WSN多节点决策信息融合在机器人自主导航中的应用
WSN 多节点决策信息融合在
机器人自主导航中的应用
刘 贞,丁明理,王 祁
(哈尔滨工业大学自动化测试与控制系,黑龙江哈尔滨150001)
摘 要: 将机器人作为无线传感器网络的(WS N )的移动节点,可实现节点动态自定义部署并扩大其监测范围.
建立了接收信号强度(RSSI )势场量化的坐标系描述机器人状态及导航空间,有效避免将RSSI 值转换为距离时带来的模型误差.由处于机器人可通信区域内的若干信标节点组成一个分布式导航网络,每个节点都会对机器人做出独立的导航决策,最后由决策控制中心融合各信标节点的输出决定机器人的航向.采用分布式处理技术,绝大部分导航信息数据处理都由信标节点完成,因此很大程度上简化了机器人的设计和硬件成本,仿真和现场实验都表明该系统的有效性.
关键词: 无线传感器网络;移动机器人;自主导航;接收信号强度中图分类号: TP24 文献标识码: A 文章编号: 037222112(2008)1222299207
Implementation of WSN Multi 2Node Decision Information
Fusion in Autonomous Navigation of Robot
LI U Zhen ,DI NG Ming 2li ,W ANG Qi
(Department o f Automatic Measurement and Control ,Harbin Institute o f Technology ,Harbin ,H eilongjiang 150001,China )
Abstract : A robot is designed as the special mobile node of WSN.The design can realize the dynamic deployment of nodes and enlarge the monitoring range of WSN.The coordinate system ,which denotes the mobile robot ’s state and navigation space ,is set up based on the RSSI potential field.And it can decrease the model error while RSSI value is converted to distance.The dis 2tributed navigation system consists of some nodes which are in one hop communicating region of robot.Each beacon node can detect the distance which is quantized by RSSI value and calculate the control outputs.Then the fuzzy logic control centre will collect the control outputs from each beacon node and calculate the final outputs for mobile robot based on data fusion.Most of calculations are implemented by each static node ,it can effectively reduce the robot complicated design and the hardware cost.The effectively of the navigation system based on WSN are fully proved by the simulation and the experimental results.
K ey words : wireless sensor network ;mobile robot ;autonomous navigation ;RSSI
1 引言
无线传感器网络(W ireless Sensor Netw ork ,WS N )技
术[1]和移动机器人导航技术属当今的两大研究热点.移动机器人在许多场合可以代替人类执行某些繁琐或危险的任务,自主导航技术是真正实现机器人智能化的关键技术之一.目前,移动机器人常用的导航方法主要有惯性导航、全景视觉导航、激光雷达传感器导航和卫星导航.惯性导航可以实现灵活自主地导航,所需附属设备少,缺点是定位误差随着机器人航程的增长而增加.全景视觉导航精度较高,但需要占用较多的运算资源且
对光线有较高的要求.基于激光雷达传感器的导航精度较高,但需要事先部署信标,不太适合大范围导航.卫星导航技术是一种最便捷的导航定位方式,但在洞穴、室内等卫星信号无法覆盖的地方其可靠性无法保障.
无线传感器网络是由大量密集布设在监控区域的、具有通信与计算能力的微小传感器节点,以无线的方式连接构成的自治测控网络系统.将无线传感器网络技术和移动机器人相结合,利用节点间接收信号强度信息(Received S ignal S trength Indicator ,RSSI )和网络拓扑结构可以为机器人提供便捷、廉价的导航服务.目前有学者提出一些利用WS N 技术实现移动机器人自主导航的方
收稿日期:2007208217;修回日期:2008207223基金项目:黑龙江省自然科学基金(N o 1F2007208)
第12期2008年12月
电 子 学 报
ACT A E LECTRONICA SINICA V ol.36 N o.12
Dec. 2008
法,如文献[2]提出一种利用拓扑地图和地理信标的导航方法,在不依赖精确几何坐标的情况下只需简单拓扑信息即可表示导航空间,但网络环境频繁变化时该方法不具有较好的自适应能力.M arkov定位算法是基于环境概率模型的全局定位方法,这种方法将传感器信息和运动信息表示为概率,利用贝叶斯条件概率公式来估计机器人的当前状态,在此基础上完成机器人的导航[3],但该方法在环境范围变大时运算量急剧增加,就目前的微处理器水平很难实时完成导航任务.
对移动节点进行精确定位及轨迹跟踪是实现其自主导航的前提,当前目标跟踪定位主要有两种方式:一种是精确估计目标当前位置(如利用G PS),二是根据网络通信的数据聚合模型跟踪目标的移动轨迹[4].K irill M echitov等人提出了一种基于二值探测的目标轨迹跟踪算法(C ooperative T racking w ith Binary2Detection)[5],该方法中每个信标节点记录移动目标出现在自己可通信区域内的起始和结束时间,相邻信标节点彼此交换探测信息,根据网络拓扑结构利用分段线性拟合算法估计目标的移动轨迹.加州大学的W ooy oung K im等人在研究二值探测目标轨迹跟踪的基础上提出一种分段线性预测的路径跟踪方法[6],网络中的节点分为探测节点和跟踪节点两部分,前者只负责目标信息的收集,后者完成目标轨迹跟踪计算.威斯康星大学的M ichael G.Rabbat和R obert D.N owak两位学者提出了一种分布式定位跟踪算法[7],该算法利用接收到移动目标的信号强度对其进行定位,信标节点根据网络拓扑结构形成一个数据处理序列,目标参数估计算法将按照这个处理序列在网络内部循环执行.当一个节点接收到当前目标参数估值之后,根据节点本地探测数据微调当前目标参数估值得到新估值,然后将更新估值发送给下一个邻居节点.在WS N节点分布较广或移动目标运动速度较快的情况下,很难形成一个高效的数据处理序列在各个节点上循环计算,同时算法的收敛性也无法得到保证.臧传治等人利用移动智能体方法协同声音传感器追踪移动目标,解决了WS N中分布式信息处理和可扩展问题[8].赵海武等人直接从分布式WS N的特点出发,从一个新的角度讨论了分布式跟踪中的信息融合问题,给出了准确而完善的航迹和假设相容性判别条件,提出了“定向融合航迹”和“自由融合航迹”的概念[9].
本文设计了一种基于无线传感器网络的移动机器人分布式自主导航方法,在机器人的工作区域内预先布置若干信标节点,利用节点接收信号强度信息和网络拓扑结构对机器人定位并引导其到达指定区域,使WS N 变成一个动态自主的监测系统.当网络中某些静态节点监测到有异常状态发生时可引导机器人快速准确到达事发区域完成指定作业任务.2 问题描述
211 移动机器人导航空间表示问题
目前针对WS N中节点间测距的技术主要有:RSSI、T DOA、AOA、T OA等[10],其中RSSI(Received S ignal S trength Indicator)技术应用范围最广.RSSI原理是在节点发射功率已知的情况下,通过测量节点的接收信号强度,利用理论或经验的信道传播衰减模型将信号强度转化为距离.在不增加现有节点硬件开销的情况下,RSSI 是节点间测距的最佳方式.由于很难建立一种自适应环境变化的理论或经验信道传播衰减模型,将信号强度转化为距离时都将产生很大的模型误差,因此基于RSSI 的定位算法精度十分有限.G uoqiang M ao[11]等人提出了一种信道衰减指数(Path Loss Exponent2P LE)在线校准技术,根据环境的变化不断修正信道衰减模型,因而节点间测距精度有了很大提高,但该方法实现过程比较复杂,需要消耗较多的计算资源.
针对这个问题,本文直接利用RSSI量化的坐标空间表示机器人状态和导航空间,可有效避免将RSSI值转换为距离时引入的模型误差,假设B
i
,B i+1,…,B i+m
为m+1个信标节点,A
j
(x j,y j)为二维平面上的一个点,如果各个信标节点发射的无线电信号在该点处的强度分别为:P A j i,P A j i+1,P A j i+m,记为:
A P j=(P A j i,P A j i+1,…,P A j i+m)(1)
则称A P
j
为几何坐标空间下的A
j
点在RSSI势场量化坐标空间中的映射,记为:
Φ:A
j
→A P
j
(2)
在周围环境相对空旷的情况下移动机器人在A
j
点与各个信标节点通信的RSSI值是比较恒定的,因此映
射Φ是唯一的.然而从A P
j
到A
j
的映射则不唯一,如图1所示,当m=0,即在一个信标节点的约束下A P j映射
到几何坐标空间中是一条环形曲线;当m=1时,A P
j
的
映射为两个点;当m=2时,A P
j
的映射为一个点,此时
可以认为从A P
j
到A
j
的映射是唯一的,记为:
Φ-1:A P
j
→A
j
(3)
上述情况假定信标节点的RSSI等势场线为环形分布,由于受到空间反射、障碍物阻挡的影响,实际等势线
如图2所示.因此即使在m=2的情况下从A P
j
到A
j
的
0032 电 子 学 报2008年
映射也不唯一,只有足够多的信标节点对这种映射进行
约束的时候可以保证其唯一性,即当m→∞时映射Φ-1是唯一的.
在映射Φ-1唯一性能够保证的前提下,可以用RSSI势场量化的坐标空间描述机器人的状态及其导航空间.如图3所示,虚线圆表示信标节点向空间辐射电磁信号强度的等势线.移动机器人在k时刻相对于信标节点B
i
的状态可表示为:
Q k i=[P k i,V k i,D k](4)
其中,V k
i
表示用RSSI势场量化的机器人靠近信标
节点B
i
的速度,D k表示由机器人航向.机器人相对整个导航网络的状态可表示为:
Q k=[Q k i,Q k i+1,…,Q k i+m](5)机器人的目标位置为G可表示为:
G=[P k i,P k i+1,…,P k i+m](6)对于该导航系统的控制问题,主要控制移动机器人的航向,每个信标节点的任务就是做出有利于自己的决策控制输出量,引导机器人到达相应的等势线上.
212 移动机器人运动控制
本文采用差动轮式机器人作为无线传感器网络的移动节点,机器人由两个侧轮和一个万向轮组成,通过磁阻传感器测量当前航向角.侧轮由两个直流电机通过减速机构驱动,控制器通过PW M信号调节两个电机的转速,进而实现机器人的航向控制.机器人主要有以下两种转向模式:
(1)前进中转向 机器人在保持继续行进时转向,通过增大或降低一侧车轮的转速实现其转向过程.这种方式可以使机器人在各种速度和转向半径下改变航向,也是最基本、最重要的转弯模式.
(2)静止原地转向 机器人在静止时一侧车轮停转另一侧车轮保持一定转速实现转向过程,这种方式可以使机器人在最小转向半径下改变航向,但转向过程中由于一侧车轮静止车体容易产生侧滑现象,不利于连续自主导航控制.
自主导航系统由若干个处于机器人可通信区域内的静态信标节点组成,每个信标节点都是一个分布式导航控制决策单元.移动机器人的期望路径被分段存储在各个信标节点中,每个节点从自身角度出发计算出相应的控制输出量,决策控制中心融合各节点的控制信息计算最终控制输出量.在图3中,信标节点B
i
做出的控制
输出希望机器人沿着θ
i
方向移动到等势线P G
i
;同理B i+1和B i+2希望机器人分别沿着θi+1和θi+2方向移动
到等势线P G
i+1
和P G
i+2
;在理想情况下,决策控制中心综合各信标节点的控制输出量最终使机器人沿 θ方向抵达目标位置G.
3 分布式模糊控制导航单元设计
311 分布式导航网络系统组成
在自主导航网络系统中,每个信标节点作为一个独立的模糊控制决策单元,为了减少系统响应过程的超调量和振荡,保证系统的稳定性,将RSSI误差E和误差变化率 E作为模糊控制器的输入,输出即移动机器人的
航向角变化量Δθ
O
.导航系统由移动机器人和处于其可通信区域内的m+1个信标节点组成,每个节点都是一个独立的模糊控制导航决策单元,按照分布式模糊控制规则,每个信标节点都希望机器人沿着最短路径到达期望等势线上,即机器人沿着RSSI势场梯度方向运动.综合m+1个决策单元的导航输出信息即可得到最终控制输出,最后在PID控制器的作用下驱动机器人沿着目标方向前进.
312 单信标节点导航单元设计
本文使用Chipcon公司生产的CC2430芯片作为无线通讯芯片,其理论信道传播衰减模型为[12]:
P=P0～10r log
d
d0
+ξ(7)其中P0为距发射节点d0处的信号强度;d为发射节点和接收节点之间的距离;r为一个与信号传播环境有关的参数,空间中的障碍物都会对其产生影响,一般取值范围为2～4;ξ为均值为0的高斯分布随机噪声,
其标准差范围为4～10.如图4所示,B
i
为信标节点,V 是机器人在几何坐标空间下的速度,机器人从等势线
P k-1
i
移动到P k
i
,由式(7)可得此时移动机器人的径向速度为:
V
r
=V cosα=
1
T
(d k-d k-1)
1032
第 12 期刘 贞:WS N多节点决策信息融合在机器人自主导航中的应用
=d0
T
(10
P
-P
k
10r-10
P
-P
k-1
10r)(8)
显然,由式(8)可得机器人移动方向和RSSI势场的径向角α为:
α=arccos d0
VT (10
P
-P
k
10r-10
P
-P
k-1
10r)(9)
如果信标节点B
i
导航控制器的输出为α,则机器
人沿V
r
方向移动可以在最短时间内到达期望RSSI等势线.但是由于无线传感器网络大多在未知环境下工作,很难建立一个如式(7)所示自适应环境变化的信道衰减模型,而仅依靠节点间通信RSSI信息无法获得α的解析解.为此,我们采用分布式模糊控制器,输入变量偏差E定义为:
E i,k=P G i-P k i(10)
其基本论域为:[-100,100]dB;词集为NB,NS, ZO,PS,P B.
偏差变化率 E定义为:
E i,k=(E i,k-E i,k-1)ln10
10r 10
P
-P k
i
10r(11)
其中ln10
10r 10
P
-P k
i
10r为归一化因子,使机器人在不同距
离以同样的直线速度靠近或远离信标节点时偏差变化
率能够达到一致.其基本论域为:[-015,015]dB/S;词集为NB,NM,NS,ZO,PS,PM,P B.
输出变量航向变化角Δθ
O
为机器人在当前航向基础上的变化量,如当前航向为θ,那么下一时刻机器人
的航向为θ+Δθ
o
.其基本论域为:[0,180]度;词集为ZO,SS,SM,SB,BS,BM,BB.隶属度函数都采用了常用的三角形隶属函数.
在基于无线传感器网络的分布式导航系统中,由于结构比较复杂,目前还没有一个合适的数学模型来描述整个导航系统,但是可以通过分析信标节点导航方式和现场实验来获得先验知识,本文总结出以下几条基本规则:
(1)当偏差E大于(或小于)0,且偏差变化率 E正向较大时,表明机器人背向目标RSSI等势线行进,应大幅改变其航向使其调头.
(2)当偏差E大于(或小于)0,且偏差变化率 E较小接近于0时,表明机器人平行于目标等势线的方向行进,应改变其航向角90度,使其沿着RSSI等势线径向行进.
(3)当偏差E大于(或小于)0,且偏差变化率 E负向较大时,表明机器人面向目标等势线的方向行进,应保持当前航向角不变.
根据以上经验,我们总结出35条模糊控制规则,非模糊化采用加权平均法如式(12)所示,可求得最终模糊控制输出量的清晰值Δθ.
Δθ=
∑7
j=1
Δθ
j
μ(Δθ
j
)
∑7
j=1
μ(Δθ
j
)
(12) 313 单信标节点导航控制器输出航向变化角符号判定如图5(a)所示,假设机器人在几何坐标空间下的
直线速度恒定,其中θ1和θ2与RSSI等势线径向夹角均为α.如果机器人分别沿θ1和θ2方向行进,在这两种情
况下对于信标节点B
i
模糊控制器都会产生相同的输入偏差E及偏差变化率 E.由于模糊控制器的输出的航向变化角基本论域为[0,180]度,因此在上述两种情况下控制器无法给出机器人在当前航向基础上是正偏α还是负偏α.针对这一问题,本文采用记录机器人历史航向信息,计算最佳航向角的方法给出航向变化角α的符号.如图5(b)所示,在k时刻和k-1时刻机器人的
航向角分别为θ
k
和θ
k-1
,当k时刻机器人相对于B i信标节点偏差E绝对值减小且偏差变化率 E绝对值增大
时,表明机器人沿θ
k
方向行进比θ
k-1
方向行进到达目
标等势线P G
i
的距离和时间都要短,因此模糊控制器的
输出应该使机器人继续向θ
k
方向偏,反之则偏向θ
k-1方向,航向变化角α的符号α
sign
如式(13)所示.
α
sign
=
sign(θk-θk-1),E i,k>0,E i,k-1>0,E i,k sign(θk-1-θk),E i,k>0,E i,k-1>0,E i,k>E i,k-1 sign(θk-θk-1),E i,k<0,E i,k-1<0,E i,k>E i,k-1 sign(θk-1-θk),E i,k<0,E i,k-1<0,E i,k (13) 则B i 信标节点导航控制器的最终输出为 Δθ i =αsign?Δθ(14) 4 多节点导航决策信息融合中心设计 411 机器人航向变化角确定 定义k时刻信标节点B i 的导航决策输出为Δθk i ,每 个节点的决策输出Δθk i 不尽相同,甚至相互冲突,因此控制量信息融合的过程就是多个决策单元相互博弈折中求解的过程.这里首先要解决两个问题,一是如何对每个决策单元的多个导航目标进行折中分析,二是如何对多个决策单元之间的冲突效用进行折中分析. 2032 电 子 学 报2008年 定义节点B i 的控制决策性能效用函数为: u k i(Δθk i)=e-λP k i 1 cos(Δθk i) (P k i-P k-1 i )2(15) 其中,P k i 为k时刻机器人与节点B i 通信的RSSI 值;e-λP k i为归一化因子,用于消除因RSSI势场非线性指 数分布对效用评价产生的影响;λ为衰减系数,一般取值015～2;u k i (Δθk i)为效用函数,其物理意义是机器人在 航向改变Δθk i 后靠近目标RSSI等势线的变化量,按照导航规则希望其值愈大愈好.因此整个导航系统的效用函数可表示为: U k(Δθk)=[u k i(Δθk),u k i+1(Δθk),…,u k i+m(Δθk)]T(16)决策融合的目的就是要找出一个合理的航向变化 角Δθk作为次最优解使各目标效用函数u k i (Δθk)达到极大值.本文采用动态加权的方法将上述多目标函数极值求解问题转换为单目标函数极值求解问题,于是该问题可表述为: max U k(Δθk O)=∑ωk i u k i(Δθk O)(17) 其中,ωk i 为效用函数动态加权系数,其值的大小反映了每个决策单元在导航系统中决策主导地位的高低. ωk i 的取值应服从以下几条规则: (1)RSSI势场呈近似指数分布,距离信标节点愈近RSSI测量值分辨率和准确度愈高,此时导航节点做出的导航决策可信度较高,因此目标RSSI等势线愈高的节点应占有较大的权重. (2)如果连续一段时间内机器人严重背离某节点的目标RSSI等势线,说明其导航系统对其决策重视不够,应适当调高其加权系数. (3)如果连续一段时间内机器人与某节点的目标RSSI等势线的距离无明显变化,说明此时机器人与该接节点的通信受到背景干扰RSSI信号不准确,应适当调低其加权系数,避免机器人陷入局部震荡. 目标函数极值的求解问题比较简单,定义: Δθk max =max(Δθk i,Δθk i+1,…,,Δθk i+m) Δθk min =m in(Δθk i,Δθk i+1,…,,Δθk i+m) (18) 其中,Δθk max和Δθk min分别为m+1个导航决策输出 控制量的最大值和最小值.显然,在区间[Δθk min,Δθk max]通过简单迭代运算即可得到Δθk O 使式(17)达到最大值. 则下一时刻机器人的航向为θ k+1 =θk+Δθk O. 412 分布式自主导航算法收敛速度分析 稳定、快速和准确是对机器人自主导航系统的基本要求,算法收敛速度的快慢决定了其适用的对象和场合.从稳定和收敛性的角度出发,经过一段时间使机器人相对于各个信标节点导航目标RSSI等势线的综合偏差渐进收敛于0,这段时间的长短即表征导航算法收敛速度的快慢.但是在工程现场,机器人的综合偏差很难 到达绝对0,于是要求误差在一定精度范围内.定义收敛速度C robot 为: C robot=Δk?T lim k→Δk ∑E k i≤δ (19) 其中,T为采样时间;Δk为收敛时刻;E k i 为k时刻 机器人相对于信标节点B i 目标RSSI等势线的偏差;δ为误差范围,一般取5%误差带 . 从上述定义可 以看出,给导航系 统加一阶跃输入便 可定量得到算法收 敛速度.图6给出了 导航算法收敛的仿 真过程,分布式导 航系统有4个信标 节点组成,初始阶 段机器人相对四个信标节点的RSSI势场为(-2011,-9211,-9211,-9616),目标位置为(-8611,-9210,-8115,-9016),从图中可以看出机器人在经过2次震荡后进入误差带, 收敛时间在450s左右. 5 实验研究 511 仿真实验及分析 在仿真实验中为了使问题简化,直接有效验证分布式模糊导航控制算法,导航网络由4个节点组成,没有任何节点加入或退出导航网络.4个信标节点空间几何坐标分别为:B1(0,0),B2(0,50),B3(50,0),B4(50,50).机器人在几何坐标空间下起始和目标位置分别为(0,0)和(30,10),相应的在RSSI势场量化的坐标空间下起始和目标位置分别为(-2011,-9211,-9211,-9616)和(-8611,-9210,-8115,-9016),机器人起始航向为90度.机器人运动轨迹如如图7(a)所示,可以看出在起始阶段机器人背向目标位置行进,经由导航网络的调整其航向不断改变,最终抵达目的地.如图7(b)所示,随着 3032 第 12 期刘 贞:WS N多节点决策信息融合在机器人自主导航中的应用 机器人不断靠近目标位置,其与各信标节点期望RSSI 值的偏差也不断减小,其中相对于信标节点的偏差减小的速度最快.512 现场实验及分析 在现场试验时,无线传感器网络由8个信标节点组成,随机部署在100×100m 的区域内.首先人工手动控制机器人按照特定路径移动,机器人与各个信标节点通信的RSSI 信息为: P rob = P B i P B i + 1 … P B i +m = P 0 i P 1 i …P k i P 0i +1P 1 i +1 …P k i +1 … …P 0 i +m P 1 i +m … P k i +m (20) 其中P k i 为机器人在k 时刻与节点B i 通信的RSSI 值.为了验证导航算法,将P rob 作为机器人的期望路经,在几何坐标空间下曲线如图8中虚线所示.考虑到信标节点存储空间有限,将P rob 分段存储在各个信标节点中,同时将机器人重新放置到人工手动控制的起始位置,启动自主导航程序,机器人的运动轨迹如图8中实线所示,在100×100m 的区域内机器人可以很好的跟踪预先设定的期望路径.文献[7]和[11]将RSSI 转换为几何距离后WS N 节点几何定位精度为1m 左右,在本文的实验中机器人在关键点的几何导航定位精度在015～016m 之间,稍优于前者,因此证明了该导航算法的有效性. 6 结论 本文设计了一种利用无线传感器网络节点间通信信息和网络拓扑结构实现移动机器人自主导航的方法.采用机器人和信标节点通信的RSSI 值直接表征机器人的当前运动状态和目标位置,网络中的信标节点作为独立的导航决策单元,采用分布式模糊控制技术对机器人的航向进行实时控制,决策中心将多个信标节点的控制输出量融合即可得到机器人最终航向.该方法不依赖环境几何地图,对拓扑结构频繁变化的网络具有很好的自适应能力,鲁棒性较强. 参考文献: [1]C Intanagonwiwat ,R Govindan ,D Estrin ,J Heidemann ,F Sil 2 va.Directed diffusion for wireless sensor networking[J ].IEEE/ACM Trans Networking ,2002,11(2):2-16. [2]D Kortenkamp ,T Weymouth.Topological mapping for mobile robots using a combination of sonar and vision sensing [A ].Proceedings of AAAI [C ].Seattle :AAAI Press ,1994.979- 984. [3]D Fox.Markov localization :A probabilistic framework for mo 2 bile robot localization and naviagation [D ].Bonn :Institute of Computer Science III ,University of Bonn ,1998:19-45.[4]Chih 2Yu Lin ,Wen 2Chih Peng ,Yu 2Chee Tseng.E fficient in 2net 2 work moving object tracking in wireless sensor networks [J ].IEEE Transactions on Mobile Computing ,2006,5(8):1044- 1056. [5]Mechitov K,Sundresh S ,K won Y,Gul Agha.Cooperative tracking with binary 2detection sensor networks [A ].Proceed 2ings of the First International Conference on Embedded Net 2worked Sensor Systems [C ].Los Angeles :ACM Sensys Press , 2003.3323-3331. [6]K im ,Woo Young ,K irillMechitov.On target tracking with bina 2 ry proximity sensors [A ].Fourth International Conference on In 2formation Processing of Sensor Networks (IPSN ’05)[C ].Los Angeles :Institute of Electrical and Electronics Engineers Com 2puter Society Press ,2005.125-129. [7]Rabbat M G ,Nowak R D.Decentralized source localization and tracking[A ].Proceedings of the 2004IEEE International Con 2ference on Acoustics ,Speech ,and Signal Processing[C ].Mon 2treal :IEEE Press ,2004.921-924. [8]臧传治,梁(韦华),于海斌.无线传感器网络中基于移动 智能体的目标追踪[J ].控制理论与应用.2006,23(4):601-605. Zang Chuan 2zhi ,Liang Wei ,Yu Hai 2bin.Target tracking based on moving agent in wireless sensor network[J ].Control Theory &Application ,2006,23(4):601-605(in Chinese ). [9]赵海武,姚景尹,吴慧中.分布式多目标跟踪中数据融合 的一种新方法[J ].南京理工大学学报,2003,27(2):178-183. ZHAO Hai 2wu ,Y AO Jing 2yin ,WU Hui 2zhong.A new method for data fusion in multitarget tracking[J ].J ournal of Nanjing U 2niversity of Science and Technology ,2003,27(2):178-183(in Chinese ). [10]Bahl P ,Padmanabhan V N.RADAR :an in 2building RF 2based user location and tracking system [A ].Proc of the IEEE IN 2FOCOM[C ].Tel Aviv :IEEE Press ,2000.775-784.[11]Guoqiang Mao ,Brian D O Anderson ,Baris Fidan.Path loss exponent estimation for wireless sensor network localization [J ].Computer Networks ,2006,50(17):3485-3502. 4032 电 子 学 报 2008年 [12]Bulusu N ,Heidemann J ,Estrin D.GPS 2less low cost outdoor localization for very small devices [J ].IEEE Personal Commu 2nications Magazine ,2000,7(5):28-34. 作者简介 : 刘 贞 男,1981年3月生于甘肃省兰州市,哈尔滨工业大学自动化测试与控制系博士研究生.主要研究方向为无线传感器网络、机器人自主导航. E 2mail :liuzhen @https://www.wendangku.net/doc/df17123164.html,. cn 丁明理 男,1977年10月生于黑龙江省五常市,博士,哈尔滨工业大学自动化测试与控制系副教授.主要研究方向为无线传感器网络、惯性导航. 王 祁 男,1944年5月生于黑龙江省哈尔滨市,哈尔滨工业大学自动化测试与控制系教授、博导.主要研究方向为传感器信息融合、智能测试. (上接第2311页) [15]I tti L ,K och C ,Niebur E.Rapid biologically inspired scene clas 2 sification using features share with visual attention [J ].IEEE T rans Pattern Analysis and Machine Intelligence ,2007,29(2):300-312. [16]I tti L ,K och C.C om putational m odeling of visual attention[J ]. Nature Review Neuroscience ,2001,2(3):194-230.[17]I tti L ,K och C.Feature combination strategies for saliency 2based visual attention systems [J ].Journal of E lectronic Imaging , 2001,10(1):161-169. [18]S tentiford FW M.An ev olutionary programming approach to the simulation of visual attention[A].Proc of the IEEE C ongress on Ev olutionary C om putation[C].Seoul ,2001.851-858. 作者简介: 张 焱 女,1975年6月出生于山东省济南市,国防科技大学 ATR 重点实验室讲师,主要从事红外、可见光图像处理的研究工作.E 2mail :atrthreefire @https://www.wendangku.net/doc/df17123164.html, 张志龙 男,1976年2月出生于陕西省渭南市,国防科技大学 ATR 重点实验室讲师,主要从事红外、可见光图像处理的研究工作. 5 032第 12 期刘 贞:WS N 多节点决策信息融合在机器人自主导航中的应用 移动机器人的关键技术分为以下三种: (1)导航技术 导航技术是移动机器人的一项核心技术之一[3,4]"它是指移动机器人通过传感器感知环境信息和自身状态,实现在有障碍的环境中面向目标的自主运动"目前,移动机器人主要的导航方式包括:磁导航,惯性导航,视觉导航等"其中,视觉导航15一7]通过摄像头对障碍物和路标信息拍摄,获取图像信息,然后对图像信息进行探测和识别实现导航"它具有信号探测范围广,获取信息完整等优点,是移动机器人导航的一个主要发展方向,而基于非结构化环境视觉导航是移动机器人导航的研究重点。 (2)多传感器信息融合技术多传感器信息融合技术是移动机器人的关键技术之一,其研究始于20世纪80年代18,9]"信息融合是指将多个传感器所提供的环境信息进行集成处理,形成对外部环境的统一表示"它融合了信息的互补性,信息的冗余性,信息的实时性和信息的低成本性"因而能比较完整地,精确地反映环境特征,从而做出正确的判断和决策,保证了机器人系统快速性,准确性和稳定性"目前移动机器人的多传感器融合技术的研究方法主要有:加权平均法,卡尔曼滤波,贝叶斯估计,D-S证据理论推理,产生规则,模糊逻辑,人工神经网络等"例如文献[10]介绍了名为Xavier的机器人,在机器人上装有多种传感器,如激光探测器!声纳、车轮编码器和彩色摄像机等,该机器人具有很高的自主导航能力。 (3)机器人控制器作为机器人的核心部分,机器人控制器是影响机器人性能的关键部分之一"目前,国内外机器人小车的控制系统的核心处理器,己经由MCS-51、80C196等8位、16位微控制器为主,逐渐演变为DSP、高性能32位微控制器为核心构成"由于模块化系统具有良好的前景,开发具有开放式结构的模块化、标准化机器人控制器也成为当前机器人控制器的一个研究热点"近几年,日本!美国和欧洲一些国家都在开发具有开放式结构的机器人控制器,如日本安川公司基于PC开发的具有开放式结构!网络功能的机器人控制器"我国863计划智能机器人主题也已对这方面的研究立项 视觉导航技术分类 机器人视觉被认为是机器人重要的感觉能力，机器人视觉系统正如人的眼睛一样,是机器人感知局部环境的重要“器官”,同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要指二维彩色CCD摄像机信息,在有些系统中还包括三维激光雷达采集的信息。视觉信息能否正确、实时地处理直接关系到机器人行驶速度、路径跟踪以及对障碍物的避碰,对系统的实时性和鲁棒性具有决定性的作用。视觉信息处理技术是移动机器人研究中最为关键的技术之一。 龙源期刊网 https://www.wendangku.net/doc/df17123164.html, 基于机器人操作系统的机器人定位导航系统实现 作者：姜楚乔孙焜范光宇张鹏飞 来源：《科学大众》2019年第09期 摘 ; 要：轮式机器人的定位导航技术是当前业界的研究热点。目前，大多机器人是在室内进行工作，定位导航是保证机器人能在室内正常工作的关键技术之一。文章采用当前流行的机器人操作系统，通过激光雷达等传感器对环境进行扫描，并基于扫描点云数据匹配实现室内定位和导航，通过ROS和程序实现结果验证该系统具有良好的定位导航效果。 关键词：轮式机器人;机器人操作系统;激光雷达;SLAM;最短路径 自1959年世界第一台机器人诞生至今，机器人在市场上占有越来越重要的地位。从最初大型工厂的工业机器人，到现今走入千家万户的扫地机器人，机器人越来越贴近人类的日常生活。在众多种类的机器人中，轮式机器人占有较大份额。2014—2019年的全球機器人市场规 模平均增长率约为12.3%，在机器人市场结构中，服务机器人占比约为1/3。在我国，由于国家对公共基础建设投资力度强，所以服务机器人的市场需求尤为显著。2019年，我国服务机 器人市场规模有望达到22亿美元，高于全球服务机器人市场增速[1]。 在服务机器人的开发中，为达到自由移动、服务于多数人的目的，大多采用轮式机器人，且多属于室内服务机器人。场景多用于仓库搬运、室内引导、室内物品采集传递等。为保证机器人在一定空间内可以顺利地完成各项工作，机器人的精准定位和导航成为研究轮式机器人首要攻克难点。 机器人操作系统（Robot Operating System，ROS）是当前流行的机器人开发环境平台，该平台采用分布式架构，集成了底层驱动程序管理、程序发行包管理、程序间传递消息、硬件描述等相关服务[2]。由于该操作系统是开源操作系统，采用分布式架构，可扩展性高，因而可 单独设计每个运行程序，同时运行程序又具有松散耦合性。因此，自2010年正式发布以来，ROS操作系统受到众多机器人开发者的喜爱。 目前，机器人主要采用激光雷达作为定位导航的主要硬件，常见的激光雷达主要采用斜射式激光三角测距技术，雷达通过激光器扫描周围物体，当扫描到目标检测物体时，激光会发生反射和散射，反射光线经过接收器的透镜汇聚为光斑，光斑成像在感光耦合组件（Charge-coupled Device，CCD）的位置传感器上，机器人能更快速、精确地建图。当目标物体移动时，雷达内部嵌入式芯片，通过接收到的角度信息和距离信息，结合光斑的移动来计算目标物体的移动。 基于WSN的智能节水灌溉系统设计方案 本设计的主要内容是研制开发适合我国国情的、低成本的易推广的、主要应用于温室大棚的节水灌溉自动控制系统，为实现我国农业高效节水灌溉提供技术装备。 由于不同农作物有不同的需水特性灌水时间、灌水量既影响农产品的产量也影响农产品的质量,因此,高效节水灌溉自动控制技术主要是向适时适量、按需灌溉的方向发展。所以,该设计主要包括两个方面,一是测,获取土壤水分信息,并根据土壤水分信息及温度和作物需水特性来决定灌溉时间与灌溉量的多少。这将摆脱以往仅凭经验灌溉的灌溉模式,使作物灌溉决策建立在科学的基础之上。二是控,研究如何根土壤条件、土壤水分信息及作物需水特性进行合理的灌溉决策,即将传统的凭经验由人工手动阀门控制灌溉方式改为自动进行适时适量、按需灌溉控制。单片机系统根据测得土壤的温度和湿度值通过程序来控制水泵的放水量从而提高水的利用效率节省大量人力,达到智能灌溉节约用水的目的。 系统采用STC12c5a单片机来实现。用湿度传感器FC-28对湿度进行采集,所得电流信号经处理得到可用的电压信号,输入到A/D转换器转化成数字信号,再由单片机对此信号进行处理。用温度传感器DS18B20对温度进行采集,所得信号经内部处理,直接得到可用的数字信号,将采集的温度值和土壤的湿度值,通过zigbee节点，将数据通过自组网的方式传送给zigbee网关,zigbee网关通过串口通信的方式与单片机连接，单片机上装有GPRS模块，将数据通过短信的方式发送 给终端手机用户，手机用户能够接收到实时的数据。手机用户通过AT指令，反过来经过GPRS模块、串口通信设置传感器的阈值电压。当温度、土壤湿度低于设定阈值时，通过zigbee节点的继电器，采用外接电源，驱动外面电机工作，实施喷灌；当温度、土壤湿度高于设定阈值时，通过zigbee节点的继电器，停止驱动，电机停止工作，不再喷灌。下面是整个系统的框图： 1.温度传感器的选择 方案1:采用热敏电阻。可满足+35度到+95度的测量范围,但热敏电阻精度、重复性和可靠性都比较差,对于检测精度小于1度的温度信号是不适用的。 方案2:采用温度传感器DS18B20。DS18B20具有体积小、质量 焊接机器人的行业中广泛应用 焊接机器人是从事焊接（包括切割与喷涂）的工业机器人，它主要包括机器人和焊接设备两部分。其中，机器人由机器人本体和控制柜（硬件及软件）组成；而焊接装备，以弧焊及点焊为例，则由焊接电源（包括其控制系统）、送丝机（弧焊）、焊枪（钳）等部分组成。对于智能机器人，还应配有传感系统，如激光或摄像传感器及其控制装置等。 1、点焊机器人的特点 由于采用了一体化焊钳，焊接变压器装在焊钳后面，所以点焊机器人的变压器必须尽量小型化。对于容量较小的变压器可以用50Hz工频交流，而对于容量较大的变压器，工业上已经开始采用逆变技术把50Hz工频交流变为600～700Hz交流，使变压器的体积减少、减轻。变压后可以直接用600～700Hz交流电焊接，也可以再进行二次整流，用直流电焊接，焊接参数由定时器调节。目前，新型定时器已经微机化，因此机器人控制柜可以直接控制定时器，无需另配接口。点焊机器人的焊钳，用电伺服点焊钳，焊钳的张开和闭合由伺服电机驱动，码盘反馈，使焊钳的张开度可以根据实际需要任意选定并预置，而且电极间的压紧力也可以无级调节。 电伺服点焊钳具有如下优点： （1）每个焊点的焊接周期可大幅度降低，因为焊钳的张开程度是由机器人精确控制的，机器人在点与点之间的移动过程，焊钳就可以开始闭合；而焊完一点后，焊钳一边张开，机器人就可以一边位移，不必等机器人到位后，焊钳才闭合或焊钳完全张开后机器人再移动。 （2）焊钳张开度可以根据工件的情况任意调整，只要不发生碰撞或干涉，可尽可能减少张开度，以节省焊钳开度，节省焊钳开合所占的时间。 （3）焊钳闭合加压时，不仅压力大小可以调节，而且在闭合时两电极是轻轻闭合，可减少撞击变形和噪声。 2、弧焊机器人的特点 弧焊机器人多采用气体保护焊方法（MAG、MIG、TIG），通常的晶闸管式、逆变式、波形控制式、脉冲或非脉冲式等的焊接电源都可以装到机器人上作电弧焊。由于机器人控制柜采用数字控制，而焊接电源多为模拟控制，所以需要在焊接电源与控制柜之间加一个接口。 近年来，国外机器人生产厂都有自己特定的配套焊接设备，在这些焊接设备内已经插入相应的接口板，所以弧焊机器人系统中并没有附加接口箱。应该指出的是，在弧焊 机器人定位技术介绍 前言 随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定 能够在生产和生活中扮演人的角色。那么移动机器人定位技术主要涉及到 哪些呢？经总结目前移动机器人主要有这5大定位技术。 移动机器人超声波导航定位技术 超声波导航定位的工作原理也与激光和红外类似，通常是由超声波传感器的发射探头发射出超声波，超声波在介质中遇到障碍物而返回到接收装置。 通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离S，就能得到障碍物到机器人的距离，即有公式：S＝Tv／2式中，T—超声波发射和接收的时间差；v—超声波在介质中传播的波速。 当然，也有不少移动机器人导航定位技术中用到的是分开的发射和接收装置，在环境地图中布置多个接收装置，而在移动机器人上安装发射探头。 在移动机器人的导航定位中，因为超声波传感器自身的缺陷，如：镜面反射、有限的波束角等，给充分获得周边环境信息造成了困难，因此，通常采用多传感器组成的超声波传感系统，建立相应的环境模型，通过串行通信把传感器采集到的信息传递给移动机器人的控制系统，控制系统再根据采集的信号和建立的数学模型采取一定的算法进行对应数据处理便可以得到机器人的位置环境信息。 由于超声波传感器具有成本低廉、采集信息速率快、距离分辨率高等优点，长期以来被广泛地应用到移动机器人的导航定位中。而且它采集环境信息时不需要复杂的图像配备技术，因此测距速度快、实时性好。 同时，超声波传感器也不易受到如天气条件、环境光照及障碍物阴影、表面 粗糙度等外界环境条件的影响。超声波进行导航定位已经被广泛应用到各种移动机器人的感知系统中。 移动机器人视觉导航定位技术 在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。 视觉导航定位系统主要包括：摄像机（或CCD图像传感器）、视频信号数字化设备、基于DSP的快速信号处理器、计算机及其外设等。现在有很多机器人系统采用CCD图像传感器，其基本元件是一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个像素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从 32×32到1024×1024像素等。 视觉导航定位系统的工作原理简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。 GPS全球定位系统 如今，在智能机器人的导航定位技术应用中，一般采用伪距差分动态定位法，用基准接收机和动态接收机共同观测4颗GPS卫星，按照一定的算法即可求出某时某刻机器人的三维位置坐标。差分动态定位消除了星钟误差，对于在距离基准站1000km的用户，可以消除星钟误差和对流层引起的误差，因而可以显着提高动态定位精度。 但是因为在移动导航中，移动GPS接收机定位精度受到卫星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声等诸多因素的影响，因此，单纯利用GPS导航存在定位精度比较低、可靠性不高的问题，所以在机器人的导航应用中通常还辅以磁罗盘、光码盘和GPS的数据进行导 焊接机器人的应用 焊接机器人技术的发展 我国开发工业机器人晚于美国和日本，起于20世纪70年代，早期是大学和科研院所的自发性的研究。到80年代中期，全国没有一台工业机器人问世。而在国外，工业机器人已经是个非常成熟的工业产品，在汽车行业得到了广泛的应用。鉴于当时的国内外形势，国家“七五”攻关计划将工业机器人的开发列入了计划，对工业机器人进行了攻关，特别是把应用作为考核的重要内容，这样就把机器人技术和用户紧密结合起来，使中国机器人在起步阶段就瞄准了实用化的方向。与此同时于1986年将发展机器人列入国家"863"高科技计划。在国家"863"计划实施五周年之际，邓小平同志提出了"发展高科技，实现产业化"的目标。在国内市场发展的推动下，以及对机器人技术研究的技术储备的基础上，863主题专家组及时对主攻方向进行了调整和延伸，将工业机器人及应用工程作为研究开发重点之一，提出了以应用带动关键技术和基础研究的发展方针，以后又列入国家"八五"和"九五"中。经过十几年的持续努力，在国家的组织和支持下，我国焊接机器人的研究在基础技术、控制技术、关键元器件等方面取得了重大进展，并已进入使用化阶段，形成了点焊、弧焊机器人系列产品，能够实现小批量生产。 焊接机器人的应用状况 我国焊接机器人的应用主要集中在汽车、摩托车、工程机械、铁路机车等几个主要行业。汽车是焊接机器人的最大用户，也是最早用户。早在70年代末，上海电焊机厂与上海电动工具研究所，合作研制的直角坐标机械手，成功地应用于上海牌轿车底盘的焊接。一汽是我国最早引进焊接机器人的企业，1984年起先后从KUKA公司引进了3台点焊机器人，用于当时“红旗牌”轿车的车身焊接和“解放牌”车身顶盖的焊接。1986年成功将焊接机器人应用于前围总成的焊接，并于1988年开发了机器人车身总焊线。80年代末和90年代初，德国大众公司分别与上海和一汽成立合资汽车厂生产轿车，虽然是国外的二手设备，但其焊接自 移动机器人的自主导航控制 一、研究的背景 移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。它集中了传感器技术、计算机技术、机械工程、电子工程、自动化控制工程以及人工智能等多学科的研究成果，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、国防、医疗、服务等行业中得到广泛的应用，而且在排雷、搜捕、救援、辐射和空间领域等有害与危险场合都得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。 在自主式移动机器人相关技术的研究中，导航技术是其研究核心，同时也是移动机器人实现智能化及完全自主的关键技术。导航是指移动机器人通过传感器感知环境信息和自身状态，实现在有障碍的环境中面向目标的自主运动。导航主要解决以下三方面的问题:(l)通过移动机器人的传感器系统获取环境信息;(2)用一定的算法对所获信息进行处理并构建环境地图;(3)根据地图实现移动机器人的路径规划及运动控制。 二、相关技术 移动机器人定位是指确定机器人在工作环境中相对于全局坐标的位置，是移动机器人导航的基本环节。定位方法根据机器人工作环境的复杂性、配备传感器种类和数量等方面的不同而采用多种方法。主要方法有惯性定位、标记定位、GPS定位、基于地图的定位等，它们都不同程度地适用于各种不同的环境，括室内和室外环境，结构化环境与非结构化环境。 惯性定位是在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来粗略地确定移动机器人位置。该方法虽然简单，但是由于车轮与地面存在打滑现象，生的累积误差随路径的增加而增大，导致定位误差的逐渐累积，从而引起更大的差。 标记定位法是在移动机器人工作的环境里人为地设置一些坐标已知的标记，超声波发射器、激光反射板等，通过机器人的传感器系统对标记的探测来确定机器人在全局地图中的位置坐标。三角测量法是标记定位中常用的方法，机器人在同一点探测到三个陆标，并通过三角几何运算，由此可确定机器人在工作环境中的坐标。标记定位是移动机器人定位中普遍采用的方法，其可获得较高的定位精度且计量小，但是在实际应用中需要对环境作一些改造，添加相应的标记，不太符合真正意义的自主导航。 GPS定位是利用环绕地球的24颗卫星，准确计算使用者所在位置的庞大卫星网 定位系统。GPS定位技术应用已经非常广泛，除了最初的军事领域外，在民用方面也得到了广泛的应用，但是因为在移动导航中，移动GPS接收机定位精度受到卫 星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声 WSN应用系统设计 根据你在日常生活中的观察和体验，结合所学知识，针对某一具体应用，设计一个简单的WSN应用系统。主要包括以下几个方面： （1）应用系统名称：基于无线传感网络的养老院护理系统 （2）应用背景和意义：现今社会状况，养老院容纳的老人数量逐渐增加。入住老人普遍年龄大，生活自理能力较低，容易发生突发性事故，老人安全问题成为养老院最为关注的问题。（并且我国养老院对老人的照护基本采用人工看护的方式，每位护理员同时照看多名老人，此方式人力成本高，效率低下。很多养老院为了解决以上问题，采取了诸如缩小老人活动区域、集中看护的措施，采取增加护理人员等措施，这些措施要么不够人性化，容易引起老人反感，要么会大幅增加养老院的运营成本。此外，对于老人的突发性疾病，也基本没有任何的预防和处理能力，这也都影响到养老院的护理水平和护理品质。）在科技发展的今天，我们完全可以把无线传感网络技术应用于养老院中，打造养老院的智能监护网络，实现养老智能化，能够降低老人的意外伤害风险，促进养老院的服务水平。 （3）系统功能： ○1身份识别 养老院中，每位老人都有唯一的一个身份识别码，系统可以依据老人唯一识别码，对老人个人信息、护理记录以及用药信息进行管理。 利用该识别码，可在护理或用药时确认老人身份，以便提供正确的医疗护理。○2防走失 老人位置实时定位，护理人员可通过护士工作站和移动护理设备实时查看老人所在的位置和行动的轨迹。当老人超出设定的活动区域时，老人智能监护服务器系统就会触发报警，并在屏幕上突出显示，及时提示护理人员进行处理。 ○3呼叫求助 老人需要帮助时，通过SOS 呼叫按钮进行一键呼叫，系统在收到紧急信号后会在护理终端系统上发出报警信号，护理人员可通过终端对报警事件进行响应，报警事件及相应处理过程记录在系统日志中，可以通过护理终端查看。 ○4体征监测 老人的呼吸、心率等体征数据实时上传到智能监护服务器系统，由系统进行分析处理，实时掌握老人健康情况。 ○5异常告警 体征数据异常时，系统会触发告警，解决老人在睡梦中发病或突然失去意识情况下的紧急救治问题。 ○6移动护理 核对老人的用药情况（服药品和当前老人身份相匹配以及用药时间是否匹配）有效地提升护理质量，减少护理纰漏事故。 ○7人员调度 系统提供护理人员管理和调度功能，实现养老院护理人员调度信息化和智能化，记录每位护理人员的日常工作情况，实现统一的人员管理。对于老人的告警信息，系统能就近调度护理人员，实现对告警老人的及时护理。 目录 第一章绪论 (3) 1.1引言 (3) 1.2移动机器人的定义与主要研究内容 (3) 1.2.1移动机器人的定义 (3) 1.2.2移动机器人的主要研究内容 (4) 1.3本文研究课题与内容安排 (5) 1.3.1研究课题 (5) 1.3.2内容安排 (6) 第二章移动机器人导航技术概述 (8) 2.1移动机器人工作环境表示方法 (8) 2.1.1几何地图 (8) 2.1.2拓扑地图 (10) 2.2移动机器人定位技术 (11) 2.2.1相对定位技术 (11) 2.2.2绝对定位技术 (12) 2.3移动机器人路径规划方法 (13) 2.3.1Dijkstra和A*图搜索算法 (13) 2.3.2人工势场法 (13) 2.3.3调和函数势场法 (14) 2.3.4回归神经网络法(RNN) (15) 第三章基于线段关系的扫描匹配定位 (17) 3.1环境描述 (17) 3.2定位传感器 (19) 3.3直线段提取................................................................................. . (20) 3.3.1LRF数据点分段 (20) 3.3.2直线拟合 (21) 3.3.3直线斜率计算 (21) 3.4线段关系(LSR)匹配 (23) 3.4.1判据选取 (23) 3.4.2递进式对应性计算 (25) 3.4.3距离关系比较的分离与合并 (26) 3.4.4最佳匹配搜索 (28) 3.4.5位姿计算 (29) 3.5实验及结果分析 (29) 第四章基于已知地图的路径规划 (32) 4.1基于A*算法的拓扑地图规划 (33) 4.1.1拓扑地图的表示 (33) 4.1.2A*算法 (34) 4.2基于回归神经网络(RNN)的栅格规划算法 (36) 4.2.1栅格环境的RNN表示 (36) 一、前景: 1.1 低成本竞争的加剧，环境法规的日趋严格，以及从业人员生产技能的降低，致使制造商承受着越来越大的压力。此外，制造商还面临提高生产力、产品质量及安全水平的挑战。在这种形式下，采取可持续的制造解决方案是一条成本效益显著的途径，可实现经济效益、环境效益乃至工厂总体绩效的全面改善。由于工业自动化的全面发展和科学技术的不断提高，对工作效率的提高迫在眉睫。单纯的手工劳作以满足不了工业自动化的要求，因此，必须利用先进设备生产自动化机械以取代人的劳动，满足工业自动化的需求。其中工业机械手是其发展过程中的重要产物之一，它不仅提高了劳动生产的效率，还能代替人类完成高强度、危险、重复枯燥的工作，减轻人类劳动强度，可以说是一举两得。在制造行业中，机械手越来越广泛的得到应用，它可用于零部件的组装，加工工件的焊接、搬运、装卸，尤其是在工作环境高温辐射恶劣焊接使用更为普遍。目前，机械手已发展成为柔性制造系统FMS和柔性制造单元FMC中一个重要组成部分。把焊机设备和机械手共同构成一个柔性加工系统或柔性制造单元，可以节省庞大的工件输送装置，结构紧凑，而且适应性很强。 1.2焊接机械手应用及发展现状和趋势 目前，我国大多数工厂的生产线上工件的焊接成型仍由人工完成，其劳动强度大、生产效率低，而且具有一定的危 险性，已经满足不了生产自动化的发展趋势。为了提高工作效率,降低成本,并使生产线发展成为柔性制造系统,适应现代机械行业自动化生产的要求,针对具体生产工艺,结合加工工件的实际结构，利用机械手技术，设计用一台焊接机械手代替人工工作，以提高劳动生产率。本机械手主要与焊接辅机组合最终形成焊接生产工作站，实现加工过程的自动化和无人化。目前，国内外各种机械手和机械手的研究成为科研的热点，其研究的现状和大体趋势如下： a．机械结构向模块化、可重构化发展。 b．工业机械手控制系统向基于PC机的开放型控制器方向发展，便于标准化、网络化、智能化；器件集成度提高，结构小巧，且采用模块化结构；大大提高了系统的可靠性、易操作性，而且维修方便。 c．支持各种焊接工艺（氩弧焊接,CO2焊接等）。 1.支持示教编辑，编程更方便。 2.XYZU动作及其各气动部件逻辑关系清晰明了，轴及IO 可独立或并联控制（支持直线、圆弧插补功能）。 3：完善的工艺设置参数及指令集，系统运行更平滑顺畅。本系统支持直线,圆弧,螺旋, 三轴空间圆弧插补,四轴空间圆弧插补，支持三轴圆弧跟随U轴，摆焊。2路0-10V电压信号输出。8路0-10v电压输入。跟多电压输出要求.可以扩展。 4：控制系统经过严格多项可靠性测试，如EFT（电快速瞬变/脉冲群）、EMC（电磁兼容性）、ESD（静电放电测试）、高低 1 WSN节点的设计 WSN节点的功能 传感器节点作为传感器网络的硬件平台具有端节点和路由双重功能：一方面实现数据的采集和处理；另一方面将数据融合经多跳路由传送到汇聚节点，最后经互联网或其它通信网络传送到观察者。 WSN节点的组成结构 (1)传感单元：由传感器和模数转换功能模块或数字信号处理模块组成。 负责监测区域内信息的采集和数据的预处理。 (2)处理单元：由嵌入式系统构成，包括CPU、存储器、输入输出接口及 嵌入式操作系统等。负责控制整个传感器节点的操作，存储和处理传感单元采集的数据以及其它节点发来的数据。 (3)通信单元：由无线通信模块组成。负责与其他传感器节点进行无线通 信，交换控制消息和收发采集数据。 (4)能量供应单元：负责为传感器节点提供运行所需的能量。 设计原则 1、低功耗（更换一次电池的使用时间尽量长）。设计中从硬件和软 件两个方面降低功耗硬件上尽可能使用低电压、低功耗的芯片。软件上可以添置电源管理功能，合理分配能量。 2、良好的射频性能：同等条件下射频性能强的网络能力强，通信距 离也较大。 3、节点体积要小，对检测的目标体系不构成影响，便于部署。 4、低成本：节点模块不能太多且不能太复杂。 5、可扩展性：采用模块化设计，根据不同的需要添加不同的功能模 块，比如传感器模块可以做一个通用口。 现有无线传感器节点 表 1无线传感器节点的参数比较 注释： ①Berkerly大学和Crossbow合作的Mica系列节点 ②MeshNetic公司 ③Moteiv公司 ④中科院宁波所的Gains节点与Mica2同，Gainsz节点与Micaz节点 同。 其中以Mica系列节点设计和Telos节点应用最广泛，如大鸭岛海燕生活习性和栖息地环境的监测，红杉树微气候环境监测都采用了Mica系列节点，用于采集温度、湿度、大气压强、声音和光照等信息。目前许多研究机构在构建低带宽数据采集的应用中都采用了这两种节点作为硬 件平台。2008年5月5日中科院宁波所又推出Gainst-CC2430节点。 下面把上面三种红色字体的Mica系列的节点以Micaz、Toles、Gainst-CC2430节点做进一步比较： 1.4.1 现有无线传感器节点方案对比 1、Atmega128L+CC2420 (成本：45+39=84元) ATmega128L 是基于AVR RISC结构的8位低功耗CMOS微处理器，工作速度可达8MIPS，工作电压是2．7 V到5．5 V。哈佛结构使程序和数据分开存储访问，程序执行效率更高，内置128K字节的Flash程序存储器，4 K字节EEPROM，4 K字节的内部SRAM。此外，ATmegal28L 还有53个通用I／O 、实时时钟RTC、4个灵活的具有比较模式和PWM 功能的定时器 第35卷第2期 齐 齐 哈 尔 大 学 学 报（自然科学版） Vol.35,No.2 2019年3月 Journal of Qiqihar University(Natural Science Edition) March,2019 基于无线传感器网络的小汽车 信号预警系统设计与应用 彭敏，朱婷婷 （安徽三联学院 交通工程学院，合肥 230601） 摘要：由于闯红灯导致交通事故多发，在交叉口排队通行期间常发生由于驾驶员控制不当而导致的追尾事故。本设计采用无线传感网络技术与车载导航系统相结合，即由车载移动终端设备、无线传感网络组成小汽车信号预警系统，该系统能双向发送和接收红绿灯信号时间信息以及根据车辆的速度、离停止线的距离、红绿灯信号时间信息等综合分析判断发出相应的语音提示信号，以引起驾驶者的注意，能根据红绿信号灯时间信息提前做好相应准备；最后对该系统的实际应用效果进行 简要的测试分析。 关键词：无线传感器网络；小汽车；红绿灯信号；预警 中图分类号：U463.6 文献标志码：A 文章编号：1007-984X(2019)02-0046-04 当前小汽车保有量增长迅猛，新手驾驶员越来越多，机动车在信号控制交叉口闯红灯是最常见的交通违法行为，也是导致交叉口事故多发的重要原因之一。据统计，我国2013年初到2014年底，闯红灯违法 行为导致道路交通事故2 951起，造成600人死亡、3 675人受伤。在美国，每年由闯红灯引起约26万起交 通事故，其中约750起事故导致人员死亡[1]。杜绝闯红灯，既需要交通运行环境更加完善、管理更加科学，也需要机动车、非机动车、行人各类交通主体主动遵守法规。 本设计将无线传感网络技术与小汽车车载导航系统结合起来设计出小汽车信号预警系统，提供交叉口红绿灯信号预警信号，用以帮助驾驶员判断汽车到达停车线时交通灯的显示状态，以引起驾驶者的注意，为红灯停提前做好准备，避免驾驶者闯红灯，不仅可以避免违章罚款，可以更有效地降低路口交通事故。 1 小汽车信号预警系统设计 1.1 系统组成 本设计作如下假设：小汽车所到达交叉口信号控制机都具有公交优先功 能；每辆车都配备有车载导航设备，且能自动获得其位置坐标和道路方向信 息；应用实验只研究直行情况，其他以此类推。 基于以上约束条件，将快速公交信号优先控制系统的相关技术运用于为 小汽车提供交叉口信号灯变换及时长信息，即小汽车的车载移动终端设备通 过增加信号灯信息提取及语音提示模块，通过快速公交优先的无线传感网络 能接收信号控制机发送的红绿灯时间信息并进行分析判断之后发出语音预警 提示。小汽车信号预警系统架构如1图所示。系统主要包含车载移动终端设 备、无线传感网络、信号控制机、交通信号控制系统软件等。 1.2 系统功能 车载终端设备与信号控制机之间通过无线传感网络的中继器和接收主机 双向发送请求信号和红绿灯信息，车载移动终端对信息进行分析处理，发出 语音预警信号。而信号控制机的控制方案是由交通信号控制平台下发的，并 收稿日期：2018-10-15 基金项目：安徽三联学院自然科学重点项目《基于无线传感器网络的小汽车信号预警系统设计与应用》（KJZD2018013） 作者简介：彭敏（1981-） ，女，四川仁寿人，硕士，讲师，主要从事交通信息工程及控制应用研究。 图 1 系统组成 移动机器人的自主导航 一、研究的背景 二、移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功 能于一体的综合系统。它集中了传感器技术、计算机技术、机械工程、电子工程、自动化控制工程以及人工智能等多学科的研究成果，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、国防、医疗、服务等行业中得到广泛的应用，而且在排雷、搜捕、救援、辐射和空间领域等有害与危险场合都得到很好的应用。 因此，移动机器人技术已经得到世界各国的普遍关注。 三、在自主式移动机器人相关技术的研究中，导航技术是其研究核心，同时也 是移动机器人实现智能化及完全自主的关键技术。导航是指移动机器人通过传感器感知环境信息和自身状态，实现在有障碍的环境中面向目标的自主运动。 导航主要解决以下三方面的问题:(l)通过移动机器人的传感器系统获取环境信息;(2)用一定的算法对所获信息进行处理并构建环境地图;(3)根据地图实现移动机器人的路径规划及运动控制。 四、相关技术 五、移动机器人定位是指确定机器人在工作环境中相对于全局坐标的位置，是 移动机器人导航的基本环节。定位方法根据机器人工作环境的复杂性、配备传感器种类和数量等方面的不同而采用多种方法。主要方法有惯性定位、标记定位、GPS定位、基于地图的定位等，它们都不同程度地适用于各种不同的环境，括室内和室外环境，结构化环境与非结构化环境。 六、惯性定位是在移动机器人的车轮上装有光电编码器，通过对车轮转动的记 录来粗略地确定移动机器人位置。该方法虽然简单，但是由于车轮与地面存在打滑现象，生的累积误差随路径的增加而增大，导致定位误差的逐渐累积，从而引起更大的差。 七、标记定位法是在移动机器人工作的环境里人为地设置一些坐标已知的标记， 八、超声波发射器、激光反射板等，通过机器人的传感器系统对标记的探测来 确定机器人在全局地图中的位置坐标。三角测量法是标记定位中常用的方法，机器人在同一点探测到三个陆标，并通过三角几何运算，由此可确定机器人在工作环境中的坐标。标记定位是移动机器人定位中普遍采用的方法，其可获得较高的定位精度且计量小，但是在实际应用中需要对环境作一些改造，添加相应的标记，不太符合真正意义的自主导航。 九、GPS定位是利用环绕地球的24颗卫星，准确计算使用者所在位置的庞大卫 星网定位系统。GPS定位技术应用已经非常广泛，除了最初的军事领域外，在民用方面也得到了广泛的应用，但是因为在移动导航中，移动GPS接收机定位精度受到卫星信号状况和道路环境的影响，同时还受到时钟误差、传播误差、接收机噪声等诸多因素的影响，因此，单纯利用GPS定位精度比较低、可靠性不高，所以在机器人的导航应用中通常还辅以磁罗盘、光码盘与GPS数据进行 工业机器人常见五大应用领域及关键技术 去年全球工业机器人销量达到24万台，同比增长8%。其中，我国工业机器人市场销量超过6.6万台，继续保持全球第一大工业机器人市场的地位。但是，按机器人密度来看，即每万名员工对应的机器人保有量，我国不足30台，远低于全球约为50多台的平均水平。 前瞻产业研究院《2016-2021年中国工业机器人行业产销需求预测与转型升级分析报告》数据显示：2015年我国工业机器人产量为32996台，同比增长21.7%。2016年机器人产业将继续保持快速增长，今年一季度我国工业机器人产量为11497台，同比增长19.9%。此外，数据显示，2015年我国自主品牌工业机器人生产销售达22257台，同比增长31.3%。国产自主品牌得到了一定程度的发展，但与发达国家相比，仍有一定差距。 2016年未来全球工业机器人市场趋势包括：大国政策主导，促使工业与服务机器人市场增长；汽车工业仍为工业机器人主要用户；双臂协力型机器人为工业机器人市场新亮点。 一、什么是工业机器人 工业机器人是一种通过重复编程和自动控制，能够完成制造过程中某些操作任务的多功能、多自由度的机电一体化自动机械装备和系统，它结合制造主机或生产线，可以组成单机或多机自动化系统，在无人参与下，实现搬运、焊接、装配和喷涂等多种生产作业。 当前，工业机器人技术和产业迅速发展，在生产中应用日益广泛，已成为现代制造生产中重要的高度自动化装备。 二、工业机器人的特点 自20世纪60年代初第一代机器人在美国问世以来，工业机器人的研制和应用有了飞速的发展，但工业机器人最显著的特点归纳有以下几个。 1.可编程。生产自动化的进一步发展是柔性自动化。工业机器人可随其工作环境变化的需要而再编程，因此它在小批量多品种具有均衡高效率的柔性制造过程中能发挥很好的功用，是柔性制造系统（ＦＭＳ）中的一个重要组成部分。 2.拟人化。工业机器人在机械结构上有类似人的行走、腰转、大臂、小臂、手腕、手爪等部分，在控制上有电脑。此外，智能化工业机器人还有许多类似人类的“生物传感器”，如皮肤型接触传感器、力传感器、负载传感器、视觉传感器、声觉传感器、语言功能等。传感器提高了工业机器人对周围环境的自适应能力。 3.通用性。除了专门设计的专用的工业机器人外，一般工业机器人在执行不同的作业任务时具有较好的通用性。比如，更换工业机器人手部末端操作器（手爪、工具等）便可执行不同的作业任务。 4.机电一体化。工业机器人技术涉及的学科相当广泛，但是归纳起来是机械学和微电子学的结合——机电一体化技术。第三代智能机器人不仅具有获取外部环境信息的各种传感器，而且还具有记忆能力、语言理解能力、图像识别能力、推理判断能力等人工智能，这些都和微电子技术的应用，特别是计算机技术的应用密切相关。因此，机器人技术的发展必将带动其他技术的发展，机器人技术的发展和应用水平也可以验证一个国家科学技术和工业技术的发展和水平。 三、工业机器人常见的五大应用领域 1.机械加工应用（2%） 机械加工行业机器人应用量并不高，只占了2%，原因大概也是因为市面上有许多 《弧焊机器人工作站系统应用》试卷7 一．单一选择题，每题2分，共30分。 1．一般情况下焊件不预热的条件下或预热100-150℃，用E5016 (J506)焊条，可以焊接()。 a.Q295(09Mn2) b.Q345(16Mn) c.Q390(16MnNb) d.Q420(15MnVN) 答:b 2.在低氢焊条药皮是加入称稳弧剂()，就可以解决交流电源焊接稳弧性问题。 a.石英砂 b.锰铁 c.碳酸钾 d.大理石 答:c 3. 钨极氩弧焊接铝、镁及其合金应采用（ B ）电源。 A.直流正接 B.交流 C.直流脉冲 4.氩弧焊电弧能够稳定燃烧的原因是：。（ C ） A 氩气是单原子气体 B 氩气有较强的氧化性 C 氩气是惰性气体 D 氩气密度比空气大 5.下面哪种原因容易产生夹渣。（ A ） A 焊接电源太小 B 钝边太小 C 坡口太窄 D 清渣不干净 6.下列不属于弧焊电源的特点是。（ D ）Ａ功率大：大电流, 低电压Ｂ多外特性：平、陡、缓 Ｃ动特性要求：动态负载 D 调节特性要求：不可调节 7.弧焊电源的单片机控制属于。（ C ）Ａ机械式控制Ｂ电子式控制 Ｃ数字式控制 D 电磁式控制 8.气焊所用的助燃气体为（ B ） A 乙炔气 B 氧气 C 氢气 9.焊条电弧焊焊接设备的空载电压一般为。（ A ） A 50-90V B 30-45V C 40-80V 10．用于检测物体接触面之间相对运动大小和方向的传感器是（ C ） A 接近觉传感器 B 接触觉传感器 C 滑动觉传感器 D 压觉传感器 11、超声波在介质中传播时，下面哪句话是错误的（A ） A.介质由近及远，一层一层地振动； B.能量逐层向前传播； C.遇到障碍物会全部反射； D. 遇到很小的缺陷会产生绕射 12、无损探伤检验范围应用最广的是？B 1 WSN节点的设计 1.1 WSN节点的功能 传感器节点作为传感器网络的硬件平台具有端节点和路由双重功能：一方面实现数据的采集和处理；另一方面将数据融合经多跳路由传送到汇聚节点，最后经互联网或其它通信网络传送到观察者。 1.2 WSN节点的组成结构 (1)传感单元：由传感器和模数转换功能模块或数字信号处理模块组成。 负责监测区域内信息的采集和数据的预处理。 (2)处理单元：由嵌入式系统构成，包括CPU、存储器、输入输出接口及 嵌入式操作系统等。负责控制整个传感器节点的操作，存储和处理传感单元采集的数据以及其它节点发来的数据。 (3)通信单元：由无线通信模块组成。负责与其他传感器节点进行无线通 信，交换控制消息和收发采集数据。 (4)能量供应单元：负责为传感器节点提供运行所需的能量。 1.3 设计原则 1、低功耗（更换一次电池的使用时间尽量长）。设计中从硬件和软 件两个方面降低功耗硬件上尽可能使用低电压、低功耗的芯片。软件上可以添置电源管理功能，合理分配能量。 2、良好的射频性能：同等条件下射频性能强的网络能力强，通信距 离也较大。 3、节点体积要小，对检测的目标体系不构成影响，便于部署。 4、低成本：节点模块不能太多且不能太复杂。 5、可扩展性：采用模块化设计，根据不同的需要添加不同的功能模 块，比如传感器模块可以做一个通用口。 1.4 现有无线传感器节点 表1无线传感器节点的参数比较 注释： ①Berkerly大学和Crossbow合作的Mica系列节点 ②MeshNetic公司 ③Moteiv公司 ④中科院宁波所的Gains节点与Mica2同，Gainsz节点与Micaz节点 同。 其中以Mica系列节点设计和Telos节点应用最广泛，如大鸭岛海燕生活习性和栖息地环境的监测，红杉树微气候环境监测都采用了Mica系列节点，用于采集温度、湿度、大气压强、声音和光照等信息。目前许多研究机构在构建低带宽数据采集的应用中都采用了这两种节点作为硬件平台。2008年5月5日中科院宁波所又推出Gainst-CC2430节点。 下面把上面三种红色字体的Mica系列的节点以Micaz、Toles、Gainst-CC2430节点做进一步比较： 1.4.1 现有无线传感器节点方案对比 1、Atmega128L+CC2420 (成本：45+39=84元) ATmega128L 是基于A VR RISC结构的8位低功耗CMOS微处理器，工作速度可达8MIPS，工作电压是2．7 V到5．5 V。哈佛结构使程序和数据分开存储访问，程序执行效率更高，内置128K字节的Flash程序存储器，4 K字节EEPROM，4 K字节的内部SRAM。此外，ATmegal28L 还 《弧焊机器人工作站系统应用》试卷6 一．单一选择题，每题2分，共30分。 1. 断口检验常用于（ A ）接头。 A.管状 B.板状 C.T形 D.船形 2. 焊接技术是机电安装工程施工的重要工艺技术之一。焊接方法种类繁多，机电安装工程在施工现场最常用的是（ B ）。 A．埋弧焊 B．电弧焊C．爆炸焊 D．钎焊3. 焊机的焊接电源的负极输出连接到（）。（ B ） Ａ焊枪Ｂ工件Ｃ工业机器人 D送丝机 4. 在自动焊接中，送丝速度的控制是由（）决定。（ B ） Ａ送丝盘Ｂ焊接电源的电压Ｃ焊丝的大小 D 送丝 5. 在“焊后检验”过程中，外观检验是指( D )。 A.利用低倍放大镜或肉眼观察焊缝表面是否有咬边、夹渣、气孔、裂纹等表面缺陷 B.用焊接检验尺测量焊缝余高、焊瘤、凹陷、错口等 C.检验焊件是否变形 D.以上均正确 6. 气割操作时，割嘴与工件表面的距离应保持在（ B ）范围内。 A 5-10mm B 10-15mm C 15-20mm 7.为了保证焊缝的力学性能，不允许直接从产品上切取试板进行试验，需要通过（B）来进行检验。 A.制作产品试板； B.无损探伤 C. 8、既廉价又安全，操作也很方便的压力试验是什么试验(A) A.水压试验； B.气压试验 9.焊接变形属于何种缺陷类型？A A.形状尺寸缺陷； B.咬边； C.其它缺陷 10.焊接收弧中熔池不饱满就进行收弧，停止焊接，容易出现何种缺陷？A A.弧坑； B.裂纹； C.咬边 11.湿度在（A）的环境不宜焊接 A.80%--90%； B.60%--70%； C.50%--60%； 12.检验焊条的直径和焊接电流是否符合要求属于（C） A.焊前检验； B.焊接过程检验； C.焊接成品检验 13. 金属材料的超声波探伤中，常用的探伤频率是（B ） A.10~25MHz； B. 1~5MHz； C.20~500KHz； D.25~100MHz移动机器人导航技术总结
基于机器人操作系统的机器人定位导航系统实现
基于WSN的智能节水灌溉系统设计方案
焊接机器人的行业中广泛应用
机器人定位技术详解
焊接机器人的应用
移动机器人的自主导航控制
wsn应用系统设计
基于激光雷达的移动机器人定位与导航技术 --大学毕业设计论文
国产焊接机器人的应用与案例
WSN节点的设计
基于无线传感器网络的小汽车信号预警系统设计与应用
移动机器人的自主导航
工业机器人常见五大应用领域及关键技术【最新整理】
《弧焊机器人工作站系统应用》试卷7
WSN节点的设计
《弧焊机器人工作站系统应用》试卷6概要