运动控制技术研究论文

摘要：文章主要针对救援类机器人关键技术开展研究与设计。机器人一般配备彩色摄像机、热成像仪、通信系统及急救包等设备，能够替代救援人员深入情况危险、时间紧迫、环境复杂的场所实施快速、精准、高效的救援工作。文章重点研究仿生蜘蛛救援机器人系统的设计方案，并对部分核心进行系统阐述。今天小编为大家推荐《运动控制技术研究论文(精选3篇)》，欢迎大家借鉴与参考，希望对大家有所帮助！

运动控制技术研究论文 篇1：

具有自主感知行为的虚拟人运动控制技术研究综述

摘要：由于人体结构及其运动的复杂性，导致在虚拟人形象化建模、运动控制方面存在诸多困难和挑战。本文通过对相关研究工作进行归纳总结，指出了在形象化人体建模方面存在的问题，并给出了解决这些问题的关键技术和方法；在运动控制技术方面，将传统的方法与最新的方法对比分析，重点分析了如何建立自主虚拟人感知模型，实现自主虚拟人行为控制和决策，使虚拟人具有“自我意识”。

关键词：虚拟人；形象化；运动控制；感知模型

虚拟人（Avatar）是人类自身在虚拟空间中的化身[1]。在人机交互研究领域内，研究者往往会考虑到虚拟人、虚拟人环境和终端用户这三者之间的交互作用，通过在虚拟空间中建立各种形象化的虚拟人模型，并借助可视化的虚拟人集合外观、动作姿态变化，来反应用户的行为和表情特征，从而达到增强用户交流的效果和沉浸感[2]。随着人工智能技术和多媒体技术的发展，虚拟人技术的研究更趨向于智能化和多样化，人们将现实生活中的一些娱乐活动搬到了虚拟空间当中，例如虚拟舞台的出现，通过建立虚拟场景，让虚拟人来演绎音乐与舞蹈的内在联系。在建立虚拟场景以后，让虚拟人通过逻辑推理与学习，形成自身对虚拟环境的认识，使虚拟人具有“自我意识”，并将用户意图解释为具体任务。如何构建个性化的虚拟人，实现具有自主感知行为的虚拟人运动控制，是虚拟人研究领域内所关注的焦点。

本文首先介绍虚拟人体建模方面的研究工作，就虚拟人形象化建模存在的问题，给出具体的关键技术和方法；然后，对传统的运动控制技术和方法加以归纳总结，并分析了自主感知行为的运动捕获数据驱动方法；最后，就自主感知行为虚拟人运动控制研究方面的存在的难点以及未来研究的方向，给出一些自己的想法。

1人体建模方法研究

人体是一个复杂的生命体系统，由骨骼、皮肤、肌肉和神经系统等组成，其中关节和骨骼的自由度较多。目前，人体建模面临两方面的问题：一是虚拟人骨骼结构的简化及数学表达；二是建立逼真的外形，这是两个相互依赖的问题[1]。虚拟人的运动控制大部分是基于骨骼模型，也称之为骨骼动画。由于肌肉和神经系统的建立存在着很大的困难，研究的难度巨大，所以骨骼模型忽略了肌肉和神经系统。依据人体解剖学原理，人们制定了两个重要的国际标准H-Anim和MPEG-4来表示虚拟人骨骼结构[3]，主要是将人体的骨骼和关节进行简化，减少其自由度，这样可以降低建模的难度。人体建模的方法主要有基于几何的方法、基于二维照片重构方法和基于人体测量学的方法等[4。

（1） 基于几何建模技术研究较多，常常采用棒状型、体模型和表面模型（如图1所示）。虚拟人几何建模主要是使用三维造型软件，如Poser、3dsMax、Maya等来构建人体模型。针对 Poser 软件输出的人体模型缺乏关节点数据问题，文献[7]提出一种基于模型的快速人体建模方法。给出一种骨架提取算法。此方法从Poser输出的人体模型中提取出其骨架以后，将骨架层与皮肤层绑定，应用运动学方法使得骨骼驱动皮肤变形。依据H-Anim标准建立分层的骨骼模型，通过设置所有关节的自由度（DOF），采用三角网格方法来仿真皮肤层。

（2） 基于二维图片重构方法，采用数字图像处理的方法，提取二维图片中人体的特征点和参数，来重构三维人体模型。李毅等人[6]针对输入的草图，提出一种通过草绘三维人体建模的模板形变方法。将草图特征映射到三维人体模板，实现个性化的三维人体建模。有文献提出了一种基于视频的人体骨架建模新方法，通过提取视频序列中人体骨架的特征，建立透视投影下的三维人体骨架模型，然后通过蒙皮来建立虚拟人皮肤模型。

（3） 基于人体测量学的方法，主要是借助一些三维扫描仪，依据人体测量学的原理，来构建三维人体模型。文献[7]提出一种采用 Kinect 扫描人体重建个性化人体模型方法，此方法的主要目的是用来解决三维试衣系统中人体建模方法难于建立大量个性化的三维人体模型的问题。通过扫描获得各种不同类型人体的测量数据，可以迅速构建参数化的人体模型，实现个性化、多样化的逼真虚拟人模型。

以上三种人体建模方法，存在的主要问题就是建立的虚拟人模型，只有单一的骨骼层或皮肤层，即便已经将二者关联起来，即将骨骼层和皮肤层绑定，通过骨骼层驱动皮肤层变形。但是在虚拟人运动过程中，存在皮肤层的塌陷、断裂等问题，研究者往往忽略了这些问题，未来研究的主要方向就是如何有效的解决上述问题，建立肌肉层模型，实现逼真的虚拟人外形。

2 虚拟人运动控制技术的相关方法

虚拟人运动控制一直是虚拟人研究领域的关键技术之一。早期的虚拟人运动控制，主要是通过数值计算方式控制虚拟人运动。近期国内外出现了大量有关虚拟人应用软件，最显著的特点就对运动控制的效率以及实时性有了很高的要求，研究者关注的焦点是如何将人工智能技术与运动控制技术结合在一起，实现“自主”虚拟人。在自主虚拟人行为感知系统当中，虚拟人根据行为决策系统输出的决策结果，依靠运动控制系统，执行相应行为动作，例如前往某个地方、闲逛、攻击目标、逃避危险等[15]。

2.1 传统的运动控制技术

在虚拟人研究领域，传统的运动控制技术主要有基于关键帧的方法、基于物理控制方法、基于动力学方法、基于运动学的方法等。

1）关键帧方法。

2）物理控制的方法。

3）运动学方法。

4）动力学方法。

5）视频数据驱动的方法。

2.2 基于运动捕获数据的控制方法

人体运动捕获数据是直接记录人体的运动数据并将其用于生成计算机动画 ，因其视觉真实感、富有表现力等优势，越来越多地被应用于动画、电影制作以及游戏等产业中。利用传感设备捕获人体运动数据，捕获到的运动数据描述了骨架的结构以及在各个时间点的运动参数，它可以视为一个时变函数[10]，给定时间参数，可以确定该时刻人体各关节的状态信息。由于捕获的数据存在一定的冗余，为了驱动虚拟人在三维虚拟空间中更流畅运动，需要对捕获的运动数据预处理，提取一些关键帧数据11]，将关键帧数据与人体模型进行映射。

对于精度较高的捕获设备，得到的运动数据准确度高，能充分体现出运动的细节。文献[12]中作者将捕获的动作文件进行编辑，来合成逼真的虚拟人运动。文献[13]中采用实时的动作捕获技术，在虚拟舞台上进行现场戏剧表演，实现了仿真人体的舞蹈动画。这是将传统的艺术表演形式搬移到了虚拟空间，是艺术领域内一次技术革新，引起越来越多研究者们对这种新的艺术表达方式的关注。文献[14]提出一种“模板化”的运动控制方法，主要是将捕获的运动数据，根据稀疏主成分分析方法、Group lasso以及 Exclusive group lasso三者结合起来，找到每一种运动内在的具有语义特征的自由度，并将其包装成模板化的运动参数留给用户，用户便可根据该参数的语义描述，直观地进行实时的模板化运动合成和控制。

上述方法各有优缺点，基于运动捕获的方法，虽然可以提高运动控制的效率和实时性，但是其无法适应虚拟环境的变化，运动显得死板僵硬的缺点也很明显；基于物理控制的实时计算方法，虽然可以使虚拟人运动显得真实，但是计算复杂、占用资源的缺点也限制了应用的范围。因此，可以采用多种方法综合的途径进行，糅合每一种方法的优点，这样能极大地提高虚拟人运动控制的实时性。

3 自主感知行为的运动捕获数据驱动方法

前面所述的内容，研究者关注的焦点是虚拟人运动的逼真性与实时性，根本上忽略了虚拟人与虚拟环境之间的交互性。考虑到虚拟人与虚拟环境之间的交互作用，研究者提出通过建立自主感知模型APM，Autonomous Perception Model），使虚拟人实现自主行为控制。自主感知模型是自主虚拟人理解周围环境、进行自主行为控制以及决策的基础，其主要目标是通过不断地监测虚拟环境的变化，为行为控制模型提供必要的信息。

3.1 感知模型

通过建立感知模型来模拟虚拟人对虚拟环境感知限制，主要由视觉、听觉和触觉过滤器组成。视觉过滤器的原理是采用计算机视觉计算的方法计算出虚拟环境中各个对象与人眼之间的相对距离，根据设定的虚拟人所观察的范围，判断某个对象是否在虚拟人视野范围之内。为了提高感知模型检测的准确性，可以采用经典的可见性计算方法分别求解虚拟人到包围盒8个顶点的视线与其他物体包围盒矩形是否有交点来判定空间的遮挡关系，包围盒的选取要求光线与包围盒的求交测试尽可能的简单。将得到的对象信息与虚拟人直接关联，植入能否被感知的状态值，设置虚拟人对物体的感知权限。听觉和触觉过滤器主要作为视觉过滤器的补充，扩大虚拟人的感知范围。

3.2 行为决策模型

决策网络是一种表达解决决策问题的有向无环图。有文献中使用GeNie&Smile决策网络包编程实现虚拟人行为决策模型。作者在行为决策模型设计中，将决策网络划分为顶级网络、一级子网络和以下各级子网络组成。一级子网络包括熟识行为网路、攻击响应网络、呼救响应网络以及补充能量行为网络。

3.3 运动控制模型

虚拟人根据行为决策系统输出的决策结果，依靠运动控制系统，执行相应行为动作。在高层控制中，通过设计路径规划器，根據目标地点，生成虚拟人的运动路径轨迹。路径规划器采用A*算法进行路径搜索。通过使用碰撞检测，可在运动控制物理层上检测出虚拟人之间及与虚拟环境景物之间发生的碰撞，并进行相应的碰撞反应处理[8]。

4 总结与展望

由于人体结构及其运动的复杂性，导致在虚拟人形象化建模、运动控制方面存在诸多困难和挑战。本文在阅读大量文献的基础上，通过分析总结了具有自主感知行为的虚拟人运动控制的方法。在形象化虚拟人建模方面，针对建立的虚拟人体模型缺乏逼真度等问题，将相关研究成果进行概括总结，分析了虚拟人体建模的关键技术和方法。在运动控制技术方面，将传统的方法与最新的方法对比总结，重点介绍如何建立自主虚拟人感知模型，实现自主虚拟人行为控制和决策，使虚拟人具有“自我意识”。 如前文所述，由于人体自身的复杂性，自主感知行为的虚拟人运动控制技术还存在着一些问题有待于解决。

参考文献：

[1] 何长鹏，侯进，王献.基于骨骼的三维虚拟人运动合成方法研究[J].计算机工程与科学，2014，36（4）：737-740.

[2] J. Hou， F. Xu， L. Wu， and H. H. Mi. Avatar-based human communication： a review[J].International Journal of Modelling and Simulation，2012，32（4）：273-278.

[3] 夏时洪，王兆其.虚拟人合成研究进展[J].中国科学F辑：信息科学，2009，39（5）：483-498.

[4] O. Schreer，R.Englert，P.Eisert，and R.Tanger.Real-time vision and speech driven avatars for multimedia applications[J].IEEE Trans. Multimedia， 2008，10（3）：352-360.

[5] 吕治国，李焱，贺汉根.基于Poser 模型的三维人体建模方法[J].计算机工程，2008，34（13）：256-261.

[6] 李毅，刘兴川，孙亭.草绘3维人体建模的模板形变方法[J].中国图象图形学报，2015，20（6）：0828-0835.

[7] 姚砺，李奥琼，王慧洁.个性化人体特征曲线驱动的三维服装变形[J].计算机仿真，2015，32（7）：426-432.

[8] 刘渭滨，周亮，邢薇薇，等.自主虚拟人真实感行为与运动建模的研究[J].北京理工大学学报，2010，30（10）：1189-1193.

[9] J.L.Ren，Z.B.Zheng， Z.M.Jiao.Simulation of virtual human running based on inverse kinematics[C].//in Proc. 2nd Int. Conf. Education Technology and Computer， Shanghai， China， Jun.2010：360-363.

[10] S.L.Li，J.H.Liang，B.Wu，and L.Chen，etc.Dynamic motion editing by combining an extension of the prioritized inverse kinematics with active dynamic control[C].//in Proc. IEEE Int.Conf.Mechatronics and Automation，Changchun， China，Aug.2009：4067-4074.

[11] F. Multon，R.Kulpa，L.Hoyet，and T. Komura.Interactive animation of virtual humans based on motion capture data[J].Computer Animation and Virual Vorlds，2009，20（5）：491-500.

[12] C.E.Colvin，J.H. Babcock，J.H.Forrest，C.M.Stuart，M.J.Tonnemacher，and W.S.Wang.Multiple user motion capture and systems engineering[C].//in Proc. IEEE Systems and Information Engineering Design Symposium，Charlottesville， VS，USA，Apr.2011：137-140.

[13] C.TAY and R. Green. Human motion capture and representation[C].//in Proc. 24th Int. Conf. Image and Vision Computing， Wellington，New Zealand，Nov，2009：209-214.

[14] J.Geigel and M. Schweppe. Motion capture for real-time control of virtual actors in live， distributed， theatrical performances[C].//in Proc.IEEE Int. Conf. Automatic Face & Gesture Recognition and Workshops， Santa Barbara， CA， Mar. 2011：774-779.

[15] 夏贵羽，孙怀江.模板化的人体运动合成[J].自动化学报，2015，41（4）：758-771.

[16] W. Meng，W.B.Guo，and C. M. Zhu. Motion fusion technique based on characteristics of human motion[J]. Journal of Computer Applications，2011，3（1）：42-44.

[17] 羅陆锋，邹湘军，张丛，谢雷.基于实时数据的角色运动建模与仿真[J].系统仿真学报，2015，27（4）：677-681.

作者：何长鹏 罗鸿斌 张燕

运动控制技术研究论文 篇2：

仿生蜘蛛救援机器人运动控制关键技术研究

摘 要：文章主要针对救援类机器人关键技术开展研究与设计。机器人一般配备彩色摄像机、热成像仪、通信系统及急救包等设备，能够替代救援人员深入情况危险、时间紧迫、环境复杂的场所实施快速、精准、高效的救援工作。文章重点研究仿生蜘蛛救援机器人系统的设计方案，并对部分核心进行系统阐述。

关键词：仿生;救援机器人;运动规划;神经网络

0   引言

救援机器人是为救援而采取先进科学技术研制的机器系统，该系统可以由单体机器人独立完成工作任务，也可以实现群体机器人的协同合作救援。救援机器人种类繁多，主要包括军用救援机器人，灾后救援机器人，水下救援机器人、灾难侦察机器人等。

1   国内外研究现状

20世纪80年代，美国、德国、日本等发达国家就开始了对救援机器人的研究和应用，针对不同用途研发出具有不同功能的救援机器人。我国救援机器人的研究工作开展较晚，但发展速度很快[1]。“十一五”期间，我国已将“救援机器人”项目列入国家863重点项目，包括沈阳自动化所、西安科技大学、哈尔滨工业大学等知名研究所和高校积极开展研究，设计并研发了废墟可变形搜救机器人、机器人化生命探测仪、旋翼无人机救援机器人等性能优越的救援系统[2]。

2   主要研究内容

仿生蜘蛛救援机器人系統研究主要包括救援机器人软硬件系统框架设计、高爆发液压驱动及驱动-传动系统设计、复杂环境下救援机器人群体运动规划与控制理论、多态势救援机器人群体神经网络系统模型、虚拟力场法路径规划与障碍物规避算法5个部分内容。

以六足式蜘蛛机器人硬件框架为依托，对蜘蛛的各类运动情况进行建模仿真，包括常规前进、后退、爬行、攻击、躲避等。设计中采用高爆液压驱动传动系统障机器人的高机动性和高爆发性。重点探讨分布式蜘蛛机器人的群体协同控制与路径规划，并模拟救援场景下复杂环境中群体神经网络模型，实现虚拟力场与传感网络相结合的规避算法[3]。

2.1  救援机器人软硬件系统框架设计

对比国内外救援机器人系统性能，比较双足式、四足式、车轮式、履带式机器人特点，探讨系统应用环境因素与复杂性特点，研究机器人机械架构、主控制系统、服务器监测界面、移动监测终端界面4个方面设计内容，拟合搜救路径规划与障碍规避算法，结合群体仿生理论制定一套较完备的分布式救援机器人系统模型方案。

2.2  高爆发液压驱动及驱动-传动系统设计

救援机器人驱动系统设计中拟采用缸阀一体、空腔推杆和薄壁缸体的驱动关节模块功能结构一体化设计方法，以提高功率密度;研究储能与增压模块、储能与爆发时空状态精准转换方法，研究强冲击与重载荷下的液压驱动单元高速力/位混合伺服控制技术;针对高爆发驱动对元部件的不利影响，研究密封/润滑失效分析与优化方法，研究关节传动机构迭代优化设计方法，以集成多连杆传动机构。

2.3  复杂环境下救援机器人群体运动规划与控制理论

拟基于多元仿生耦合模型，分析蚁群等生物群体复杂运动过程中的运动学参数，提取与定义运动模式特征参数和描述运动性能的指标参数，建立模式参数与运动性能之间的直观映射。根据群体机器人运动时获得的状态反馈信息，研究运动轨迹在线调节与优化方法，由此导出直接作用于群体机器人高机动运动控制的伺服控制指令。

2.4  多态势救援机器人群体神经网络系统模型

建立群体机器人神经网络模型，使其具备基本的应激反应。从信息处理角度对人脑神经元网络进行抽象并建立某种模型，按不同的连接方式组成不同的类神经网络，组建大量神经节点（或神经元）并进行相互连接，并使每个节点代表一种特定的激励函数，以节点间的连接作为该连接信号的加权值（权重），形成人工神经网络的记忆功能，网络的输出则依网络的连接方式、权重值和激励函数的不同而有所调整，提高单体与群体的协同控制与反应能力。

2.5  虚拟力场法路径规划与障碍物规避算法

构造目标方位引力场和障碍物周围斥力场共同作用的虚拟人工力场，搜索势函数下降方向找寻无碰撞路径，使群体机器人沿虚拟排斥力和虚拟引力合力方向运动，结合人工势场法和栅格法分析移动机器人实时避障及最优路径规划。构建虚拟力场环境，统计并分析救援场所环境因素并提出风险评估，优化算法实现类人神经系统自激反应及自主学习功能。

系统利用采集的数据进行平衡性预判，集合超声波测距获取的周边距离信息，实现六足机器人的平稳行进与智能避障功能。蜘蛛类六足仿生中采用L298N驱动8路舵机实现机器人的稳态步进，利用 PWM 波形进行系统调速，控制做出前进、后退、转弯等动作。无线控制方式集合红外编码及蓝牙技术，实现移动终端与红外线预设指令相结合的控制方式，设计中可利用无线设备进行直接干预与控制，也可根据智能化程序进行自我控制，丰富了蜘蛛类仿生机器人的控制方式以达到最佳的控制效果。仿生机器人系统硬件框架如图1所示。

3 技术难点和关键技术

3.1 复杂环境下救援机器人系统设计与适应性研究

救援机器人主要在极端复杂环境下开展工作，系统设计及功能对环境的适应性要求很高，项目前期主要针对复杂环境适应能力开展项目的软硬件系统设计，包括硬件机械机构、机器人驱动系统、远程服务器控制端、移动控制端等，针对行进路径规划、无线信号传输质量、高爆发机动性等问题开展研究。

3.2 仿群体生物应激反应的救援机器人神经网络模型构建与算法优化

救援机器人群体高机动运动过程中的反应行为具有形态多样、动作复杂等特点，而做出反应的依据是来自神经系统对外界环境因素的感知，构建救援机器人群体神经系统网络系统模型，使其具备可学习性和可训练性，能够在复杂环境下开展单体救援与群体协同救援工作。

3.3 人工势场因素与分散控制方法相结合的多智能体控制律

项目研究过程中集合群体生物运动及行为数据和人工势场模型，分析救援机器人群体行为反应及决策方式，构建具有心跳、应激、自组织运动模式等肢体特征的虚拟中枢-肢体代理模型和支持群组能够基本维持生存、防御危险和探索世界的“本能式运动协调”功能模型，开展面向智能群体系统的群体救援系统在不同作业和模式下协作仿生策略与控制技术研究。仿生机器人系统研究方案如图2所示。

4   结语

希望通过针对救援机器人关键技术的研究助推智能机器人产业升级发展，为经济发展贡献力量。通过和高科技产业的无缝对接，形成产品设计和开发能力，吸引风险投资，构建仿生机器人产学研结合的局面。

[参考文献]

[1]王超，张东杰，贾春磊，等.灵长类仿生机器人高机动运动与控制关键技术研究[J].无线互联科技，2019（18）：107-108.

[2]程红太，万登科，郝丽娜.灵长类仿生机器人飞跃轨迹规划及控制策略[J].东北大学学报（自然科学版），2017（2）：168-173.

[3]赵旖旎，程红太，张晓华.基于能量的欠驱动双臂机器人悬摆动态伺服控制[J].西南交通大学学报，2009（3）：380-384.

（编辑 何 琳）

作者：宋词 王超 吕诗晴 周子瑞 常月

运动控制技术研究论文 篇3：

自动避障三轮管道机器人设计

摘要：管道机器人作为一种有效的探测设备，可以深入人类无法到达的狭小空间内执行勘查任务。轮式机器人具有结构简单、运动连续平稳、速度快、可靠性高等诸多优点，因此开发了基于STC系列单片机的三轮轮式结构管道机器人。应用红外传感器电路实现有效避障功能；加入角度传感器模块，确保机器人可以在管道最底端平稳行进； 采用脉宽调制技术驱动直流电机，通过改变占空比来控制机器人运动。设计的轮式管道机器人实物具有体积小、可裁剪性强、便捷等特点，能够完成管道内探测、数据收集等功能。

关键词：管道机器人；三轮轮式结构；STC单片机； 红外传感器；角度传感器； 脉宽调制

Key words：pipeline robot； threewheeled structure； STC single chip microcomputer； infrared sensor； angle sensor； pulse width modulation

20世纪70年代以来，石油、化工、天然气及核工业等产业迅速发展，管道作为流体的主要输送设施，因其便捷性、经济性而得到了广泛的应用。但是随着使用年限的增加，管道不可避免地出现老化、裂缝、腐蚀或者受到外来施工的破坏，如果不及时处理，一旦发生事故不但会带来巨大的人员伤亡和经济损失，对环境也会造成严重的污染。在山东省青岛市“11·22”事件中，中石化东黄输油管道泄漏导致爆炸，共造成62人遇难、136人受伤、直接经济损失7.5亿元，因此定期对管道进行勘查和维护就显得非常必要。传统的管道检测方法有全面挖掘法、随机抽样法等，这些方法均存在工程量大、准确率低等缺点，为解决这一实际问题，管道机器人应运而生。管道机器人作为一种有效的探测设备，可以深入到人类无法到达的狭小空间内执行勘查任务[1]。

根据运动机理和驱动方式的不同，管道机器人可以分为蠕动式、蛇行式、足式、履带式和轮式5种主要方式。其中轮式管道机器人比蠕动式具有更高的灵活性与驱动性，比履带式具有更好的自主性与动力性，并且轮式运动方式对管道环境具有更好的适应性，更易于设计和开发。因此，研制的管道机器人采用轮式行走方式。

1轮式管道机器人的结构设计

实现管道内自定心行走是轮式管道机器人基本的运动特征，这就要求机器人的结构是空间对称的。机器人行走机构的空间分布原则是：各行走机构在轴向空间呈等间隔分布，并且绕机器人中心轴线旋转一定角度后，能相互重合，形成空间对称结构，但是轮子数目不同会有不同支撑度。

支撑度是指机器人的行走机构在管道内壁上形成独立有效的支撑作用数量。按照空间分布原则，轮式管道机器人至少需要有3组可控平行行走机构，每组行走机构具有前后2个支撑度，这样机器人就具备了管道内自定心行走的必要条件，因此，机器人的必要支撑度是6。行走机构的组数必须要保证机器人的支撑度不小于必要支撑度。

如果行走机构组数超过3组，则机器人的支撑度将超过6，这将形成支撑度冗余。从理论上来说，机器人的支撑度增加后，行走机构在管道内壁上独立有效的支撑作用总量也会增加，这有利于增强机器人在管道内的支撑能力，提高机器人在管道内行走的姿态稳定性。如果有效利用每个支撑度，使每个支撑度都具备驱动能力，虽然可以增强机器人的驱动能力和牵引能力，但支撑度的增加同时也会带来很多问题。综上所述，三轮机器人更具优势[2]。

因此设计的管道机器人采用三轮结构，由车体、2个同轴的驱动轮和1个从动轮组成。2个驱动轮分别由2个独立的电机驱动，从动轮使用万向轮仅在运动过程中起支撑作用[3]。

轮式管道机器人采用相对稳定的圆形为底盘车架，电机安装在后轮的底盘内侧，红外传感器分布在车体前方左、中、右3个方向，电源系统安装在车身上后半部分，而主控电路板则安装在车身上的前半部分，并同时装载有里程和角度传感器。轮式机器人载体作为机器人赖以支撑和移动的部分，是硬件当中最为重要的部分。车体选用5 mm厚亚克力板雕刻而成，从上向下看，是一个直径为18 cm的圆。在车体顶部设置有亚克力防刮板，用以有效地保护控制电路。防刮板的设置参考了车体的尺寸，将驱动模块避开，使用手锯制作而成。CCD摄像机可安装在防刮板上方，设计的管道机器人实物图如图1所示[4]。

管道机器人车体长度150 mm，主动轮高45 mm，从动轮高31 mm。根据车体数据，考虑轮式管道机器人需要在管道内进行旋转，可得管道机器人通过管道的最小尺寸半径为117.79 mm，示意图如图2所示。只有直径大于325 mm的管道，此机器人方能正常工作。

2.1控制系统整体设计

该三轮管道机器人控制系统总体设计方案如图3所示，硬件以单片机为核心，包括红外避障传感器电路、角度传感器电路、里程检测电路、摄像机数据采集电路、电机驱动电路、报警电路和存储电路等组成。系统采用集中控制方式，控制器负责整个系统的控制决策，接收传感器采集的信号，对输出的脉冲宽度调制波的占空比进行及时调整，进而控制机器人的运动状态。使用CCD摄像头记录管道内的相关数据，存储于SD卡中进行记录，待车体返回后，数据可上传至上位机进行管道是否泄漏的分析。STC系列单片机是单时钟/机器周期（1T）的单片机，支持串口烧写，加密性强，抗干扰能力强，温度范围宽，功耗低，使用范围广。通过对比STC89S52，STC12C5410AD和STC12C5A60S2单片机的功能和特点，选择STC12C5A60S2单片机作为本系统的控制核心。该单片机为双列直插式40引脚单片机，具有A/D转换功能，可满足2个驱动轮电机控制的要求，36个I/O接口便于日后的功能扩展，双串口，2个定时器/计数器，存储容量大，能为更精细地程序编写提供方便。

2.2系统主要模块原理及电路

2.2.1红外避障传感器电路设计

避障传感器在超声波传感器和红外传感器中选择。超声波传感器中超声波波长比一般声波短，具有较好的方向性，传播距离较远，因此通常利用超声波的特性来完成距离的测量，其计算简单，能够做到实时控制，可以用来探测障碍物实现避障功能[56]。但是由于管道内空间小，声波在小空间不同方向里会进行多次反射，左右前后的传感器之间就会产生相互干扰，控制中心无法明确判断哪个方位遇到了障碍物，会产生动作紊乱，而不能实现要求。

红外传感器的避障原理是利用红外光遇到物体的反射性，当传感器检测到信号的变化就可以判断前方是否存在障碍物，并将信号送给单片机，单片机通过内部的软件和程序来控制小车的转动，从而成功地避开前方的障碍物[7]。

根据上述两种方案的比较和实验室现有条件，选用红外传感器E18D80NKY型作为避障传感器。该传感器具有探测距离远、受可见光干扰小、价格便宜、易于装配、使用方便等特点，可以广泛应用于机器人避障、流水线计件等众多场合。

系统前方设置3个红外传感器模块，用以检测前方及左右是否有障碍物；另设置2个红外传感器模块，检测前方是否有断裂带或者阻挡车体前进的障碍物，以防止车体摔落或撞坏，还可做3个红外传感器的冗余设计。

红外避障传感器电路如图4所示，其与控制芯片连接电路见图5。红外传感器使用红外接收头和发射管配合。由外接电源提供电压信号，施加在红外发射管两端，红外线通过红外发光二极管（LED）以38 Hz频

2.2.2角度传感器电路

管道机器人应保持运行在管道的最底端，否则就会有侧翻的危险。通过角度传感器检测管道机器人的倾斜角度，设定极限、次极限，及时改变两轮的占空比。当倾斜角度超过次极限后，一个轮子转一个不转，使机器人迅速回到管道最底部；当超过极限时，两轮不转，意味着机器人翻车，开始报警，并记录翻车处的里程。选用的ADXL335是美国模拟器件公司（ADI）推出的一款完整的三轴加速度计，有尺寸小和低功耗的优点，满量程加速度测量范围为±3g（最小值）。它可以测量倾斜，检测应用中的静态重力加速度，以及冲击、振动或运动导致的动态加速度。X轴、Y轴、Z轴的坐标值分别接入单片机P1.0，P1.1，P1.2引脚，运用单片机内部8位/10位ADC模块（本模块选用8位），将传感器输出的模拟信号转变成数字信号，供单片机识别。角度传感器电路如图6所示。

2.2.3里程检测电路

采用红外光电门传感器对行驶里程进行测量，光电门传感器具有稳定、高效、易于安装等优点。在小车齿轮的边缘安置一个码盘，码盘上设置光电门，在运动过程中，码盘随主轴一起转动。当光线通过码盘时，发射管发出的红外光被齿尖挡住，接收管不能接收到光，输出高电平；当检测点通过齿槽时，发射管接收到信号，传感器输出低电平。于是输出的光信号转变为电脉冲信号，可以通过对脉冲信号的计数，对里程进行测量。

由于使用的是自制6线的码盘，车轮直径为6.5 cm，可以计算出该码盘能检测到的最小精度为3.14×6.5 cm/6=3.40 cm=34 mm。对于小型管道机器人来说，这个精度可以满足要求。

2.2.4电机驱动电路

两驱动轮使用电机驱动，驱动电机一般可以用伺服电机、永磁直流电机及步进电机。伺服电机控制难度大，需要使用不间断的脉冲控制[9]。步进电机则体积庞大，一般为4线制控制。永磁直流电机控制简单，性能也很出众，直流电源比较容易实现，价格便宜易于购买，占空比调速应用广泛，所以选择永磁直流电机作为机器人的驱动电机。

使用配套减速齿轮可以更好地提升电机的驱动性，虽然牺牲了速度，但可以换取更大程度的动力。系统选取1∶120减速比的减速电机，因为其易于更换、易于控制并且价格便宜。

电机驱动采用脉宽调制技术，通过单片机输出PWM波，即通过调节高低电平所占的时间比也就是占空比来调节电压的有效值，再通过功率放大电路，使得最终输出的PWM波满足负载所需的功率要求[1011]。

机器人的驱动不但要求电机驱动系统具有高转矩质量比、宽调速范围、高可靠性，而且由于电机的转矩转速特性受电源功率的影响，也要求驱动具有尽可能宽的高效率区[12]。选用L298N作为小车的驱动芯片，L298N是SGS公司的产品，可驱动46 V，2 A以下的电机。

系统使用的电机是线圈式的，在从运行状态突然转换到停止状态和从顺时针状态突然转换到逆时针状态时会形成很大的反向电流，为了保护芯片的安全，在电路中加入二极管，在产生反向电流（或者说电动势）的时候进行泄流。

L298N内包含4信道逻辑驱动电路，可同时驱动2个两相和1个四相步进电机，内含2个HBridge 的全桥式驱动器，可通过调节占空比来直接调节输出电压[13]。OUT1，OUT2 和OUT3，OUT4 之间分别接2 个直流电机，电机的正反转由IN1—IN4输入控制电位来控制。将VSS端口连接驱动模块的电压入口，而工作电压则为通过7805降压稳压芯片稳定后的电压，将驱动模块GND引脚接地。单片机P2.0与P2.1控制一个电机，P2.2与P2.3控制另一个电机。D13为上电指示灯，D5—D8则为正反转指示灯。

3系统软件设计

轮式管道机器人程序设计部分包括主程序、占空比子程序、避障子程序和控制子程序等组成。左右轮的占空比是随着角度传感器的改变和前方障碍物的有无而时刻变化的。

避障子程序以小车前方3个红外避障传感器的输出信号为依据，来决定小车下一步动作[1415]。红外传感器信号与小车动作的真值表如表1所示。

3个红外传感器的输出信号左侧红外传感器中间红外传感器右侧红外传感器机器人动作111直行110左转101右转100后退，报警011右转010左转[稍大]001右转[稍大]000右转[特大]系统的主程序流程图如图8所示。主程序中首先启动A/D转换器，判断小车当前的位置，改变当前左右轮的占空比。运行过程中，不断检测机器人角度及前方是否有障碍物，改变两轮转速，并且不断检测机器人角度及前方是否有断裂，若有则返回，并记录事故发生的大致距离。

4管道机器人性能实验

所设计的轮式管道机器人在直径500 mm的管道中可以依靠所携带模块，平稳地行走于管道最底端。若人为设计异常，如机器人翻倒，则轮子不动，机器人所携带蜂鸣器模块导通，产生报警信号，以方便现场工作人员对设备进行寻找。所设计管道机器人有故障记录功能，在单片机中单独设定了4个字节为错误码储存区域，运行过程中若发生错误，可以对错误发生时间以及类别进行记录。运行过程中，机器人遇到陡坡会自行趋避，具有一定预处理功能。实验结果表明，所设计的三轮轮式管道机器人能够适合管道内较复杂的环境，完成预定作业。

经过不断实验，对角度传感器采集到的数据进行优化，可以分析出机器人当前所处状态。角度传感器当前数据与机器人状态对应关系如表2所示。

3个轴的输出信号（A/D精度8位，抬高约30°）X轴Y轴Z轴机器人状态8583103机器人处于平面90--机器人前部抬高-89-机器人左侧抬高-74-机器人右侧抬高77--机器人后侧抬起--70机器人翻倒

5结论

设计的三轮轮式管道机器人经过多次的实验和改良，使用了红外传感器、角度传感器、里程传感器和CCD摄像机实现对环境的检测，在实现对管道泄漏情况实时勘查并进行摄像记录的基础上，还具有避障、始终保持运行在管道最底部和翻车报警并记录故障里程等优点。通过实验验证该轮式管道机器人运行稳定可靠，达到了预期效果。

参考文献/References：

[1]王殿君，李润平，黄光明.管道机器人的研究进展[J].机床与液压，2008，36（4）： 185187.

WANG Dianjun，LI Runping，HUANG Guangming.Progresses in study of pipeline robot[J].Machine Tool & Hydraulics，2008，36（4）： 185187.

[2]张云伟.煤气管道检测机器人系统及其运动控制技术研究[D].上海：上海交通大学，2007.

ZHANG Yunwei.Research on Gas Pipeline Inspection Robot and Its Motion Control [D].Shanghai： Shanghai Jiaotong University，2007.

[3]朱磊磊，陈军.轮式移动机器人研究综述[J].机床与液压，2009，37（8）：242246.

ZHU Leilei，CHEN Jun.A review of wheeled mobile robots[J].Machine Tool & Hydraulics，2009，37（8）：242246.

[4]米秀杰.单片机应用系统研究——轮式移动机器人控制系统设计与研究[J].制造业自动化，2011，33（2）：6366.

MI Xiujie.An applied research on SCM system：An research on control system on WMR [J].Manufacturing Automation，2011，33（2）：6366.

[5]梁露潇，韦成孟，杨海滔.超声测距[J].科教文汇，2007 （8）： 213.

LIANG Luxiao，WEI Chengmeng，YANG Haitao.Ultrasonic measuring distance[J].The Science Education Article Collects，2007（8）： 213.

[6]应鹏，宫晨，颜钢锋.轮式机器人多路超声波避障系统设计[J].现代机械，2008（6）： 1417.

YING Peng，GONG Chen，YAN Gangfeng.Design of multichannel ultrasonic obstacle avoidance based on the platform of wheeled intelligent robot [J].Modern Machinery，2008（6）： 1417.

[7]孙骁苗，周东辉，栗欣，等.移动机器人的多传感器测距系统设计[J].传感器与微系统，2006，25（2）： 5052.

SUN Xiaomiao，ZHOU Donghui，LI Xin，et al.Design of multisensor distance measuring system on mobile robot[J].Transducer and Microsystem Technologies，2006，25（2）： 5052.

[8]郑忠楷，薛小铃.轮式机器人的障碍探测[J].闽江学院学报，2005，26（5）：4447.

ZHENG Zhongkai，XUE Xiaoling.Obstacle detection of the wheeled robot[J].Journal of Minjiang University，2005，26（5）：4447.

[9]吴学礼，刘浩南，许晴.机器人手臂控制系统的设计与研究[J].河北科技大学学报，2014，35（4）： 361365.

WU Xueli，LIU Haonan，XU Qing.Design and research of robot arm control system [J].Journal of Hebei University of Science and Technology，2014，35（4）： 361365.

[10]刘东辉，赵新伟，李天宝，等.无位置传感器无刷直流电机数控调速器设计[J].河北科技大学学报，2013，34（4）： 302307.

LIU Donghui，ZHAO Xinwei，LI Tianbao，et al.Design of digital controller for sensor less brushless DC motor speed regulation[J].Journal of Hebei University of Science and Technology，2013，34（4）： 302307.

[11]李占，李斌，谢卫彬，等.无磁链反馈无刷直流电机控制研究[J].河北工业科技，2014，31（4）： 296301.

LI Zhan，LI Bin，XIE Weibin，et al.Study of brushless DC motor control without fluxlinkage feedback[J].Hebei Journal of Industrial Science and Technology，2014，31（4）： 296301.

[12]邱国普，杨立，张立.电动小车的电机驱动及控制[J].电子世界，2004（7）： 4142.

QIU Guopu，YANG Li，ZHANG Li.Motor drive and control of electric car[J].Electronics World，2004（7）： 4142.

[13]宋健，袁驰，孙学岩，等.基于单片机的轮式机器人控制系统[J].机床与液压，2006，34（4）：8486.

SONG Jian，YUAN Chi，SUN Xueyan，et al.Navigation system of wheeled mobile robot based on single chip processor[J].Machine Tool & Hydraulics，2006，34（4）：8486.

[14]陆斌.自动避障和火焰搜索在智能灭火机器人中的实现[J].工业控制计算机，2012，25（2）：105106.

LU Bin.Autonomous collision avoidance and fire searching in intelligent firefighting robots[J].Industrial Control Computer，2012，25（2）：105106.

[15]黄大志，周庆贵，陈业强.基于单片机轮式寻迹机器人控制系统的设计[J].机床与液压，2009，37（8）：350352.

HUANG Dazhi，ZHOU Qinggui，CHEN Yeqiang.The design of control system for tracing robot[J].Machine Tool & Hydraulics，2009，37（8）：350352.

作者：杜云等