外文翻译--智能移动机器人平台中文版

西北工业大学明德学院毕业设计论文智能移动机器人平台作者JC wolf一个完成机器人和自动化系统学位的报告提交给普利茅斯大学2003 - 2004序言这篇报告介绍了智能移动机器人的理论和关注的焦点是相关问题的解决并对不同方法做了具体补充。在为了完成自主移动机器人设计、建造和测试这个项目。设计的机器人和轮椅大小差不多,使它能绕着建筑物行走。它为未来导航系统的发展提供了一个平台。它有能力成为一个完善的服务机器人。它在未来领域的发展已经被确定。一个避障系统已成功应用是为了证明这些。它的最大速度为1.5米/秒。在不同领域的一个研究领域,例如快速传感技术超音波测距,轨迹生成的快速运动和避障,被执行了。测试完成之后,为了确认轨迹生成的理论。该报告深入了解电路设计的细节。并且完成了现代微控制器模块设计。由于灵活的设计、模块提供了另一个学生项目基地,包括这一个。电力电子设计提供的直流电机的电流上升到30安培每频道。这个线路的最大电力不需要昂贵专门的组件。该项目顺利完成。这是部分的最后一年,在本科学位课程和换向机器人自动化系统。致谢作者特别感谢为这项工作默默付出的他的许多同学。同时感谢我的主管的圭多Bugmann博士，保罗罗宾逊博士。潘根华博士和讲师艾伦辛普森，的曼塞尔戴维斯博士，菲尔博士Culverhouse，近3年来支持我。此外，我从大卫和罗杰鲍尔斯，鲍勃布雷，工学硕士，ING，彼得路德，菲尔霍尔和菲尔布朗得到了良好的技术支持。最后笔者希望向他的家人致敬。我的父母（本和玛丽亚狼),在经济上支持我并且用很多方法鼓励我。特别要感谢我美丽的妻子Soo-mi杨, 她在许多方面支持和宽恕。没有她的道义支持这个项目可能不会完成。J.C.亚狼 普利茅斯大学2004年4月目录序言 2致谢 3目录4第1章 概述7第2章 智能移动机器人原理8第1节 数字控制器82.1.1 取样和量化82.1.2 AD转换92.1.3 DA转换92.1.4 采样频率 92.1.5 延迟10第2节 轨迹生成102.2.1 弧 112.2.2 贝塞尔曲线 132.2.3 直线指引 142.2.4 视线指引线142.2.5 向量场 152.2.5.1 势场 152.2.5.2 基于矢量场极限环 162.2.5.3 矢量场融合 17 2.2.5.4 启动款匹配的动力动机器20第3节 造型移动机器人 20第3章 设计与实现 22第1节 规格 22第2节 机械设计223.2.1 框架223.2.2 转向 233.2.3 变速箱 243.2.4 精度25第4章 电子硬件设254.1.1 供电电路 254.1.2 单片机模块 264.1.3 超音波传感器284.1.4 轴编码器314.1.5 初步设计314.1.6 最后轴角编码器及其特点设计 314.1.7 伺服控制器 324.1.8 电力电子 354.1.9 电路输入 374.1.10 电路功能 374.1.11 故障电流限制器设计 38 第2节 沟通机载 404.2.1 串行通信 404.2.2 I2C通讯 42第5章 智能控制 44第1节 运动学模型 445.1.1 矢量逆解系统 445.1.2 逆运动学算法 45第6章 用于指导的传感器 46第1节 位置46第2节 遥感调查的速度和反应时间46第3节 导航和制导系统造型49 6.3.1 演示制导系统49第7章 三维监测界面 51第1节 VRML 51第2节 信息交换的远程监控51第8章 项目管理 52第9章 结论 53关键词 54参考文献55附件 56 附录1:ATMega UoP手册(征求意见稿 )56 附录2 :系统综述框图63附录3:源代码 69第1章 概述服务机器人还没有现成的产品。为什么?因为需要研究有改善的课程,直到第一个真正的服务型机器人可以去投入生产。一个服务机器人的需求是将融入到人类的环境中并与人类相同的速度来移动和运行。当前智能移动机器人通常缓慢移动甚至停止来测量。这将是其他人传递的障碍。缓慢的机器人是低效甚至没用的,因为用户可能宁愿自己作,都比它快。这个项目是关于给机器人提供快速运行的平台,这样使移动机器人对现实生活中更有用。作者在许多不同的项目中获得移动机器人的经验和知识,包括:机器人足球,Melexis奖杯和其它。更多的相关项目的信息可以在JC亚狼网页上找到(2004):www.swrtec.de。在适当的时候,这些项目的知识有助于这份报告。尤其是机器人足球,在快速移动是必不可少的,理可开发和测试并转移到自然环境问题。第2章 智能移动机器人原理在本章将移动机器人的基本理论和原则进行解释。当该理论应用于快速的机器人时，一定要特别注意其优点和缺点。2.1数字控制器大多数机器人应用使用数字控制器,因此基本的数字控制应给予及其优势的影响进行讨论。一些数字控制的最重要的优点：括公元前（1992）数字元件不易老化和随环境变化。他们对噪声和干扰不敏感。数字处理器是更紧凑，重量轻。（适用于内移动机器人）他们更加灵活和强大。微处理器和数字信号处理器成本持续下降。然而它也有缺点：由于有限的运算速度和信号的分辨率的限制字长的数字处理器。（相比之下，当模拟控制器在实时操作时，而该解决方案在理论上是无限的。）有限字长往往转换成系统不稳定。对运算速度的限制，导致控制回路中的时间延迟这可能会导致闭环系统不稳定。2.1.1取样和量化大多数控制系统包含数字以及模拟信号。因此模拟到数字转换（AD），反之亦然（DA），发挥了重要作用。机器人可能有A至D转换器或车轮的轴角编码器的伺服系统。在这种情况下的采样和量化是必需的。2.1.2 AD转换一个模拟值发生在瞬间。由于数字号码的长度是有限的，模拟值四舍五入。这个过程被称为量化。最低的值或最接近的值，它可以圆整（1位），被称为量化水平。一个输出A至D转换器的停留时间T不变，直到一个新的元素已被转换和控制器。时间T被称为采样周期。处理器通常计算内通过控制算法输出采样周期。这意味着输出至少比输入迟T。2.1.3 DA转换数字字转换成相应比例的模拟水平。“最小的一步，同一个量化级别限制的准确性。幸运数字模拟转换可以几乎同时发生。然而，直到一个新的值被转换DA转换器的输出才会改变。这是分析零阶保持和框图建模过程的步骤。图1 .在瞬间采样数据的kT2.1.4采样频率采样频率s必须选择一种方式，该控制器能应对改变输入值v，干扰w和控制器植物功能带宽b。奈奎斯特 香农采样定理指出，采样频率必须至少两次信号的频率。事实上，这不会得到平稳的控制器响应。因此，一般情况下，s应当选择满足下列公式： （1）（2）当停留时间TSE设定时，该系统的采样周期为s和固有频率为n。通常控制器是用来控制移动机器人的发动机。机械运动时间常数与n和几百毫秒有关。因此实际的采样频率不是很高。 （比如50HZ - 1000Hz）。如果机器人通过视觉控制，这将成为一个问题，因为电脑（目前）没有强大到足以提供一个视觉系统与50-1000Hz的频率相比。其他传感器，如轴角编码器，但不采取太大的CPU功率和采样频率可以很容易地实现。2.1.5延迟在信号传输和传感器处理信息期间发生延迟，在数字控制系统中。延迟可能导致不稳定，必须保持在最低限度。如果延迟无法通过提高CPU的功率或其他硬件来减少的话，预测控制方法可以在一定程度弥补延迟。预测控制方法往往需要一个控制过程的模型。这使控制器更复杂，正因为如此,它并非常见的。在快速机器人的情况下，延误是至关重要的。减少的延迟增加了控制器的收益，因此可以改善瞬态响应。 2.2轨迹生成有许多方法来生成一个机器人的运动轨迹（路径）。通常轨迹发生器的输入数据是一个初始值，目标位置，可能是中间的航点或障碍。轨迹发生器是一个指导系统。导引系统通常是导航系统的一个子系统指导机器人向目标点而言，给它的导航系统。快速的移动机器人必须以尽可能快的速度移动。因此，车辆速度和控制器收益达到了极限。如果所要求的轨迹超出系统能力可能出现下列问题：在这个巨大的需求中输入非线性关系，如滑移和饱和度，可以使系统不稳定和机器人旋转失控。机器人不能按照所需的路径，可能会碰到一个障碍。因此，有必要生成相匹配的车辆动态轨迹。这里有一个已被调查过他们的基本轨迹功能概述的简介并讨论其优点和缺点。2.2.1弧弧是圆的一部分。通过计算一个圆圈，可以产生一个路径，起点和终点是圆的切点。计算半径与车轮速度 和机器人的转向有直接的关系。由此产生的每个车轮的速度有固定的比例，这是一个优势，因为它简化计算。切向加速度at可以很容易地被轨迹生成算法限制，否则就会发生在之后的机器人控制器里。这增加路径下面的准确性。(3)(4)结合: 半径R是已知的轨迹发生器。加速度| at|K仅限于K和机器人v的前进速度，通常是一个机器人控制器输入，可以根据需要设置。如果机器人需要在一条直线上移动半径是无限的。在这种情况下，算法必须算作一个例外。图2这里是一个例子，作者采用了一圈接近目标点从0度水平的轨迹后才能继续。这个例子取自机器人足球。机器人旨在视线指导的的i1。合格后，I1的机器人是计算圆相切，并可以进入在I2圈。它将退出圆与球碰撞时，并继续直线运动和轻微的加速对运球向目标。图3：圆直线移动的轨迹应用于机器人足球 这一战略已实施于一体的世界上最成功的机器人足球战略：韩国大学和KAIST，看到北京李等人（1999）。它有笔者也进行了测试。图3显示了从MAPLE包含文件的数据数据从一个真正的游戏情况。这种方法的主要缺点是：避障和在动态环境变化的其他因素难以和直圆直刚性结构相结合。优势是简单，匹配容易和预测的轨迹机器人动力学动作准确。2.2.2 贝塞尔曲线贝塞尔曲线可以被定义为与两条直线相切的一条曲线。选择第一条直线时要通过机器人的初始位置并且第二条直线要通过终点。第一直线确定机器人的方向。第二条线的方向决定机器人从哪一方接近目标（最后的姿势）。这是形成这种轨迹的非常好的一个性质。主要缺点是贝塞尔曲线数学的复杂性曲线,使得它难以创造的轨迹一个机器人能跟随在高速状态下。当要求机器人沿目标曲线运动时作者进行了贝塞尔曲线实验。一旦机器人靠近目标点,下一个目标点将被确定路。当机器人开始运动时，需要转90度。它从（X，Y）=（57,15）点开始运动。线上的点确定了产生的轨迹。当改变机器人方向和速度这两者之间的关系不平衡时，会使机器人离目标很远。实际上机器人的路径是小三角形。图四:贝塞尔曲线轨迹与第一个实验相比这个实验起点和终点的 方向比较小，起点(x,y)=(77,12) 并且速度减小了。机器人沿被要求和相当精确的轨迹运动是没问题的。图5:贝塞尔曲线轨迹2.2.3.直线导引通过旋转机器人可以沿直线移动到目标点。对轮式机器人而言，没有切向速度只有微分转动的可能。该系统的主要优点是，它是简单，准确。主要缺点是速度，因为机器人必须停止转动。2.2.4 视线指导线也被称为导弹制导与直线的指导有关，但这个时候机器人移动比目标方向稍高。如果向量从机器人指向目标点，那么它的角度 = 表明机器人应该沿仰角方向运动。2.2.5向量场一个向量场实质是由一个2-维向量组成的区域。一个向量由大小和方向组成，向量对于速度和航向角而言相当重要。大小被认为是向量场中很重要的问题，大小对于通过每个向量组合成为向量场是很有用的。越重要的向量越长，航向角贴近的是更加重要的向量。一些向量场产生器，像是基础的势场产生法，是不考虑大小的。这种情况下大小经常被忽略。2.2.5.1势场势场的一些理论像是轨迹的概念是从物理领域中的电学部分中分化而出的。引力场公式如下：这里 是一个冲起始到目标位置的向量 是一个从起始指向机器人的向量 是一个表征机器人当前位置的单位化的长度和预计的角度。 结果是指向目标的。引力场是关联其中的可视的指引。 斥力场产生背向目标的向量。等式是 表格6：引力场表格6展示了一个引力场指向目标点（0.0）。在当前应用的机器人仅有当前位置的向量才加入计算 ，对于多为图表像表格6这样，机器人可以在场中任何可能的地方，同时也可以在任何点长生向量。2.2.5.2基于极限环的向量场极限环是非线性控制理论的一部分。但是一个表格能够表现极限环的属性，像是表格7，那么这个表格便可以适应路径生成。此问题更深入的解读请阅读D-H Kim（2000）。极限环的非线性功能的第二位表现为一个向量场包含一个单位环。单位环外的向量将产生于单位环相切的方向。这可以看成是一个圆弧/圆轨迹生成率可以引导机器人自动从任何方向进入该圆。最终生成的向量场可以用来产生圆弧轨迹或者是用于避障。图表7：极限环极限环的缺点在于一旦机器恩跨过了单位元，向量场将指向中心。所以，具体实现极限环控制并不容易，因为机器人在接近单位圆时可能会稍稍的越过边界。对这种场在单位环内进行修改时一个解决此种问题的可行的措施。2.2.5.3矢量场的融合所有的可提供向量场都可以在同一时间进行讨论。作者开发了一种可供合并向量场合并的方法，该方法在Robinson P(2004)中论述。约束和要求：-两个或者更多的向量场。-这些向量场包含标准化的向量。这种方法最好用一个例子来描述。一个典型的需要向量场合并的地方在于当一个机器人R需要避免和机器人O在路上相遇去目标T时。看下面图表8。在融合向量场过程中，需要一个加权函数。经验已经证明，高斯正态分布函数在合并两个场域是很合适的方式。（一个圆柱体或是一个椎体都可能产生一个突然的冲击以使航向角发生变化并产生激发不稳定现象。）图表8：回避方案a 角和当前的机器人航向角q是不同的，ro向量是指向机器人回避方向。那个a角是表征机器人和障碍物碰撞程度的量。这个角度越小，碰撞事件发生的情况就越小，同时避开障碍物的可能性越高。这个机器人的任务是走到T点。为了将拦在它和目标点之间的障碍物也纳入考虑，那个机器人就必须计算障碍物和自己的距离。这个距离在式子中是以矢量ro定义的。和障碍物的距离越短就意味着避开障碍物的重要性越大。一个回避向量场应该被定义的和任务向量场rt场一样。标准化后的目标向量是。提供的两个向量和是用高斯加权方程加在一起的-融合。这里：是结果典型的目标向量M是一个固定的加权因素G()是高斯方程。m是对高斯方程的安全系数s是高斯方程的分布我们可以知道要回避一个障碍，本质上有两个因素。a和ro。作者按对于在场域内特定点完成这个任务的重要程度关联每个向量的长度来作为向量融合的基础原则。呢个a和ro可以作为限制蓝本来影响 的长度。表示所能带来的最大的安全度。t是沟槽的陡峭斜坡的斜度。一个更大的t将会到这更高的角度。这已经是被认为很重要的。机器人距离障碍ro的路程在高斯方程中被认为是位置参数的蓝本。最终，结果向量场为机器人表征了新的瞬时航向角。在不同速度的足球机器人上实验，最大速度为3米每秒。坐标系统已英寸为单位。表格9：在0.36米每秒速度下的避障路径表格10:0.51米每秒速度下的避障路径表格11:0.84米每秒速度下的避障路线。2.2.6设置轨迹舍弃匹配移动机器人的动态模型。作者当前的尝试是将势力场的路径和机器人的动态模型进行对比以决定是否机器人会按路径移动。这可以在频域进行，通过在需要按路径行动时对机器人频宽加上模型频宽和输入信号作比较来进行研究。这种方法可以进一步研究。这可以为根据机器人频宽定制向量场提供基础。2.3模型化移动机器人这一章研究的是开发和理解分析运动机器人的运动学模型和致力于控制运动模型上运动链的每个马达。此理论更深入的阅读请参阅McKerrow P J (1991)章节8.1此书参考Muir P F和Neuman C P (1986)。Muir和Neuman介绍了一个模型化轮动移动机器人的方法。这和机器人手臂的模型化很有用（机械手运动学）。差动驱动机器人差动驱动是模型化一个移动机器人的一种简单方法。这也是为什么这种方法如此的普遍。这种机器人是由2个对角线发转车轮组成，具体见表格12.如果两个轮子都有同样的向量，机器人将会走直线。如果一个轮子比另一个轮子比另一个快，机器人将会转圈。如果一个轮子开向反方向同速度，机器人将会在原地打转，“在一点上”。雅克比轮的矩阵如下：这里V是指向机器人中心的向量。是绕机器人中心的角度向量，具体看图表12.p通过雅克比轮和P进行联系。P表示机器人姿态。机器人姿态可以表征机器人运动相对地板的运动程度。指示机器人的瞬时航向角。假设没有摩擦，轮子的方向会指向正前，瞬时和速度方向一直。这种现象的优点是计算简单。缺点是不能向侧移动。图表12:差动驱动机器人第 16 页 共 16 页