自走式草坪机结构设计-电动割草机 除草机设计.zip

2007 年 IEEE 的程序 机器人与仿生学国际会议 2007 年 12 月 15 日-18，三亚，中国 割草机器人多传感器融合与导航技术的研究割草机器人多传感器融合与导航技术的研究 从明和房波 大连理工大学机械工程学院 大连，116024，中国 引言本文提出了一种多传感器系统从超声波传感器和导航相结合的测量机器人割草机。利用传感系统使机器人割草机来映射未知的环境。对于自动割草机器人能在未知的环境中进行定位和导航执行割草任务是很重要的。由于环境的复杂性，简单的一种传感器是不足够割草机器人来完成这些任务。我们开发了一个配有 DSPTMS320F2812 作为 CPU 割草机器人。感测系统集成由超声波传感器，红外传感器，碰撞传感器，编码器，一个温度传感器和电子罗盘组成。超声波测距技术变换是基于小波变换的精度高来表示的，以提高超声波传感器测量精度。仿真研究表明，所提出的多传感器信息融合的方法是非常有效的对于导航割草机器人。实验结果表明，该传感系统基于相关的规定障碍检测和定位显示出巨大的潜力，为在动态工作条件下的割草机器人提供一个强大的高性价比的解决方案。 关键词多传感器融合，超声波传感器，割草机机器人，定位，导航。 1.绪论绪论草坪修剪被许多人认为是一个最枯燥，累人的日常任务。首先迫切需要执行的任务是能适应环境的机器人。一些预测表明，割草机器人将是一个最有前途的个人机器人应用，并有重大的市场在世界上。因此，智能化的概念割草机器人（IRM）在 1997 年度会议的 OPEI（ 户外电力会议设备研究所）上第一次提出 1 。该机器人主要面对一般家庭帮助忙碌的人们和乏力的老人们节省支付雇佣劳动力的报酬，同时消除人们来自噪声中，花粉和割草刀片的危害。割草机器人是服务于家庭护理的室外移动机器人，是那种真正的智能机电一体化的环境清理设备 2 3 。最重要的是割草机器人为代表的一些地区覆盖的环保机器人不仅用于室内地面清洁，如 4 也在危险的环境中，例如去地雷，清理辐射点，勘探资源等。与室内移动机器人不同，割草机器人得到很大的挑战。 在整个工作区域内，割草机器人使用传感器来感知环境以及识别他们的实时状态下的环境障碍，地图构建，定位和导航。由于环境的复杂性，一种简单的传感器是不足以让割草机器人来完成这些任务的。因此有必要结合来自不同的传感器上观察到的传感器数据减少机器人在任何工作环境工作的不确定性。为来自各种传感器的信息能合并，传感器鲁棒性和实时性的融合是必需的 5 。在传感器出现误差或失败的情况下，多融合传感器融合也可以减少不确定信息，并提高其可靠性。低成本的传感系统，说明其低功耗，高性能。超声波传感器检测范围是0.3m 5m，他们提供良好的范围信息。然而，环境引起的镜面漫反射是超声波传感器的不确定因素，让他们不具吸引力。红外传感器的检测范围是 0.02m 1m，他们可以检测在超声波传感器的盲区的障碍。为了满足割草机器人低成本和高精度的测距技术的需求，在研究超声波测距技术基于高精度的小波分析变换（WT）的数据报道，提高超声波传感器的测量精度。测量数据从传感系统集成，实现规划最佳的，可靠地，完全覆盖整个工作计划的地区，使割草机器人避免未知的障碍。最后，通过仿真研究和实验结果表明该传感系统的导航效果，障碍物检测和割草机器人定位。 2.信息资源管理系统的硬件 IRM 采用 DSP TMS320F2812 作为其 CPU，包括四个单元：车辆系统，切割系统，传感系统和控制系统。传感系统是用来收集外部动态信息的工作环境避障，地图构建，导航与定位。它也可以用来检测车辆系统的运动参数和切削机构的工作状况。该控制器将获得的信息与数据库进行比较，然后发出修正后精确的命令让机器人完成任务。信息资源管理的硬件，如图 1 所示。 IMR 硬件概要图 1 机器人必须身体强壮，计算速度快，行动准确和安全。它应该有能力，而在全部或大部分的割草期间无需人的干预。IRM 由于模块化设计，各单元的管理是相对独立的。模块化设计使维护更容易。IRM 任何损坏单元都可以直接取代而不影响其它单元的功能。 3 3.传感系统A：超声波传感器单元 超声波传感器可以提供良好的范围是基于飞行时间（TOF）信息原理，主要是由于其简单性和成本相对较低，他们已广泛应用于移动机器人的障碍物回避，地图构建等。这种类型的外部传感器能很好测量的障碍物的距离。灵敏度函数的主瓣内包含一个 20 度角，如图 2 所示的【6】 。大量的试验结果表明，传感器的精度范围为2cm。 图2为超声波传感器的典型的强度分布对于 IRM，我们建立了一个传感器阵列由12超声波传感器间隔30度的间隔。超声波信号可以覆盖所有的空间，可以要求哪些机器人检测整个空间的环境信号。用基于 TOF 的测量的超声换能器的经典技术，计算出的距离最近的反射器利用声音在空气中的速度从发射脉冲到回波到达时间。距离 D 为反映对象的计算 D =（CT）/ 2 （1）其中 C 是声音的速度，T 是飞行时间。该 TOF 法产生一系列的值时，回波幅度首次超过临界值后发送，忽略第二回波从进一步的反射。 超声波传感器单元包括一个触发脉冲生成单元，一个多通道选择单元和回声接收单元。传感器接口电路设计发送和接收超声波脉冲，捕获的总是第一个返回的回声。一个对象相关的数据的范围要考虑到即使是位于在锥轴离轴。 超声波频率通常在40和180千赫之间，而在该系统中超声波传感器的频率使用的是40千赫。光束角度是20度。40千赫 PWM 脉冲是由通用 DSP 的定时器单元产生的。驱动发射机有效而不带来大的振动，40千赫的超声波一次突发的时间是8周期。当超声波脉冲发射时，传感器将经历“振铃” 。振铃引起的由所发送的脉冲可以使接收器检测到一个错误回声。这个不能够捕获解决 DSP 中断问题，直到延迟间隔已过。这意味着在延迟的时间间隔那测距仪不能检测物体距离该传感器是少于一半的声音传播的距离。这是该超声波传感器的盲区，如图3所示。 图3超声波发射和接收示意图B.：.红外传感器装置和其他传感器 针对超声波传感器的盲区，增加了红外传感器。红外传感器可以检测在20cm 内的障碍，这弥补了超声波传感器由于失明问题所造成的区域的问题。 这个单元有16个红外传感器。每个红外搜索器范围有6度，是灵敏度函数主要的圆锥曲线的视图。该传感器具有一个高精度测量范围，有效测量范围是一个目标到一米左右。一些测试表明，该传感器的测距精度在1cm 左右。 为了节省 DSP 的资源，16个红外传感器采用 DSP TMS320F2812的数据接口代替 IO 接口。这种结构也可以同时读取传感器的状态，以确保该系统的时间性能。传感器接口电路用于发送和接收红外脉冲并总是捕获第一个回波来处理其振幅。 割草机器人在室外环境中工作时，其温度变化迅速。温度的变化会影响声音的速度。因此，温度传感器用于保证超声波传感器的精度。碰撞传感器是一组敏感的样本，采用它是为了防止意外的碰撞造成的损害。由于潮湿的环境会危害 IRM 电路，湿度传感器被引入用于检测湿度环境。虽然这些传感器不完全是一个自主割草机器人机必要的，但他们可以提供有益的功能，让工作更具有效性和安全性。 4 4.导航技术A. 映射 正如图4所示，基准方向的 X 定义和机器人的坐标为，。关于内置xRyR电子罗盘对于机器人的帮助，角，这是从第一个传感器得来的角度，可容易i衡量。实际上，如果只在角（标题的机器人角）的测量，从其他传感器的角s度可以发现 角是我们的世界坐标中心。该超声波传感器组的最大环数为 n，半径为iR（在我们的系统中，n = 12和 R = 0.25m） 。该环的原点到中心之间的距离是r，并且该向中心的基准角度是 。根据参考位置机器人的中心是（，） 。xRyR这个距离是从原点到通过两个传感器数据检测的二维平面称之为。Ri现在让我们用 DMI 测量值来分别表示从超声波和红外传感器得到的数据，用于精确距离。这些值之间会有一个误差Rii在这项工作中，我们自然假设是一个均匀随机变量在（W，W）范围内。i在这里，W 表示最大距离测量误差。这里的问题是，给定的，r xRyR， ， ，和， ， ，估计占用的坐标细胞和12ndm1dm2dmnxi（或等价的）以最有效的方法。涉及检测对象的方程可以写为yiRi 图4所示机器人在 X-Y 段的位置由于对象涉及机器人的方程被写为如果我们定义的位置为：=， ， ，然后我们有Pip1p2pnT将插入到中，Ri2R2在这里我们有 N 个这样的方程。我们把它们矩阵形式如果我们引入新的矩阵，然后（10） ，可以写为在这里，如果我们进行最小二乘法估计，我们得到pi因此，我们用最小二乘法估计找到最好的位置。B. 仿真研究基于传感器导航系统已经进行了测试在显示该传感器融合方法的有效性的两种环境分别如图5和图6所示。割草机是一个结构化的实验室初步测试如图5所示。开始在（0.3m，0.5m，0） ，一个虚拟的机器人在虚拟广场走廊一次。墙在人工环境中是由真正的地图表示的。全车是独立的。它有一个最大的运行速度是0.4米/秒。实验室面积调查出在10cm 精度优于1cm 为佳。提取映射，提出了一开始的目标。机器人位置和方向是由电子罗盘成立 8 。 图5数据采集与导航在结构化环境中的结果图5中的结果显示的映射质量和该传感器融合方法的有效性。在测试中，我们发现，在估计的位置的平均误差（）在环境中的障碍是在 0.2 ，0.2米范围内。在模拟中，我们看到，在（11）中，实际上应该得到的是不满足)(Plsqi。在可以为位置更好的估计的情况下可以表示为PRlsqii在这种情况下，估计角不会改变但估计距离是缩放到它的最佳估计。iRi因此，对于位置，距离估计是和以前一样，而最小二乘估计的作品只对角Ri。仿真结果表明，这种方法产生更精确的结果。i 图6仿真结果的墙下行为墙后，被选定为初值问题域是因为它建立一个相当简单的问题评价 9 。它这也奠定了更为复杂的基础的问题领域，如迷宫的穿越，映射和用于草坪修剪和吸尘全覆盖路径规划。墙上的仿真结果图6所示的行为后和实验结果在图6表明，该 IRM 有能力在非结构化的环境中执行它的割草任务。在图5中传感器的程序导航仿真如下。 5 . 超声波测距技术基于小波变换遗憾的是，由于环境的复杂性和噪声的影响，实际接收到的多回波具有随时间变化的特性，并且是一个典型的非平稳信号。此外，在超声波脉冲回声混合噪声是非高斯白噪声，但噪声，和与目标回波相关。TOF 法不能在这样的条件下直接使用。引用广义相关方法估计时间延迟的 10 ，我们把提出了广义自相关方法基于小波变换的时延估计 11 出现在图7。 图7基于小波变换的广义自相关延迟估计 其中（t）是母小波和（t）是女儿小波。该系数 是规模（或缩放at因素）和（）是时间位移。小波变换的信号 x（t）是 y（t） 。实际上这是Ryy一个过滤过程使用大量的带通滤波器的超声回波等于的 Q 值，这相当于的白化滤波器对广义相关方法的时间延迟的估计，为了消除输入噪声的影响做以下处理。可以找到，作为 Ryy由于傅里叶变换关系自相关函数之间和他的力谱： Ryy我们获得的广义自相关函数是：最后，检测到的峰值来完成 TOF 的估计和计算实际的超声波速度。 Ryy 图8嘈杂的超声回波 图9基于小波去噪的回声 图10自相关函数 Ryy 图11峰值检测 嘈杂的超声回波信号如图8所示，和利用小波变换去噪后的超声回波显示图9。很明显，该噪声混入的超声波回波经 WT 操作后得到有效地消除作。自动去除噪声的超声波回波的相关运算如图10所示。图11显示了包络 Ryy Ryy线，通过希尔伯特变换。正如我们可以看到，如果每一个峰的横坐标点确定，TOF估计可计算。考虑的超声回波衰减和高精度的要求在实践中的需求，ND只有前4回波被用来估计 TOF。在 TOF 估计的值是，D3D2D，这是对称于 X 轴。使用这种方法，估计超声波速度可以计DD2D3算出来。到目前为止，障碍检测和定位系统成功实现。运用该方法，障碍物检测和定位系统已成功实施。基于广义自相关法小波变