接有效的方法就是硬件的替换修正。

2.2  多传感器控制信号同步识别计算

完成传感器的软硬件参数的修正后，需要对机器人整机的控制算法进行修正。解决多传感器信号间的识别融合，是提升多传感器集成的机器人控制信号同步的关键。多传感器控制信号同步识别结构如图1所示。

3  实验数据分析

将多传感器集成的机器人的主控数据中，各传感器信号频率数据导入仿真测试程序，对应生成信号波，如图2所示。由检测结果可知，采用所提的基于多传感器集成的机器人整机自动控制方法，能够有效地解决多传感器信号间的同步异常问题。

4  结  语

传感器识别控制技术与无线通信技术为机器人研究与开发提供了技术支持。机器人的活动需要诸多传感器作为信息数据的收集与交互介质。本文根据同步异常问题发生的原因，从力学与信号控制两方面，对问题解决方法进行了详细的描述，并通过实验对方法同步效果进行了验证。本文方法的提出与验证，为机器人开发研究及传感器控制研究提供了一种新的控制方案。

参考文献

[1] 伍明，张国良，李琳琳，等.基于动态和静态环境对象观测一致性约束的移动机器人多传感器标定优化方法[J].兵工学报，2017，38（8）：1630?1641.

[2] 卢晨，刘正.无迹信息滤波耦合交互式多模型的多传感器机器人轨迹控制[J].中国工程机械学报，2018，16（6）：544?549.

[3] 陈冠宇，成群林，张解语，等.基于多传感器测量的航天器舱段自动对接位姿调整方法[J].北京航空航天大学学报，2019，45（6）：1232?1239.

[4] 孙宁，秦洪懋，张利，等.基于多传感器信息融合的车辆目标识别方法[J].汽车工程，2017，39（11）：1310?1315.

[5] 李兵，兰梦辉，孙彬，等.基于多传感器测量的孔组位置度快速检测方法[J].计算机集成制造系统，2018，24（5）：1089?1097.

[6] 周卫琪，齐翔.基于多传感器信息融合的汽车行驶状态估计[J].汽车工程，2019，41（1）：7?13.

[7] 王正家，夏正乔，孙楚杰，等.基于多传感器信息融合的自主跟随定位及避障方法[J].传感技术学报，2019，32（5）：723?727.

[8] 王立玲，梁亮，马东，等.基于多传感器信息融合的双足机器人自主定位[J].中国惯性技术学报，2018，26（5）：629?634.

[9] 刘澈，姜勇，姚森敬，等.基于多传感器信息融合的绝缘子串自动识别方法[J].机械设计与制造，2019（4）：220?224.

[10] 程翀，郭晓彬，陈祥磊，等.基于Mindstorms的智能机器人控制系统开发[J].武汉理工大学学报（交通科学与工程版），2018，42（2）：247?252.