野外自主移动智能机器人设计

田 鹏，朱志斌，步海明,唐 强

(1.通号（郑州）电气化局有限公司电务分公司,河南 郑州 450000; 2.北京中致科技有限公司，北京 118300)

引言

近年来室内环境下送餐机器人、消毒机器人、巡检机器人等移动机器人发展十分迅速，与结构化、静态的室内环境不同，随着未知领域探索、执行救援危险任务等需求出现，移动机器人不断向野外非结构化环境拓展，对机器人通过性和自主能力的要求也越来越高。无标志物条件下，智能移动机器人能够在野外环境自主导航定位、自主规划控制，具备自主障碍物识别和规避，动态路径规划的能力。两台或者多台还具备智能编队运行能力，可以模拟一个机器人小组。履带式底盘能够适应典型非道路野外环境，具备较强的涉水、越障、爬坡能力。目前大部分野外机器人为铺设轨道或人工遥控的移动车[1-2]。野外场景环境复杂，范围大，铺设轨道工程量很大，遥控模式又很难达到预定的目标效果。需要研制新型无依托智能机器人，文献[3]针对传统轨道式移动车运动方向单一、轨道铺设困难且存在跳弹的隐患，利用机器视觉，研究了一种以普通的色带或胶条为引导的自循迹移动靶车控制系统,但是该方法还是要求预先铺设辅助标志。文献[4]设计了履带式移动机器人，可以有效增强机器人的通过性。文献[5]针对户外定位问题，提出了激光导航定位方法，可以作为室外定位的有效手段之一[6-7]。针对野外不规则地面，通过以上分析可知，虽然在野外机器人方面已经取得了较大的进步，目前仍没有成熟的能够不依赖辅助标志引导、野外通过性强、机动性强的野外机器人。综上，本研究设计了一种野外自主移动智能机器人，采用履带底盘，具有较强的涉水、越野能力，自主导航定位采用GNSS、惯导、里程计组合方式，能够实现野外环境动态自主轨迹规划，配备了超声传感器，具备自主识别较大障碍物和自主规避的功能。此外，应用星形自组织网络，支持多机器人在同一区域协同工作。

1 系统组成

野外自主移动智能机器人由履带底盘系统、导航系统、控制系统和载荷模块等组成。机器人结构见图1。

图1 机器人结构示意图

底盘控制系统由电源模块、电机驱动单元、中央控制单元、无线通信单元等组成，见图2。

图2 底盘控制系统

机器人导航感知系统由GNSS 接收机、三轴陀螺仪、三轴加速度计、超声波传感器组成。为提高局部区域定位精度，采用RTK(Real Time Kinematic)差分技术可实现厘米级绝对定位。三轴陀螺、三轴加速度计与GNSS 构成组合导航单元，获得机器人的位置姿态信息，超声波传感器用于2 m 内近距离障碍物识别与躲避。GPS/惯导组合导航示意图见图3。

图3 GNSS/惯导组合导航示意图

机器人电控系统采用模块化设计，由供电单元、中央控制单元、无线通讯单元、数据采集存储单元、伺服驱动控制单元五部分组成。电控系统硬件设计见图4。

图4 电控系统硬件设计

操作者在远程终端设定目标点，而不给出路径轨迹，机器人通过无线数传模块接收来自操作者的目标位置指令，经遥测遥控单元数据接收、初步过滤后传送给中央控制单元。中央控制单元结合导航系统解算的当前机器人状态和目标点坐标，动态规划行驶路径，给出当前有限时间窗口双侧履带控制指令，并下传给电机驱动单元，电机驱动单元分别完成左右履带电机闭环控制，在下一时刻，根据导航结果和障碍物检测结果重新规划行驶路径。荷载模块为机器人上安装的标靶（如图1 中的人形模拟件）或其他用户需要装载的设备。

2 外智能机器人主要指标

履带车运行中的阻力FA包括以下几部分

式中，Ft为土壤阻力，Fp为坡道阻力，Fu为转弯阻力，Fn为行走机构内阻力。

土壤阻力Ft为履带对土壤产生挤压作用产生的阻力，由下式给出

式中，G 为整机重力，α 为坡角，ωt为运行比阻力系数，在野外潮湿地面取值比较大，在坚硬路面取值小（本研究分析中选取0.15）。

坡道阻力Fp为坡道重力分量引起的阻力

转弯阻力Fu是履带车转弯时瞬时转向中心平动和绕瞬时转向中心转动的复合运动引起的纵向和横向阻力作用，转弯阻力的分析比较复杂，实际中的主要分力是履带板与地面摩擦阻力

式中，β 为履带板侧边刮土附加阻力系数，取值为1.15。L 为履带接地长度，B 为履带轨距，μ 转向阻力系数，可使用如下公式估计

式中，r 为履带转弯半径，μmax为履带制动时垂直载荷和摩擦阻力比例系数，实际计算的μ 大约为0.4～0.7。

行走机构内阻力Fn的组成非常复杂，包括履带零件、驱动轮、导向轮、拖带轮的摩擦，履带不均匀的阻力等，可引入行走机构效率初步计算内阻力，公式为

根据经验数据，η 的取值为0.7～0.8。

履带底盘的驱动机构牵引力F 必须大于总的阻力，即

另外，牵引力还要小于履带和地面的附着力，即

式中，φ 为附着系数，可取0.3～0.5，满足此条件，履带才不会打滑。

根据以上分析，动力电机的总功率P 可以计算为

式中，v 为行走速度，单位为km/h，FA为总阻力，η 为履带行走装置效率，η 为履带行走装置传动效率，取0.4～0.75。

通过代入相关参数，移动智能机器人的主要指标见表1。

表1 机器人主要指标

3 控制系统设计

3.1 运动学模型

机器人采用履带底盘，通过两侧驱动轮差速实现转向，属于差动移动机器人。差动移动机器人的运动依赖两侧的驱动轮，依靠两个轮子的速度差来实现转向。运动学模型可用下式表示

式中，v 为机器人中心速度，ω 为转向角速度，(x,y)为中心点的坐标， θ为航向角。机器人的状态向量为，机器人的控制向量为。

3.2 运动轨迹更新模型

设定系统采样周期100 ms，采样周期内认为速度恒定。假设车辆在一个周期内绕圆心O 转过的弧度为β，则可确定一个周期内车辆的运动轨迹，根据几何关系可求出机器人本体坐标系下更新的坐标（x0，y0）。则可以得出

式中，s 为一个周期内运动轨迹的弧长，可以简单认为是直线；v 为当前速度；Δt为采样周期；β 为一个周期内轨迹圆弧对应的圆心角；R 为瞬时转弯半径。

由图5 几何关系，可得

图5 机器人轨迹更新示意图

3.3 路径规划与轨迹跟踪控制

野外无辅助路径标志，无铺设轨道条件下，路径规划是智能移动机器人面临的重要问题。对于巡航状态常用的典型轨迹，我们采用描述函数法表示。用户可以通过下拉菜单选择期望的运动轨迹，不同轨迹函数的参数可以修改。目前支持的典型路径轨迹包括圆形轨迹、椭圆形轨迹、李萨如轨迹、8 字型轨迹等，均可以由一组特征参数描述。根据期望轨迹是否与时间相关，将轨迹跟踪控制分为路径跟随和轨迹跟踪两种控制模式，见图6，图7。

图6 路径跟随控制模式

图7 轨迹跟踪控制模式

路径跟随（Path Following）指从某起点开始，车辆能够到达终点并最终以给定的速度跟随运动空间中的一条几何路径，跟踪轨迹的位置和速度与时间无关。

轨迹跟踪（Trajectory Tracking）指从某起点开始，能够到达并最终以给定的速度跟随运动空间中给定的一条与时间相关的几何路径。同时，给定的速度即给定的线速度和角速度（也称为期望速度）同样也是关于时间的函数。

3.4 自主避障方法

超声波传感器在三维空间的感知范围是一个锥形，如图8 所示。当超声传感器探测到机器人前方的障碍物时，根据超声波传播的时间可以计算出障碍物在某个半径的圆弧上，但是并不能确定障碍物具体在圆弧的哪个位置。所以需要在机器人的不同位置、不同方向安装多个超声波传感器，通过弧段交叉计算，从而确定障碍物的具体位置。

图8 超声波探测原理

当机器人检测到前方一定距离有障碍物时，将自动修正参考轨迹。此时，根据障碍物位置信息和前一时刻的速度矢量，采用人工势场方法，使机器人绕着障碍物的边缘向先前速度矢量方向运动，当机器人沿着障碍物边缘运动到与期望轨迹上的某一点重合或接近时，再重新切换到参考轨迹跟踪控制，从而实现机器人自主避障。

设履带机器人的前端正中位置为传感器#3，在履带机器人左前60 度、左前30 度、正前方、右前30 度、右前60 度分别安装#1 至#5 超声波传感器，如图9所示。为避免5 个超声波传感器同时工作时信号互相干扰，采用依次上电采集的方式，逐个测量与障碍物的距离。

图9 多个超声波传感器安装示意图

具体实现方法是，当#1、#2 号超声波传感器探测到障碍物时，靶车向右转弯进行避障；当#4、#5 号超声波传感器探测到障碍物时，靶车向左转弯进行避障；当#3 号超声波传感器探测到障碍物时，靶车向左向右转弯都可以。

3.5 编队运动控制

式中，ρ 为领航者与跟随者之间的距离；α 为跟随者的航向与连线 ρ的夹角(逆时针为正方向)：ϕ 为领航者的航向与连线 ρ的夹角(逆时针为正方向)。

该编队系统的动态微分方程组为

选取 ρ ,α 为输出，输出向量为z=[ ρ α]，ρd为两车之间的期望距离，α 为期望的相对角度。希望得到如下形式的线性化系统

4 试验结果

4.1 典型路面行驶试验

野外自主移动智能机器人实地测试见图10。直行速度最快可达10.8 km/h，最小转弯半径0.1 m，坡面最大接近角30°，路径跟踪控制误差优于0.5 m，GNSS 组合导航定位精度优于5 cm，定向精度优于0.2°，达到预期指标。

图10 机器人行驶试验

4.2 自主避障试验

野外自主移动智能机器人自主扫描运行路径上的障碍物信息，对本体参数和障碍物膨胀后拟合处理，动态实现局部路径规划，可保证对障碍物的无碰撞规避，经多次路面测试效果良好，未发生碰撞事故，见图11。

图11 机器人避障试验测试

5 结论

本研究设计了一种新型野外自主移动智能机器人，详细介绍了系统组成、控制方法、试验结果等内容。该机器人能够广泛应用于野外搜救、营区巡逻、演习靶车，可以多机编队运行，结合GIS 操控台，实现远程无人化运行。