智能空间中移动机器人的运动控制系统及方法.pdf

《智能空间中移动机器人的运动控制系统及方法.pdf》由会员分享，可在线阅读，更多相关《智能空间中移动机器人的运动控制系统及方法.pdf（17页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103454919 A (43)申请公布日 2013.12.18 CN 103454919 A *CN103454919A* (21)申请号 201310361519.8 (22)申请日 2013.08.19 G05B 13/04(2006.01) G05D 1/02(2006.01) (71)申请人 江苏科技大学 地址 212003 江苏省镇江市梦溪路 2 号 (72)发明人 袁明新 申燚 江亚峰 赵荣 孙小肖 刘萍 (74)专利代理机构 南京经纬专利商标代理有限 公司 32200 代理人 楼高潮 (54) 发明名称 智能空间中移动机器人的运动控制系统及方 法 (5。

2、7) 摘要 本发明公开了一种智能空间中移动机器人的 运动控制系统及方法。运动控制系统由智能空间 和移动机器人组成， 其中智能空间包括监控主机、 分布式视觉系统和基于 Zigbee 的无线传感器网 络系统。所述方法先进行移动机器人位姿信息获 取 ； 然后进行移动机器人控制偏差e的获取 ； 最后 进行基于 RBF 辨识网络的移动机器人多目标的自 调整 PID 运动控制。本发明与现行的以车载视频 为主的移动机器人控制系统相比， 具有计算量小， 实时性好， 运动控制更精确的优点。 (51)Int.Cl. 权利要求书 3 页 说明书 9 页 附图 4 页 (19)中华人民共和国国家知识产权局 (12)发。

3、明专利申请 权利要求书3页 说明书9页 附图4页 (10)申请公布号 CN 103454919 A CN 103454919 A *CN103454919A* 1/3 页 2 1. 一种智能空间中移动机器人的运动控制系统， 其特征在于 ： 由智能空间和移动机器 人 （7） 组成， 其中智能空间包括监控主机 （5） 、 分布式视觉系统和基于 Zigbee 的无线传感器 网络系统， 分布式视觉系统由多个 CCD 摄像机 （3） 分别通过万向支架 （2） 垂直安装在室内顶 棚 （1） 上构成， 多个 CCD 摄像机 （3） 再分别通过视频线与插在监控主机 （5） 的 PCI 插槽内的 多路图像采集卡。

4、 （4） 相连 ； 基于 Zigbee 的无线传感器网络系统由盲节点 （8） 和 Zigbee 网 关 （6） 组成， 盲节点 （8） 安装在移动机器人 （7） 的微控制器 （10） 上， Zigbee 网关 （6） 通过 RS232 串口与监控主机 （5） 连接。 2. 根据权利要求 1 所述的智能空间中移动机器人的运动控制系统， 其特征在于 ： 所述 盲节点 （8） 为采用带有硬件定位引擎型号为 CC2431 的芯片。 3. 一种如权利要求 1 所述的智能空间中移动机器人运动控制系统的控制方法， 其特征 在于先进行移动机器人位姿信息获取 ； 然后进行移动机器人控制偏差 e 的获取 ； 最后。

5、进行 基于 RBF 辨识网络的移动机器人多目标的自调整 PID 运动控制。 4. 根据权利要求 3 所述的智能空间中移动机器人运动控制系统的控制方法， 其特征在 于所述移动机器人 （7） 位姿信息获取， 采用视觉方法， 包括移动机器人 （7） 的位置和航向角 的定位 ； 移动机器人 （7） 的位置定位方法采用如下步骤 ： (1) 利用 CCD 摄像机 （3） 采集含有移动机器人 （7） 的彩色图像 ； (2) 基于彩色像素矢量的欧氏距离， 结合背景图像， 对步骤 (1) 中获得的彩色图像进行 阈值分割， 从而获得差分二值图像 ； (3) 运用开运算对二值图像进行消噪处理 , 从而获得精确的含有。

6、移动机器人 （7） 的二 值图像 ； (4) 对含有移动机器人 （7） 的二值图像进行逐行扫描， 若所扫描的当前行线段与前一 行线段相邻， 则合成连通区域 ； 否则， 初始化新的连通区域 ； (5) 根据步骤 （4） 各连通区域的像素坐标， 从而获得各移动机器人 （7） 的位置坐标。 移动机器人 （7） 的航向角的定位方法采用如下步骤 ： 1) 利用 CCD 摄像机 （3） 采集贴有方向和标识的 T 型颜色块的移动机器人 （7） 的彩色图 像 ； 2) 将移动机器人 （7） 的彩色图像从 RGB 颜色空间转换到 HIS 颜色空间 ； 3) 根据预设定的 H 和 S 阈值， 对移动机器人 （7）。

7、 的 T 型颜色块进行图像分割 ； 4) 运用开运算和闭运算对分割后图像进行平滑处理 ； 5) 对 T 型的标识图像进行线性拟合， 获得标识颜色块的斜率， 并换算到角度， 最后再根 据方向颜色块进行移动机器人 （7） 的最终航向角确定。 5. 根据权利要求 3 所述的智能空间中移动机器人运动控制系统的控制方法， 其特征 在于所述移动机器人控制偏差 e 的获取， 包括移动机器人的侧向距离 ed和航向偏角 e的 获取 ； 侧向距离 ed是当前移动机器人 （23） 的中心坐标 Pc， 到待跟踪路径 （9） 上参考机器人 （24） 中心点 Pr处切线的垂直距离 d ； 航向偏角 e是当前移动机器人 （。

8、23） 的当前方向角 c， 与待跟踪路径 （9） 上参考机器人 （24） 中心点 Pr处切线方向 r的角度差 。 6. 根据权利要求 3 所述的智能空间中移动机器人运动控制系统的控制方法， 其特征在 于所述基于 RBF 辨识网络的移动机器人 （7） 多目标的自调整 PID 运动控制的方法， 包括如 权 利 要 求 书 CN 103454919 A 2 2/3 页 3 下步骤 ： (1) 移动机器人 （7） 速度调整控制量 v 的 PID 控制， 包括如下步骤 ： a. 求取移动机器人 （7） 的侧向距离 ed； b. 求取移动机器人 （7） 的航向偏角 e； c. 建立如下 k 时刻速度调整控。

9、制量 v(k) 的 PID 控制 ： v(k) v(k-1) +Kp_d(k)(ed(k)-ed(k-1)+Ki_d(k)ed(k)+Kd_d(k)(ed(k)-2ed(k-1)+ed(k-2) +Kp_(k)(e(k)-e(k-1)+Ki_(k)e(k)+Kd_(k)(e(k)-2e(k-1)+e(k-1) 式中， Kp_d(k)、 Ki_d(k)、 Kd_d(k) 分别为 k 时刻侧向距离 PID 控制器 （26） 比例、 积分、 微分 系数 ； Kp_(k)、 Ki_(k)、 Kd_(k) 分别为 k 时刻航向偏角 PID 控制器 （27） 的比例、 积分、 微分 系数 ； (2) 基于。

10、 RBF 辨识网络， 进行 k 时刻侧向距离 PID 控制器 （26） 的 PID 参数 (Kp_d(k)、 Ki_ d(k)、 Kd_d(k) 自调整， 包括如下步骤 ： a.Kp_d(k) Kp_d(k-1)+p_dKp_d(k) ； b.Ki_d(k) Ki_d(k-1)+i_dKi_d(k) ； c.Kd_d(k) Kd_d(k-1)+d_dKd_d(k) ； 式中， p_d、 i_d、 d_d分别为 Kp_d(k)、 Ki_d(k)、 Kd_d(k) 的学习率， 为正常数 ； Kp_d(k)、 Ki_d(k)、 Kd_d(k) 分别为 Kp_d(k)、 Ki_d(k)、 Kd_d(k。

11、) 在线调整值 ； d.Kp_d(k) ed(k)Jd(ed(k)-ed(k-1) ； e.Ki_d(k) Tsed(k)Jded(k) ； f. g. 求取侧向距离 RBF 辨识网络 （28） 的 Jacobian 灵敏度信息 ： 式中， Ts 为采样周期、 wj_d为侧向距离 RBF 辨识网络 （28） 的中间层 （32） 和输出层 （33） 之间的权值、 cj_d为侧向距离 RBF 辨识网络 （28） 的高斯函数中心、 j_d为侧向距离 RBF 辨 识网络 （28） 的高斯核函数的宽度参数 ； (3) 基于 RBF 辨识网络， 进行 k 时刻航向偏角 PID 控制器 （27） 的 PID。

12、 参数 (Kp_(k)、 Ki_ (k)、 Kd_(k) 自调整， 包括如下步骤 ： a.） Kp_(k) Kp_(k-1)+p_Kp_(k) ； b.） Ki_(k) Ki_(k-1)+i_Ki_(k) ； c.） Kd_(k) Kd_(k-1)+d_Kd_(k) ； 式中， p_、 i_、 d_分别为 Kp_(k)、 Ki_(k)、 Kd_(k) 的学习率， 为正常数 ； Kp_ (k)、 Ki_(k)、 Kd_(k) 分别为 Kp_(k)、 Ki_(k)、 Kd_(k) 在线调整值 ； d.） Kp_(k) e(k)J(e(k)-e(k-1) ； e.） Ki_(k) Tse(k)Je(。

13、k) ； 权 利 要 求 书 CN 103454919 A 3 3/3 页 4 f.） g.） 求取航向偏角 RBF 辨识网络 29 的 Jacobian 灵敏度信息 ： 式中， wj_为航向偏角 RBF 辨识网络 （29） 的中间层 （35） 和输出层 （36） 之间的权值、 cj_ 为航向偏角 RBF 辨识网络 （29） 的高斯函数中心、 j_为航向偏角 RBF 辨识网络 （29） 的 高斯核函数的宽度参数 ； (4) 移动机器人 （7） 速度 v 和角速度 的求取， 包括如下步骤 ： （a.） 给定左右轮基本转速 v0， 则左轮转速为 ： vl v0+v ； （b.） 右轮转速为 ： v。

14、r v0-v， v 为速度调整控制量 ； （c.） 移动机器人 （7） 中心点的转速为 ： （d.） 移动机器人 （7） 中心点的角速度为 ： 式中， bw为移动机器人 （7） 的左轮 （19） 和右轮 （20） 的间距。 权 利 要 求 书 CN 103454919 A 4 1/9 页 5 智能空间中移动机器人的运动控制系统及方法 所属技术领域 0001 本发明涉及智能空间中移动机器人运动控制系统的构建， 尤其涉及到移动机器人 的运动控制方法。 背景技术 0002 移动机器人的智能空间技术， 就是把感知器件、 执行器件分布地安装在机器人空 间的相应位置， 实现机器人对空间内人和物的全面感知，。

15、 从而帮助其在不确定环境中更加 快捷、 准确和稳定的导航。而移动机器人的运动控制是指能根据其所探测到的环境信息以 及自身运动状态， 通过控制自身的驱动机构来快速、 准确地沿着待跟踪路径运动到预定目 标点。因此智能空间中移动机器人的运动控制， 即是首先利用智能空间中全局视觉系统来 获取移动机器人的位姿信息， 然后通过控制方法来驱动移动机器人的动力机构， 从而实现 移动机器人的路径跟踪。 0003 运动控制是移动机器人自主导航中的关键技术之一， 以双轮差动驱动为主的移动 机器人是一类典型的非完整约束系统， 具有较大的运动控制难度。目前常用的运动控制方 法有滑模控制法和后退控制法。吴青云等基于非完整。

16、移动机器人的动力学模型， 结合力矩 控制和反演设计， 给出了一种快速终端滑模控制器 1， 实现了机器人的全局快速轨迹跟 踪， 但滑模控制方法存在不可避免的 “抖振” 问题。贺乃宝等在假设系统模型不确定参数未 知时， 结合后退的递推方法和鲁棒控制技术， 经过多步递推设计了输出反馈控制器和参数 自适应控制律2。 后退控制法的不足在于设计过程复杂， 且要求机器人提供充分大的加速 度， 但这在现实中是不可能的。中国专利号为 201010013646.5 的专利文献公开了 “一种双 轮差动式机器人运动控制方法” ， 该控制方法主要以机器人的几何中心为坐标原点， 在世界 坐标系 XOY 中建立本体坐标系 。

17、xoy， 通过机器人转角控制和跑位控制来进行机器人的运动 控制。转角运动控制基于机器人当前和目标方向角差的多项式来实现， 跑位运动控制基于 当前位置和目标位置的距离， 以及以机器人方向和机器人与目标连线夹角为变量的多项式 来实现。该控制策略存在以下不足 ： 0004 (1) 机器人的运动虽然包括位置和方向， 但两者是同时进行， 而该专利是分别通过 转角和跑位控制来完成， 这不利于机器人运动过程中的连续性 ； 0005 (2) 转角和跑位控制是基于多项式来实现的， 而移动机器人的运动是一个非完整 的约束系统， 利用有限的多项式很难精确构建机器人转角和跑位的运动控制模型 ； 0006 (3) 即使。

18、利用多项式来实现机器人的运动控制， 多项式次数及系数如何选取至关 重要， 但该专利未曾提到 ； 0007 (4) 如何获取机器人位置和跟踪目标位置是实现控制策略的关键， 该专利也未曾 提到。 0008 中国专利号为 CN201010240067.4 的专利文献公开了 “基于脉冲神经网络的机器 人跟踪目标的控制方法” ， 该方法以获取的环境信息作为网络输入， 机器人的左右电机作为 网络输出， 利用神经网络强大的非线性映射来实现整个机器人的控制。该控制策略的不足 说 明 书 CN 103454919 A 5 2/9 页 6 在于 ： 0009 (1) 若将机器人整个控制作为黑箱问题来处理， 并通过。

19、神经网络来实现非线性建 模， 这对神经网络模型的层数、 各层的节点数要求比较高， 该专利未曾提到如何选取 ； 0010 (2) 利用神经网络进行机器人运动控制的非线性建模， 需要较精确的网络权值和 阈值， 而这又需要大量的学习样本， 但对于运动系统而言很难获得完备的学习样本， 该专利 也未曾提到如何获取样本数据 ； 0011 (3) 该控制策略虽然利用视觉传感器来获得环境信息， 但采用的是一种车载摄像 头， 不是针对全局视觉系统下的机器人运动控制研究。 与全局视觉系统相比， 车载摄像头的 处理数据更大， 很难达到机器人的实时性要求 ； 此外车载摄像头获得的是局部环境信息， 机 器人不能实现全局。

20、的路径跟踪， 运动控制精度不高。 0012 总之， 移动机器人的运动控制是机器人领域的技术难点， 目前基于智能空间中的 传感器设备进行移动机器人的运动控制系统及方法设计还很少。此外， 移动机器人的运动 控制还是一个多目标控制问题， 而且其在运动过程中往往因避障需要而不断进行自身姿态 的调整， 因此， 如何设计一种能进行多目标控制， 且能根据环境变化而进行自调整的控制方 法显得尤为重要。 0013 1吴青云， 闫茂德， 贺昱曜.移动机器人的快速终端滑模轨迹跟踪控制J.系统 工程与电子技术， 2007， 29(12) ： 21272130. 0014 2贺乃宝， 姜长生， 高倩.一类不确定非线性系。

21、统基于Backstepping的自适应跟 踪控制 J. 哈尔滨工业大学学报， 2009， 41(5) ： 169171. 发明内容 0015 本发明的目的在于为了解决智能空间中移动机器人的运动控制， 构建了移动机器 人的运动控制系统， 进而提供了一种移动机器人的运动控制方法。 0016 本发明的智能空间中移动机器人的运动控制系统， 由智能空间和移动机器人组 成， 其中智能空间包括监控主机、 分布式视觉系统和基于 Zigbee 的无线传感器网络系统， 分布式视觉系统由多个 CCD 摄像机分别通过万向支架垂直安装在室内顶棚上构成， 多个 CCD摄像机 （3） 再分别通过视频线与插在监控主机的PCI。

22、插槽内的多路图像采集卡相连 ； 基 于 Zigbee 的无线传感器网络系统由盲节点和 Zigbee 网关组成， 盲节点安装在移动机器人 的微控制器上， Zigbee 网关通过 RS232 串口与监控主机连接。 0017 所述盲节点为采用带有硬件定位引擎型号为 CC2431 的芯片。 0018 智能空间中移动机器人运动控制系统的控制方法， 先进行移动机器人位姿信息获 取 ； 然后进行移动机器人控制偏差 e 的获取 ； 最后进行基于 RBF 辨识网络的移动机器人多 目标的自调整 PID 运动控制。 0019 所述移动机器人位姿信息获取， 采用视觉方法， 包括移动机器人的位置和航向角 的定位 ； 0。

23、020 移动机器人的位置定位方法采用如下步骤 ： 0021 (1) 利用 CCD 摄像机采集含有移动机器人的彩色图像 ； 0022 (2) 基于彩色像素矢量的欧氏距离， 结合背景图像， 对步骤 (1) 中获得的彩色图像 进行阈值分割， 从而获得差分二值图像 ； 说 明 书 CN 103454919 A 6 3/9 页 7 0023 (3) 运用开运算对二值图像进行消噪处理 , 从而获得精确的含有移动机器人的二 值图像 ； 0024 (4) 对含有移动机器人的二值图像进行逐行扫描， 当所扫描的当前行线段与前一 行线段相邻， 则合成连通区域 ； 否则， 初始化新的连通区域 ； 0025 (5) 根。

24、据步骤 （4） 各连通区域的像素坐标， 从而获得各移动机器人的位置坐标。 0026 移动机器人的航向角的定位方法采用如下步骤 ： 0027 1) 利用 CCD 摄像机采集贴有方向和标识的 T 型颜色块的移动机器人的彩色图像 ； 0028 2) 将移动机器人的彩色图像从 RGB 颜色空间转换到 HIS 颜色空间 ； 0029 3) 根据预设定的 H 和 S 阈值， 对移动机器人的 T 型颜色块进行图像分割 ； 0030 4) 运用开运算和闭运算对分割后图像进行平滑处理 ； 0031 5) 对 T 型的标识图像进行线性拟合， 获得标识颜色块的斜率， 并换算到角度， 最后 再根据方向颜色块进行移动机。

25、器人的最终航向角确定。 0032 所述移动机器人控制偏差e的获取， 包括移动机器人的侧向距离ed和航向偏角e 的获取 ； 侧向距离 ed是当前移动机器人的中心坐标 Pc， 到待跟踪路径上参考机器人中心点 Pr处切线的垂直距离d ； 航向偏角e是当前移动机器人的当前方向角c， 与待跟踪路径上 参考机器人中心点 Pr处切线方向 r的角度差 。 0033 所述基于 RBF 辨识网络的移动机器人多目标的自调整 PID 运动控制的方法， 包括 如下步骤 ： 0034 (1) 移动机器人速度调整控制量 v 的 PID 控制， 包括如下步骤 ： 0035 a. 求取移动机器人的侧向距离 ed； 0036 b。

26、. 求取移动机器人的航向偏角 e； 0037 c. 建立如下 k 时刻速度调整控制量 v(k) 的 PID 控制 ： 0038 v(k) v(k-1) 0039 +Kp_d(k)(ed(k)-ed(k-1)+Ki_d(k)ed(k)+Kd_d(k)(ed(k)-2ed(k-1)+ed(k-2) 0040 +Kp_(k)(e(k)-e(k-1)+Ki_(k)e(k)+Kd_(k)(e(k)-2e(k-1)+e(k-1) 0041 式中， Kp_d(k)、 Ki_d(k)、 Kd_d(k) 分别为 k 时刻侧向距离 PID 控制器比例、 积分、 微分 系数， 移动机器人的侧向距离 ed， 航向偏角。

27、 e； 0042 Kp_(k)、 Ki_(k)、 Kd_(k) 分别为 k 时刻航向偏角 PID 控制器的比例、 积分、 微分系 数 ； 0043 (2) 基于 RBF 辨识网络， 进行 k 时刻侧向距离 PID 控制器的 PID 参数 (Kp_d(k)、 Ki_ d(k)、 Kd_d(k) 自调整， 包括如下步骤 ： 0044 a.Kp_d(k) Kp_d(k-1)+p_dKp_d(k) ； 0045 b.Ki_d(k) Ki_d(k-1)+i_dKi_d(k) ； 0046 c.Kd_d(k) Kd_d(k-1)+d_dKd_d(k) ； 0047 式中， p_d、 i_d、 d_d分别为。

28、 Kp_d(k)、 Ki_d(k)、 Kd_d(k) 的学习率， 为正常数 ； Kp_ d(k)、 Ki_d(k)、 Kd_d(k) 分别为 Kp_d(k)、 Ki_d(k)、 Kd_d(k) 在线调整值 ； 0048 d.Kp_d(k) ed(k)Jd(ed(k)-ed(k-1) ； 0049 e.Ki_d(k) Tsed(k)Jded(k) ； 说 明 书 CN 103454919 A 7 4/9 页 8 0050 f. 0051 g. 求取侧向距离 RBF 辨识网络的 Jacobian 灵敏度信息 ： 0052 0053 式中， Ts 为采样周期、 wj_d为侧向距离 RBF 辨识网络的。

29、中间层和输出层之间的权 值、 cj_d为侧向距离 RBF 辨识网络的高斯函数中心、 j_d为侧向距离 RBF 辨识网络的高斯核 函数的宽度参数 ； 0054 (3) 基于 RBF 辨识网络， 进行 k 时刻航向偏角 PID 控制器的 PID 参数 (Kp_(k)、 Ki_ (k)、 Kd_(k) 自调整， 包括如下步骤 ： 0055 a.） Kp_(k) Kp_(k-1)+p_Kp_(k) ； 0056 b.） Ki_(k) Ki_(k-1)+i_Ki_(k) ； 0057 c.） Kd_(k) Kd_(k-1)+d_Kd_(k) ； 0058 式中， p_、 i_、 d_分别为 Kp_(k)。

30、、 Ki_(k)、 Kd_(k) 的学习率， 为正常数 ； Kp_(k)、 Ki_(k)、 Kd_(k) 分别为 Kp_(k)、 Ki_(k)、 Kd_(k) 在线调整值 ； 0059 d.） Kp_(k) e(k)J(e(k)-e(k-1) ； 0060 e.） Ki_(k) Tse(k)Je(k) ； 0061 f.） 0062 g.） 求取航向偏角 RBF 辨识网络 29 的 Jacobian 灵敏度信息 ： 0063 0064 式中， wj_为航向偏角 RBF 辨识网络的中间层和输出层之间的权值、 cj_为航向 偏角 RBF 辨识网络的高斯函数中心、 j_为航向偏角 RBF 辨识网络的。

31、高斯核函数的宽度参 数 ； 0065 (4) 移动机器人速度 v 和角速度 的求取， 包括如下步骤 ： 0066 （a.） 给定左右轮基本转速 v0， 则左轮转速为 ： vl v0+v ； 0067 （b.） 右轮转速为 ： vr v0-v， v 为速度调整控制量 ； 0068 （c.） 移动机器人中心点的转速为 ： 0069 （d.） 移动机器人中心点的角速度为 ： 0070 式中， bw为移动机器人的左轮和右轮的间距。 0071 有益效果 0072 本发明针对智能空间中移动机器人的运动控制， 利用分布式视觉系统、 基于 Zigbee 技术的无线传感器网络系统、 以及移动机器人本体构建了移动。

32、机器人的运动控制系 统， 进而提供了一种移动机器人的运动控制方法。所设计的智能空间中运动控制系统主要 实现了全局视觉下的移动机器人运动控制， 与现行的以车载视频为主的移动机器人控制系 说 明 书 CN 103454919 A 8 5/9 页 9 统相比， 具有计算量小， 实时性好， 运动控制更精确的优点。 此外， 室内移动机器人的环境是 不确定的， 移动机器人在运动过程中往往因避障需要而不时进行变向， 这对于一些固定参 数的控制率很难适用。为此， 本发明基于 RBF 辨识网络的多目标 PID 运动控制实现了 PID 参数的在线自适应调整， 使得移动机器人能根据实际环境进行控制器的自调整， 从而。

33、进一 步提高了移动机器人的运动控制精度。 附图说明 0073 图 1 移动机器人的运动控制系统组成 ； 0074 图 2 移动机器人的结构组成 ； 0075 图 3 移动机器人位置的视觉定位算法流程 ； 0076 图 4 移动机器人航向角的视觉定位算法流程 ； 0077 图 5 移动机器人的位姿误差示意图 ； 0078 图 6 基于 RBF 辨识网络的自调整 PID 控制器结构 ； 0079 图 7 侧向距离 RBF 辨识网络的拓扑结构 ； 0080 图 8 航向偏角 RBF 辨识网络的拓扑结构 ； 0081 图中 1. 室内空间顶棚， 2. 万向支架， 3.CCD 摄像机， 4. 多路图像采。

34、集卡， 5. 监控主 机， 6.Zigbee 网关， 7. 移动机器人， 8. 盲节点， 9. 待跟踪路径， 10. 微控制器， 11. 超声波距 离传感器， 12.红外近距离传感器， 13.电子罗盘传感器， 14.CC2431芯片， 15.左轮步进电机 驱动器， 16. 右轮步进电机驱动器， 17. 左轮步进电机， 18. 右轮步进电机， 19. 左轮， 20. 右 轮， 21. 左轮编码器， 22. 右轮编码器， 23. 当前机器人， 24. 参考机器人， 25. 比较器， 26. 侧 向距离PID控制器， 27.航向偏角PID控制器， 28.侧向距离RBF辨识网络， 29.航向偏角RBF。

35、 辨识网络， 30. 加法器， 31. 侧向距离 RBF 辨识网络输入层， 32. 侧向距离 RBF 辨识网络中间 层， 33.侧向距离RBF辨识网络输出层， 34.航向偏角RBF辨识网络输入层， 35.航向偏角RBF 辨识网络中间层， 36. 航向偏角 RBF 辨识网络输出层。 具体实施方式 0082 下面结合附图对本发明的智能空间中移动机器人的运动控制系统及方法进行详 细描述 ： 0083 智能空间中移动机器人运动控制系统由智能空间和移动机器人组成。 0084 如图1所示， 智能空间包括分布式视觉系统和基于Zigbee技术的无线传感器网络 系统。分布式视觉系统的构建 ： 分布式 CCD 摄。

36、像机 3 通过万向支架 2 垂直安装在室内顶棚 1 上， CCD 摄像机 3 通过视频线与多路图像采集卡 4 相连， 图像采集卡 4 安装在室内监控主 机 5 的 PCI 插槽内。基于 Zigbee 技术的无线传感器网络系统包括盲节点 8 和 Zigbee 网关 6。盲节点 8 以带有硬件定位引擎的 CC2431 芯片为核心， 并且安装在移动机器人 7 的微控 制器 10 上。Zigbee 网关 9 通过 RS232 串口与监控主机 5 连接。智能空间内移动机器人 7 的运动控制目的， 即是让移动机器人 7 能精确跟踪上待跟踪路径 9。 0085 如图2所示， 运动控制系统的移动机器人结构组成。

37、如下 ： 以微控制器10为核心， 超 声波距离传感器 11 用来检测中、 远距离障碍物， 与微控制器 10 相连 ； 红外近距离传感器 12 用来检测近距离障碍物， 与微控制器10相连 ； 电子罗盘传感器13用以记录移动机器人7运 说 明 书 CN 103454919 A 9 6/9 页 10 动过程中的方向， 与微控制器 10 相连 ； CC2431 芯片 14 作为 Zigbee 无线传感器网络中的盲 节点， 用来实现机器人 7 与监控主机 5 之间的无线通信。微控制器 10 通过左轮步进电机驱 动器 15 来驱动与控制左轮步进电机 17， 从而实现移动机器人 7 左轮 19 的拖动 ； 。

38、同样， 微控 制器 10 通过右轮步进电机驱动器 16 来驱动与控制右轮步进电机 18， 从而实现移动机器人 7 右轮 20 的拖动。移动机器人 7 通过左轮 19 和右轮 20 组成差动连接方式。左轮编码器 21 通过与左轮 19 同轴连接进行左轮转速测量， 并将测量结果反馈给微控制器 10。同样， 右轮 编码器 22 通过与右轮 20 同轴连接进行右轮转速测量， 并将测量结果反馈给微控制器 10。 0086 本发明的智能空间中移动机器人运动控制方法， 先进行移动机器人位姿信息获 取 ； 然后进行移动机器人控制偏差 e 的获取 ； 最后进行基于 RBF 辨识网络的移动机器人多 目标的自调整 。

39、PID 运动控制。 0087 所述移动机器人7位姿信息获取， 采用视觉方法， 包括移动机器人7的位置和航向 角的定位 ； 0088 如图 3 所示， 移动机器人 7 位置的视觉定位算法采用如下步骤 ： 0089 (1) 利用 CCD 摄像机 3 采集含有移动机器人 7 的彩色图像 ； 0090 (2) 基于彩色像素矢量的欧氏距离， 结合背景图像， 对步骤 (1) 中获得的彩色图像 进行阈值分割， 从而获得差分二值图像 ； 0091 (3) 运用开运算对二值图像进行消噪处理 , 从而获得精确的含有移动机器人的二 值图像 ； 0092 (4) 对含有移动机器人 7 的二值图像进行逐行扫描， 当所扫。

40、描的当前行线段与前 一行线段相邻， 则合成连通区域 ； 否则， 初始化新的连通区域 ； 0093 (5) 根据各连通区域的像素坐标， 从而获得各移动机器人 7 的位置坐标。 0094 如图 4 所示， 移动机器人 7 航向角的视觉定位算法采用如下步骤 ： 0095 (1) 利用 CCD 摄像机采集贴有方向和标识的 T 型颜色块的移动机器人 7 的彩色图 像 ； 0096 (2) 将移动机器人 7 的彩色图像从 RGB 颜色空间转换到 HIS 颜色空间 ； 0097 (3) 根据预设定的 H 和 S 阈值， 对移动机器人 7 的 T 型颜色块进行图像分割 ； 0098 (4) 运用开运算和闭运算。

41、对分割后图像进行平滑处理 ； 0099 (5) 对 T 型的标识图像进行线性拟合， 获得标识颜色块的斜率， 并换算到角度， 最 后再根据方向颜色块进行移动机器人 7 的最终航向角确定。 0100 移动机器人 7 控制偏差 e 包括移动机器人 7 的侧向距离 ed和航向偏角 e。 0101 如图 5 所示， 侧向距离 ed是当前移动机器人 23 的中心坐标 Pc， 到待跟踪路径 9 上 参考机器人 24 中心点 Pr处切线的垂直距离 d。航向偏角 e是当前移动机器人 23 的当前 方向角 c， 与待跟踪路径 9 上参考机器人 24 中心点 Pr处切线方向 r的角度差 。 0102 如图 6 所示。

42、， 基于 RBF 辨识网络的移动机器人多目标自调整 PID 控制器结构， 是将 移动机器人 7 的参考位姿 Pr和当前位姿 Pc经比较器 25 后， 获得包含侧向距离 ed和航向偏 角 e的控制偏差 e。将侧向距离 ed通过侧向距离 PID 控制器 26 后获得侧向距离控制值 ud， 同时将航向偏角 e通过航向偏角 PID 控制器 27 后获得航向偏角控制值 u。由侧向距 离控制值 ud和航向偏角控制值 e经加法器得到移动机器人 7 的速度调整控制量 v。移 动机器人 7 根据控制量 v 运动得到当前中心坐标 Pc。在侧向距离 PID 控制过程中， 侧向 说 明 书 CN 103454919 。

43、A 10 7/9 页 11 距离 RBF 辨识网络 28 会根据侧向距离 PID 控制器 26 输出 ud、 移动机器人 7 的当前侧向距 离 ed、 上一时刻的侧向距离进行侧向距离 PID 控制器 26 的在线 PID 参数调整 ； 在航向偏 角 PID 控制过程中， 航向偏角 RBF 辨识网络 29 会根据航向偏角 PID 控制器 27 输出 u、 移 动机器人 7 的当前航向偏角 e、 上一时刻的侧向距离进行航向偏角 PID 控制器 27 的在 线 PID 参数调整。通过侧向距离 PID 控制器 26 和航向偏角 PID 控制器 27 的在线 PID 参数 调整， 实现了基于 RBF 辨。

44、识网络的移动机器人 7 多目标的自调整 PID 运动控制。 0103 如图 7 所示， 侧向距离 RBF 辨识网络 28 是一个三层网络， 即由侧向距离 RBF 辨识 网络输入层 31、 中间层 32 和输出层 33 组成。侧向距离 RBF 辨识网络输入层 31 有三个输入 节点， 分别对应侧向距离 PID 控制器 26 的输出 ud、 移动机器人 7 的当前侧向距离 ed、 上一时 刻的侧向距离。中间层 32 有六个隐节点， 节点函数采用高斯核函数 ： 0104 0105 式中，cj_d为侧向距离 RBF 辨识网络 28 的高斯核函数中心、 j_d 为侧向距离 RBF 辨识网络 28 的高斯。

45、核函数的宽度参数。 0106 侧向距离 RBF 辨识网络输出层 33 只有一个节点， 且节点为线性函数， 即 ： 0107 0108 式中， wj_d为侧向距离 RBF 辨识网络 28 的中间层 32 和输出层 33 之间的权值。 0109 如图 8 所示， 航向偏角 RBF 辨识网络 29 同样是一个三层网络， 即由航向偏角 RBF 辨识网络输入层 34、 中间层 35 和输出层 36 组成。航向偏角 RBF 辨识网络输入层 34 有三个 输入节点， 分别对应航向偏角 PID 控制器 27 的输出 u、 移动机器人 7 的当前航向偏角 e、 上一时刻的航向偏角。中间层 35 同样有六个隐节点。

46、， 节点函数同样采用高斯核函数 ： 0110 0111 式中，cj_为航向偏角 RBF 辨识网络 29 的高斯核函数中心、 j_ 为航向偏角 RBF 辨识网络 29 的高斯核函数的宽度参数。 0112 航向偏角 RBF 辨识网络输出层 36 同样只有一个节点， 且节点也为线性函数， 即 ： 0113 0114 式中， wj_为航向偏角 RBF 辨识网络 29 的中间层 35 和输出层 36 之间的权值。 0115 结合图 5、 图 6、 图 7 和图 8， 叙述基于 RBF 辨识网络的移动机器人 7 多目标的自调 整 PID 运动控制的方法流程， 主要包括如下步骤 ： 0116 (1) 移动机。

47、器人 7 速度调整控制量 v 的 PID 控制， 包括如下步骤 ： 0117 a. 求取移动机器人 7 的侧向距离 ed； 说 明 书 CN 103454919 A 11 8/9 页 12 0118 b. 求取移动机器人 7 的航向偏角 e； 0119 c. 建立如下 k 时刻速度调整控制量 v(k) 的 PID 控制 ： 0120 v(k) v(k-1) 0121 +Kp_d(k)(ed(k)-ed(k-1)+Ki_d(k)ed(k)+Kd_d(k)(ed(k)-2ed(k-1)+ed(k-2) 0122 +Kp_(k)(e(k)-e(k-1)+Ki_(k)e(k)+Kd_(k)(e(k)-。

48、2e(k-1)+e(k-1) 0123 式中， Kp_d(k)、 Ki_d(k)、 Kd_d(k) 分别为 k 时刻侧向距离 PID 控制器 26 的比例、 积分、 微分系数 ； 0124 Kp_(k)、 Ki_(k)、 Kd_(k) 分别为 k 时刻航向偏角 PID 控制器 27 的比例、 积分、 微 分系数。 0125 (2) 基于 RBF 辨识网络， 进行 k 时刻侧向距离 PID 控制器 26 的 PID 参数 (Kp_d(k)、 Ki_d(k)、 Kd_d(k) 自调整， 包括如下步骤 ： 0126 a.Kp_d(k) Kp_d(k-1)+p_dKp_d(k) 0127 b.Ki_d(k) Ki_d(k-1)+i_dKi_d(k。