【编者按】：网学网理学论文为您提供 机器人斜坡控制和避障控制功能的实现 参考，解决您在 机器人斜坡控制和避障控制功能的实现 学习中工作中的难题，参考学习。
具备人工智能的机器人是目前机器人研究领域的发展方向，可以像人一样具有思考与行动能力的机器人，也会渐渐出现在我们的周围． 对于真实的环境下的智能机器人，环境与障碍物信息是未知的，除非通过是先建立好环境地图或是利用 GPS 得知环境中障碍物信息，但在无以上两套系统的情况下，希望建立一套混合型微控制器系统能够利用环境感测器，了解环境的信息，可以在控制机器人行动的过程中遇到的问题． 其一为斜坡控制功能，机器人知道目标与方向，通过及时接收路面倾斜程度，机器人只需平稳地往前移动，机器人会针对路面倾斜程度给予适当的力矩，让机器人在斜坡上也可轻松的使用行动辅具且控制到所指定的目标点; 其二为避障控制功能，机器人知道目标与方向，通过及时接收环境信息，给予适当的参考点，在行动过程中只需平稳地往前推，机器人将给予适当的煞车力，可以顺利闪避障碍物到达目标点．
1 基于环境侦测的行动控制
本研究的重点在于利用传感器收集到的环境信息，以 PIC16F84 微控制器作为核心控制单元，结合控制系统，以达到实时控制、微控制的效果．
1． 1 动作建模
我们所采用的是一个索尼公司设计的简化智能机器人 AIBO 模型． 其忽略了轮子本身的重量与惯量，在卡氏坐标下，以四个变量来表示 AIBO在斜坡上的状态，如( 1) 式:
其中 xc、yc、zc为两后轮旋转中心的坐标，θ 为朝向角．假设当 AIBO 于斜坡上行进时，机器人坐标系统对 Z 轴转动 θ 角，对 X 轴转动 α 角，若 AIBO无左右滑动的情况，AIBO 的质心速度 v 会与其朝向角平行，v 为 AIBO 质心速度、ω 为旋转速度． 同时，AIBO 的动态方程序在受到使用者力 F、马达力矩、斜坡上的重力以及无滑动限制力及力矩的情况下，而 m 为 AIBO 质量，I 为其转动惯量，r 为其轮子半径，b 为两轮距离的一半，τr为右轮煞车力矩，τl为左轮煞车力矩，F 为人的力，λ 为限制力，p 为正向力，而 Mx、My为限制力矩． 其中，Qr和θc代表右轮及左轮的角速度，Kr和 Kl是右轮和左轮非负的调整参数，动作模式表示如下:
q = SV ( 2)
V = AK + B ( 3)
其中，
此时，可以把 K 视为整个系统的新控制输入参数，经过适当地调整左右轮力矩，控制使用者从起始位置到达指定位置． 如果当 K 被选择为非负值时，则 AIBO 是以被动模式控制，反当 K 为负值时，则 AIBO 是以主动模式控制．
1． 2 斜坡微控制器系统
通过斜坡微控制器系统，在斜坡上可顺利地控制使用者抵达目的地且可朝向使用者希冀的朝向角．v 可以根据我们设计的路径而得，加入模式函数的线性组合主要是为了找到一条最佳路径，利用三次多项式来表示斜坡函数表达式，通过预测控制给定的斜坡高可得斜坡角度及其微分项，再通过斜坡角度可得到斜坡长．
1． 3 避障微控制器系统
通过避障微控制器系统，可以顺利地控制使用者闪避障碍物且到达目的地． 此方法是运用主动微控制器系统中的模拟预测控制，首先，先定义传感器的坐标系统，在机器人的坐标系统下，传感器的位置设定为( 0．3，0) ，单位为米． 接下来我们利用图1 的分类流程图把距离信息分类出障碍物信息． 经过障碍物分类后，可以得知每一个障碍物最右边以及最左边的步距角值，再将步距角值转换成全域坐标位置，当障碍物间的距离大于我们所设定的边界值 T 时，则将此区域设为可行区域，并且将可行区域的步距角值记录下来，为了增加AIBO 在行进中与障碍物的安全距离，我们增加障碍物对 AIBO 的影响范围，通过事先设定好的目标点，推导得到目标点所对应的步距角值． 在计算参考点以前，需先知道次目标，次目标是 AIBO 所能通过区域的每一笔步距角的方向向量，得到每一个次目标的坐标位置． 根据权重函式计算后，产生的每一个次目标的坐标． 再将所有次目标坐标加起来． 此时，可以想象次目标的总和坐标会偏向目标点的位置，在通过次目标的总和以及目前 AIBO 的朝向角，得到参考点的角度． 最后再利用参考点角度根据事先设定的参考点与车子的距离，推算出参考点的位置． 当 AIBO 在根据每一步计算出的参考点的引导，最终即可到达所设定的目标点。
2 系统架构设计
选用 Sony 的智能机器人 AIBO 作为实验平台，计算核心采用是戴尔( Dell) VOSTＲO 笔记本电脑． 以 PIC16F84 微控制器作为核心控制单元，AIBO 的位置与速度的信息是通过轴编码器把资料传到 PIC 芯片; 机器人关于力的信息则是通过两轴力感应器，经过放大电路和 PIC 芯片内建10bits AD 转换得到; 计算机每经过一个取样时间，就会通过 ＲS232 抓取 PIC 芯片上的资料，同时给予 PIC 芯片合宜的力矩大小; PIC 芯片接到计算机传来的力矩后，根据煞车力矩与电压关系，输出 PWM 电压信号，再通过 ＲC 充放电，转换成类比电压信号． 因 AIBO 的刹车器是电流控制，我们使用 Wonder Box Device Controller 转换成相对应的电流输入到服务刹车器，以控制服务煞车器力矩． 而 AIBO 的马达也是电流控制，使用 MotorController 转换成相对应的电流输入到马达．
3 系统的模拟与实现
3． 1 系统的模拟
为了验证所提方法可根据环境的变化成功地控制使用者到其希冀的位置或是朝向角，先用Matlab 模拟，首先是斜坡模拟的部分，如图 2 所示，参数设定如下: 四脚间距的一半为 0．029 5 m，脚的半径为 0． 006 05 m，机器人总重约 1． 5 kg，而机器人分别对于 x，y，z 轴的转动惯量我们估算分别为0． 261 kg·m²、0． 13 kg·m²和 0． 13 kg·m²，而 x-z 轴的惯量积估算为 0． 087 kg·m²．
接下来是避障微控制的部分，如图 3 所示，参数设定如下: 两轮间距离的一半为 0． 34 m，轮子的半径为 0． 061 6 m，机器人总重约 1． 5 kg，机器人对于旋转中心的转动惯量我们估算为 1． 1 ～0． 55 kg·m²．
3． 2 系统的实验
从以上仿真的结果看来，两个微控制器都能达到想要的结果，但因实际情况与模拟会有不同，首先测试斜坡微控制器系统． 结果分析表明，在平面辅助的部分，因为辅助给予使用者反方向的力矩，因此对于使用者来说负担较大，而通过斜坡辅助后，使用者在推 AIBO 行驶上坡路段时，减少了相当大的负担．接下来是避障微控制实验的部分，为了测试避障的实时性，在走廊上我们摆置了些许的障碍物． 通过避障微控制系统，通过轨迹图分析，使用者能够顺利地闪避障碍物，且能有效控制使用者到达指定的位置及朝向角．
4 结 论
本研究斜坡微控制器实验结果，在斜坡上位置以及朝向角虽仍有误差，认为是因为斜坡路面的不平顺，造成感测器震荡过大，而影响微控制器效果，但是还是在可接受的范围． 而避障微控制器系统方面，实验结果显示，位置误差平均约 2．135% ，而角度误差平均约 10． 427 5°，误差问题可能是因为使用者推力的影响，两种微控制器演算法，还是能够确能微控制器使用者到达目标点附近，以及朝向希望的朝向角．
参考文献:
［1］ 赵曦，杨福兴． 一种新型智能机器人控制系统设计［J］．科技信息，2009( 1) : 470-471．
［2］ 李淑霞． 未知环境下机器人路径规划算法［J］． 电子科技，2013( 9) : 22-23．
［3］ 孙自广，王秦． 基于 PIC 单片机的清洁机器人系统设计［J］． 广西工学院学报，2009( 2) : 47-49．
［4］ 田兵． 用 MATLAB 规划机器人路径［J］． 阴山学刊，2005( 4) : 38-39．
［5］ 吴兴波． 基于单片机的四足机器人设计［J］． 吉林化工学院学报，2012( 11) : 100-103．
［6］ 陈琪，吴立志，王中雨，等． 应用 PIC 单片机控制的智能排险机器人［J］． 现代制造工程，2010( 8) :156-162
