冯英龙

摘要：近年来，经济的发展，促进我国科技水平的提升。随着物联网技术、大数据技术、云计算技术、传感控制技术的高速发展，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。本文就基于多传感器集成的机器人整机自动控制方法展开探讨。

关键词：机器人;自动控制;多传感器

引言

近些年，随着机器人和人工智能的快速发展，移动机器人的应用领域越来越广泛。如未知环境探测、远程医疗、物流、服务业等领域。移动机器人控制系统是一种非完整系统，其控制问题一直是个难题，而其中的轨迹跟踪控制更是移动机器人控制中的关键问题之一。

1机器人精确装配的方法概述

在工件装配过程中，输送线系统误差、机械加工误差等，使得配合基准存在偏差。针对这一问题，设计了基于位移传感器自动示教。依据工件2的位姿，重新调整工件1的装配位姿。采用力传感器引导方法。力传感器方法能够在工件1插入工件2过程中，依据两零件之间的接触力，对工件1的位姿再次进行精调整。

2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，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，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。

3基于多传感器集成的机器人整机自动控制方法

3.1标定负载

在应用过程中，力传感器标定对装配的成功有重要的影响，力传感器上安装的负载（比如夹爪，位移传感等）将会影响传感器的准确性。因此首先要对力控系统进行标定，标定内容包括夹爪的质量、重心以及工件质量和重心。力传感器负载的标定可以在软件中，通过调用函数FCLoadID进行。当后续每次装配时，通过FCCalib函数加载力传感器的负载情况，系统从而对力传感器因工具、工件的重量引起的受力情况进行补偿。

3.2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，（1）传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）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，会出现无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及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。

3.3 RF2O方法及激光雷达

RF2O方法是一种快速精确的方法，仿照密集的3D视觉测距法的方式，对激光雷达从二维平面扫描的密集点云数据进行处理。对点云数据制定基于传感器速度范围流约束方程，对所得几何约束的鲁棒函数最小化，获得运动估计。RF2O方法运算量低于视觉方法，转换评估较为准确。但是由于激光雷达自身的旋转，会导致旋转不准确，通过RF2O和IMU的传感器数据融合解决这一问题。激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿態、甚至形状等参数。使用激光雷达为镭神LS01G型二维激光雷达，能在一个二维平面上进行扫描，并将扫描到的数据转换为点云数据。

3.4主从式轨迹跟踪的模糊PI控制器设计

本文所考虑的移动机器人轨迹跟踪是指从机器人以恒定的横向和纵向距离跟随主机机器人运动。实验中领航机器人为主机，跟随机器人称为从机。主机实时把自身的位姿信息发送给从机，从机拿到主机数据后与自身位置作比较，建立如下的跟踪误差模型，为了让机器人能够稳定的运动和精准的控制，首先设计了PI控制器实现机器人跟踪控制。但是，一旦路面改变或者机器人的移动路面不够理想，必须根据路面情况重新调整KP和KI参数。否则，机器人并不能很稳定的移动，并且有较大的累计误差。为此，为了改善机器人的控制效果，在传统PI控制的基础上结合模糊控制的优点，采用模糊PI控制器来改善非理想运动环境的跟踪控制问题。相比模糊PID控制，本系统对于反应速度要求不高，而对于精度具有一定的要求。

3.5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。

结语

基于位移传感器、力传感器协同工作，设计了机器人对轴工件位姿调整的自动化装配系统。并且结合实验，验证了在供料系统误差较大，工件位姿不确实的情况下，所设计的自动化装配系统仍然能够顺利完成装配任务。位移传感器能够通过非接触式测量，对机器人的装配位姿进行粗调，降低了对工况条件的要求。同时，建立的装配系统能够很大程度的降低生产成本，简洁有效的提高装配效率。

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，2018，38（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.

西安航天动力试验技术研究所，陕西西安 710100