控制仿生（精选十篇）
控制仿生 篇1
仿生眼系统是近年来国内外研究的热点[1],它可以根据摄像头采集回来的图像信息以及各传感器的信号,不断调整运动跟踪平台的转动,使摄像头视轴跟踪目标物体运动。通过一定的仿生模型,可以使仿生眼系统模仿人眼的前庭动眼反射、视动反射、平滑追踪以及急动等功能。
鉴于仿生眼系统体积小、重量轻,可以搭载在各种移动机器人、水下机器人以及飞行器上,用于交通、军事、反恐防暴、勘察、救灾等多种危险或者不适合人近距离观察的环境。
本文设计了一个仿生眼的运动控制系统,实现了与课题组其他成员所设计的眼球机构控制单元和图像处理系统的接口对接。通过实验调试,验证了系统可以满足仿生眼运动控制的实时性要求。
1 仿生眼系统与人眼的对应关系
人们通过支配6条眼外肌使之产生协调运动,使目标物体在视网膜的中央凹上成像。该类运动可视为视觉-眼动系统在一定刺激下的输出,表现为不断地视轴运动。
根据人眼的运动模型[2]提取出单眼运动的简化模型如图1所示。
2 硬件设计
整套仿生眼系统由控制系统、图像处理系统、眼球机构、三轴陀螺仪、无线通信模块组成。
2.1 眼球机构
微型摄像头置于眼球内,该机构具有两个自由度的转动[3]。
利用两台舵机控制眼球的转动。这里选用韩国Hi TEC公司型号为HSG-5084MG的舵机作为眼球机构的驱动器。该舵机采用4.8V电源供电,最高可输出1.5kg.cm的扭矩,空载转速达到0.07s/60°,体积为29×13×30mm,满足了对运动机构的微型化和高速响应的要求。
2.2 MCU
采用Silicon Laboratories公司的C8051F023单片机作为运动控制系统的核心处理器。C8051F023是完全集成的混合信号系统级MCU芯片[4],其内核采用流水线结构,70%的指令的执行时间只需要1个或2个系统时钟周期,加上C8051F023最高可达25MHz的系统时钟频率,与标准的8051结构相比处理速度大大提高。同时C8051F023内置64K字节的程序存储器和4352字节的数据存储器,在大多数的应用中无需再另外扩展存储器。
在控制系统中,利用UART,通过MAX3232进行电平转换,与外部的三轴陀螺仪、图像处理系统以及无线通信模块进行通信连接。由于C8051F023内部只带有2个UART,因此,还需要扩展一个UART。这里采用软件UART,下文会有详细论述。
采用周期为20ms的PWM对舵机进行控制。本文中所使用的HSG-5084MG舵机,PWM控制信号的高电平时长为1.1ms~1.9ms,对应于舵机的转动角度-35°~+35°。当高电平时长为1.5ms时,舵机的转角位于中心位置。
除此之外,还预留了2个SPI接口和2个ADC输入通道,用于系统将来的扩展。如可利用SPI与所搭载的机体的控制器进行通信;也可利用ADC来观测供电电池的电压信号,可在电压不足的情况下进行报警。
2.3 UART的扩展
本控制系统中,由于C8051F023本身只带有2个UART接口,但系统的应用中却需要3个UART,因此还需要另行扩展一个UART。
扩展UART的方法不外乎两种:使用扩展芯片或者软件模拟。采用扩展芯片方式增加UART最大的缺点就是需要增加成本,这在成本敏感的项目里面是不可取的。通过充分挖掘MCU片上硬件资源,使用软件模拟方式生成UART,不但能够降低成本,还能简化电路。考虑到C8051F023本身自带的PCA(可编程计数器阵列)就能为软件UART提供一个很好的解决方案[5],因为PCA计数器在产生中断的情况下不会停止计数,即不会因为中断而产生延时的积累,利用这一点能够产生精确波特率,这是传统的使用定时器产生软件UART的波特率所不能比拟的。
在这里利用两个PCA模块分别产生软件UART的接收和发送波特率,并利用PCA的下降沿捕获功能判断数据接收的起始位。所有的接收和发送过程是在PCA中断服务程序内完成的。
2.4 图像处理系统
图像处理是仿生眼系统的核心[6]。通过图像处理,可以获取运动的目标物体与图像中心的偏角,并把偏角数据通过RS-232C传给运动控制系统。运动控制系统根据所收到的数据信息,再控制眼球机构的转动,使目标物体始终处于图像中央。
2.5 三轴陀螺仪
当仿生眼系统搭载在非固定机体上时,由于机体自身受到发动机振动、空气阻力等外界因素的影响使得的机体自身姿态发生改变,这势必严重影响对移动目标视频跟踪的稳定性。所以需要能够实时的采集到机体姿态的变化,并根据采集到的变化量给予反向控制,从而减少机体姿态对跟踪仿生眼系统的影响,避免了跟踪摄像头视轴经常偏移移动目标。
本系统中考虑到控制跟踪的连续性和稳定性,采用了具有高速度、高精度、多功能的传感器3DM-GX1[7]。3DM-GX1可以综合三个角速率陀螺仪,三个正交的加速度计和三个正交的磁力计的测量数据,从而在静止或动态的条件下提供稳定的方向信息。当三个轴都在360°的范围内进行旋转时,该产品可以输出为矩阵、四元数或欧拉角度方程格式的方向信息;它的数字式连续输出还可以为所有传感器提供温度补偿信号;其拥有一个嵌入式处理器,自带了可调滤除算法,以提供稳定的输出信号;内置RS-232C接口。
2.6 无线通信模块
由于仿生眼系统是搭载在移动机器人、水下机器人或飞行器上的,它与上位机势必只能通过无线通信取得联系。
无线通信模块连接机载的跟踪控制系统和地面控制站,在向地面发送实时的跟踪数据的同时,实现地面操作人员对跟踪控制系统的远程操作和人工干预。根据其工作任务和环境特点,要求无线通信模块串口传输、通信距离远、功耗低、稳定可靠。为此,选用了可工作在900Mhz或2.4Ghz不需认证的ISM波段的XStream-PKG-R[8]无线数传电台,它具有如下主要功能:
支持RS-232/485(多端口总线)协议;
与主机接口波特率:1200bps~57.6Kbps,空中传输速率9600bps或19.2Kbps,户外传输距离可达11km。
3 软件设计
控制系统主要实现的功能如下:
1)与上位机进行无线通信,获取命令数据;
2)与图像处理系统进行通信,获得摄像头视角偏移数据;
3)获取仿生眼所搭载的机体的姿态变化率;
4)实现对眼球机构的运动控制率。
4 实验调试
主要从软件UART和控制系统两个方面进行了实验。
4.1 软件UART
由于本系统中采用软件模拟方式扩展了UART,而软件UART的运行需要占用一定的机时,因此需要平衡通信速度和硬件机时占用。
实验条件:跟踪控制板上采用了22.1184Mhz的晶振。
实验方法:上位机对控制板的软件UART连续不间断地发送数据。MCU采用查询方式,软件UART在接收到每个字节数据的同时,把接收到的每个字节数据立即用软件UART的发送端回发给上位机,然后对比上位机发送的数据和接收到数据。如图6所示。
根据实验结果可知,在时钟频率为22.1184Mhz的条件下,该软件UART可对绝大多数的应用提供全双工模式下38.4Kbps的波特率支持。
而本系统对系统的实时性要求很高,为此,将此软件UART配置给数据传输压力最小的无线通信模块,同时将波特率设为19.2Kbps,以满足系统的响应速度。
4.2 控制板调试
控制板的调试采用上位机定时发送目标偏角数据给跟踪控制系统,由控制系统根据偏角数据控制舵机的转动。
考虑到我国电视采用PAL制式,每秒钟能产生25帧图像。这里就假设图像处理系统能够每秒处理25帧图像,即每秒钟给出25组目标物体的偏角数据。
实验方法:上位机每隔40ms发送一组偏转数据给运动跟踪控制板,观察舵机的运动。
结果表明,舵机反应迅速,无滞后响应现象。
5 结论
结合仿生眼运动的建模和对模型的离散化控制,该系统能够很好模仿人眼的运动,且能够达到很高的精度。同时通过实验,初步表明,该跟踪控制系统能够满足仿生眼系统对实时性的要求。
参考文献
[1]邹海荣,龚振邦,罗均.仿生眼的研究现状与发展趋势[J].机器人,2005,27(5):469-474.
[2]Zhang X L,Wakamatsu H.An Unified Adaptive Oculomotor Control Model[J].International Journal of Adaptive Control and Signal Processing,2001,15(7):697-713.
[3]傅湘国.地面目标低空跟踪伺服云台控制系统研究[D].上海:上海大学,2007.
[4]潘琢金.C8051F020/1/2/3混合信号ISP FLASH微控制器数据手册[Z].Rev 1.4.新华龙电子有限公司.2005.
[5]潘琢金,孙德龙,夏秀峰.C8051F单片机应用解析[M].北京:北京航空航天大学出版社,2002.
[6]Xie S R,Gong Z B,Ding W,et al.Detection and Tracking of Moving object in Visual Tracking from a Low-Altitude Flying Helicopter[A].Proceedings of the 2007 IEEE Interna-tional Conference on Robotics and Biomimetics[C].Sanya:IEEE,2007:178-182.
[7]MicroStrain Inc.3DM-GX1 Datasheet[Z].2005.
仿生学论文：浅谈昆虫与仿生学 篇2
作者： 学号： 学院： 专业： TEL： EMAIL: 指导老师： 题目：浅谈昆虫与仿生学
浅谈昆虫与仿生学
xxx（华南农业大学经济管理学院xxx，2xxxxx）
摘 要：在生物界中昆虫经历了长期的进化过程，发展出了许多与其所处生存环境相适应的器官系统，它们结构独特、功能奇异，因此，昆虫一直是仿生中最重要的对象之一。本文就昆虫仿生的仅展及热点，如：昆虫的形态仿生、结构仿生、感觉器官仿生、运动功能的仿生及其他特异能力的仿生进行介绍。
关键词：昆虫，仿生，功能
仿生学(bionics)是指模仿生物建造技术装置的科学，它是在上世纪中期才出现的一门新的边缘科学。仿生学研究生物体的结构、功能和工作原理，并将这些原理移植于工程技术之中，发明性能优越的仪器、装置和机器，创造新技术。从仿生学的诞生、发展，到现在短短几十年的时间内，它的研究成果已经非常可观。仿生学的问世开辟了独特的技术发展道路，也就是向生物界索取蓝图的道路，它大大开阔了人们的眼界，显示了极强的生命力。无论是在初期抑或是现在，仿生学主要以昆虫为对象的仿生研究一直是国内外的研究热点。目前,有关昆虫仿生研究的主要方向有：昆虫的形态仿生、结构和功能的仿生、感觉器官的仿生、运动功能的仿生及其他特异能力的仿生等。[1]
一、昆虫形态的仿生
昆虫形态千差万别。形态仿生是早期仿生的主要内容，主要应用于军事和航空航天领域，例如：模仿蝴蝶色彩和花纹的军事伪装设施；模仿蜻蜒翅膀上的翅痣在飞机的两翼加上平衡重锤，解决飞机因高速飞行而引起振动的棘手问题；模仿蝴蝶翅面上的鳞片随阳光照射方向自动变换角度而调节体温的原理，成功实现对人造卫星由于位置不断变化而引起温度骤然变化的控制。另外，一些昆虫巢穴的形态结构也是仿生研究的内容。在一些大型建筑中，经常模仿蜜蜂巢穴的六角形的架构设计，使建筑物具有高强度力学支撑结构，既坚固、美观，又节省建材。
二、昆虫结构与功能的仿生
由于生存环境的关系，一些昆虫在进化过程中形成了非常独特的体表微细结构，这些结构为仿生学家所关注。例如：大凤蝶的翅膀颜色是黄、蓝色，但看起来却是闪闪发光的绿色。原因乃是布满在翅膀上的微型小坑对光线的反射，人眼无法将从坑底反射的黄色光与周围两次反射的兰色光区分开来，从而感觉到的是绿色。研究如何模仿蝴蝶翅膀表面细微结构开发新型防伪技术(如防伪纸币或信用卡)已成为该领域重要的课题。
另外，人们注意到一些甲虫的体表很少黏附土壤(尽管它们常年生活在土壤和粪堆中)。坦克的履带和汽车的轮胎以及其他地面作业机械容易黏附泥土，既降低功效又缩短使用寿命。通过研究土壤昆虫(如蜣螂)的体表微观构造，发现体表的非光滑结构、体液和负性电位有利于减黏脱附，利用这些特性，进行仿生研究，解决地面机械的土壤黏附问题,开发出对土壤的黏附大为减少的仿生犁和仿生推土机铲等。[2]
三、昆虫感觉器官的仿生
在嗅觉方面，很多昆虫具有高度灵敏的嗅觉。昆虫触角上分布有不同类型的嗅觉感受器，感受器的类型不同决定了昆虫对不同化学物质的分辨率。不同的昆虫嗅觉灵敏度有差异,触角的结构以及相应的传导网络是其重要的决定因素。除了高灵敏度以外，昆虫的嗅觉感受器还具有高分辨率和高度特异性的特点。目前，各国都在加紧研制实用的仿昆虫触角的嗅觉感受器检测装置。有的直接将昆虫触角与场效应管相连组成气味物质检测系统；有的则仿昆虫嗅觉感受器排列组合研制复传感器(传感器阵列)。德国和法国科学家研究嗅觉感受器并将其用于机器人的嗅觉导航系统。美国加州大学圣地亚哥分校的的研究人员则通过研究蝗虫触角叶接收气味信号的特点，提出一种新的网络模型，其核心是神经元网络之间可以相互连接形成一个系统而使他们能识别比传统网络更多的信号。
就听觉系统而言，声源定位能力是最显著的属性之一，对有些昆虫来说，这种能力是生死攸关的。例如，昆虫(蛾类)“反捕猎”行为，可以聪明地闪避蝙蝠的追捕；神经解剖学研究表明，昆虫(蛾类)鼓膜耳仅有2个听觉感受器细胞，但能非常灵敏地侦听出蝙蝠的超声信号。因此，模仿昆虫听觉结构，研究其对声发射、接收、听信息加工及运动调控的感觉神经生物学与神经行为学原理，可望开发先进的“反声纳”装置。[3]
在视觉方面，尽管昆虫复眼结构简单，但其功能却是人和哺乳动物的单眼所不及。例如：螳螂能在0105s内一跃而起，吞下飞行中的小虫。在如此短的时间内，它需要准确测出小虫大小、飞行方向和速度，而螳螂仅靠其1对大复眼和颈部的一个本体感受器即可实现。此外,昆虫复眼还能感知偏振光、紫外光等。根据这些现象和原理，已经进行了很多成功的仿生应用，如：一次可拍摄1329张照片的蝇眼照相机；仿昆虫复眼的先进的相控阵雷达；仿昆虫复眼研制成功的空对地速度计以及偏振光导航仪。实际上，昆虫的复眼本身是一个精巧的导航控制系统，根据多年的研究发现，昆虫(特别是家蝇)具有快速、准确地处理视觉信息的能力，能实时计算出前面飞行物的方位与速度，同时发出指令控制并校正自己的飞行方向和速度，以便跟踪和拦截目标。对昆虫复眼这一定向导航系统的研究已得到广泛重视。目前，各国都在加紧昆虫视觉仿生研究，试图模仿昆虫复眼成像机理以及昆虫视觉信息处理过程，研制新型靶标自动制导系统。
在昆虫感觉器官仿生(尤其是视觉仿生)方面，国内外都给予了高度关注，目前有2个热点：一是试图研制出对化学物质高度敏感的探测仪器；二是研究昆虫复眼电子模型以及听觉和嗅觉感受器电子模型，并将昆虫的这类特异的感觉原理用于机器人导航系统，以提高机器人的自主功能水平。
四、昆虫运动功能的仿生
昆虫的运动功能奇特，形式多样，有的蠕动、有的跳动、有的飞行。昆虫独特的飞行机制一直为仿生学家所关注，如：昆虫的翅与飞行、昆虫飞行过程中的信号接收与传递、昆虫的神经组织结构及控制机理等。
上世纪末,人们提出了微型飞行器(microairvehicle,MAV)概念[4]。“微型机械飞行虫”(micromechanicalflyingInsect,MFI)或“虫型飞机”(entomopter)就是MAV的一种。由于其体积小,有很好的隐蔽性和机动性，最适于在室内或野外小范围内进行侦察;也可以攻击载人飞行器及其它目标。将MFI用于气象数据收集、环境研究等方面，可大大减少费用。美国NASA甚至计划10年后将虫型飞机用于火星探测。MFI的发展，在未来国家安全和国家经济建设等方面将起至关重要的作用，正在世界范围内引起极大的关注。美国国防部国防高级研究计划署(DARPA)从1992年就开始这种飞行器的论证工作，1995年组建了可行性研究小组，1997年拨款3500万美元制订一个为期4年的研制计划，开展了一系列的研究，近年来取得重要进展。然而，对于MFI或“虫型飞机”的研究，若采用传统的气动布局和飞行方式，可能会产生升力不足、稳定性差和控制困难等一系列问题。而微小昆虫则是大自然创造的“微型飞行器”，经过上亿年的进化和环境适应，在形态、运动方式以及利用“新型”空气动力学原理等方面,达到了近乎完美的程度。这是各国发展MFI技术加以仿生借鉴的核心。实际上,昆虫飞行功能研究(尤其是MFI研究)已经成为昆虫仿生领域最热烈的前沿方向之一。[5]
除了虫型飞机外，昆虫运动功能仿生的另一个方向是制造虫型机器人，模仿昆虫在陆地行走的腿足部结构和运动原理，研制具有昆虫足样行走能力的机器人或虫样蠕动的微型机车。这类机器人可被用于行进到崎岖不平的山路或其它非平坦地带(如：地震后墙壁倒塌的废墟中)执行特殊的任务。
五、昆虫其他特异能力的仿生
昆虫的独特自卫武器的仿生：有些甲虫在遇到敌害自卫时可喷出致命液体。美国军事专家受甲虫喷射原理的启发研制出了先进的二元化武器。另外，一些发达国家正在利用这种甲虫自卫武器原理研制二元化汽油：2个油箱分储不能独立燃烧的汽油中间体，进入发动机前才混合。或将普通汽油混入某种流体，进入发动机前再用特殊装置将其分离还原成普通汽油。
昆虫发光的仿生：一些昆虫(如：萤火虫)可将化学能直接转变成光能,，且转化效率几乎100%，而普通电灯的发光效率只有6%。模仿萤火虫的发光原理制成的冷光源使发光效率提高十几倍，大大节约了能量。此外，冷光源无论在军事上还是民用上都具有非常广阔的用途。仿昆虫化学能转换为电能和机械能也是昆虫特异能力仿生的一个重要方向，这在虫型飞机的能量供应上有非常重要的用途。
昆虫群体协作性的仿生：一些社会性昆虫，如：蚂蚁、蜜蜂等具有其特有的社会群体协作性，研究它们的这些群体习性，有的提出所谓“蚂蚁算法”,有的将其原理用于研究MAV和多个机器人之间的协同工作。
综上所述，昆虫种群庞大、种类多样、外形迥异、功能奇特，是极其重要的仿生资源。目前，国际上昆虫仿生的热点主要集中在仿昆虫飞行器研制虫型机器人或虫型飞机、仿昆虫触角感受器开发生物传感器、仿昆虫视觉及其控制机理进行机器人导航、仿昆虫表面微结构研制新型脱黏附和防伪技术、仿昆虫感觉系统研制声纳Π反声纳装置等。我国在这些方面虽然都有所涉及，但尚不够深入，整体水平也有待提高。今后需要大力开展昆虫仿生资源研究，面对数以百万计的昆虫种类及其复杂精妙的结构，昆虫仿生必然有所选择，常见的昆虫易被作为仿生对象，但不太常见功能更为奇特的昆虫(如：在极端环境下生活的昆虫)更是值得开发的资源。与此同时,要进一步开拓仿生研究的新领域，尤其要注重昆虫特异能力(如：特异的感觉能力、信息处理能力)的仿生。只有通过多学科的交叉，结合现代生物学、工程学、微电子学等学科的研究技术和方法，加强对昆虫器官组织和细胞的生物学特性、功能及其机理的基础研究，深入理解昆虫各器官系统的生理学、生物化学、生物信息学等生物过程及其相关功能，才能在比较高的层次上更加有效地进行昆虫仿生。
参考文献：
军事发明：仿生动物 篇3
响尾蛇与响尾蛇导弹
蛇在夜里捕鼠主要靠的是“热眼”。热眼并不是眼睛，而是一个热感应器。响尾蛇的“热眼”长在眼睛和鼻孔之间的一个小小的颊窝。由于野鼠等小动物身上总会散发出一定的热量，散发出一种红外线，这种红外线一旦被“热眼”捕捉到发热物体所处的位置，蛇便迅速出击。科学家模仿蛇的“热眼”，制造出红外线定位器，安装在弹道导弹上，用来感受飞机等目标的红外辐射，引导导弹击中目标，这就是现代化的尖端武器——响尾蛇导弹。
蝙蝠与雷达
蝙蝠的眼睛极度近视，在夜里捕食靠的不是眼睛，而是“回声定位”。在蝙蝠头部的口鼻上长着被称作“鼻状叶”的结构，这是一种奇特的超声波装置。如果碰到障碍物或昆虫，它发出的超声波就会被反射回来，被它超凡的耳廓接收并传递给大脑。它的超声探测分辨率极高。科学家在蝙蝠回声定位系统的启发下，研制出声音雷达，只不过发射的是电磁波而不是超声波。用它可以测定出飞机、舰船等物体的位置。雷达是军事上必不可少的电子装备，而且在科学研究领域中也起着不可替代的作用。
蜓眼与反导弹监测仪
蜻蜓在飞行中捕食靠的是两只硕大的复眼。昆虫的复眼里有许多六角形的小眼所组成。小眼越多视力越佳。蜻蜓的复眼有两万个之多，是其他昆虫的几倍甚至是几十倍。科学家通过对蜻蜓复眼的研究，设计制造出高精度、高灵敏度的电子监测仪器，从而改善了飞机的性能，提高了反导弹系统的精确度。
飞蛾与自控导弹
飞蛾在夜间活动时，是依靠月光来判断方向的。飞蛾看到灯光时，错误的以为是月光，结果“扑火”葬送性命。飞蛾扑火给兵器专家以启示，为一种自动控制的远程导弹的弹头，安装一个有光电仪器和望远镜组成的类似飞蛾那样的“眼睛”，以一定的角度对着一颗明亮的恒星，导弹发射后，就沿着预定的航线飞行，而那“眼睛”始终跟踪这颗恒星并保持着既定的角度。如果导弹偏离了航向，“眼睛”就会把偏差传到导弹的“电脑”，从而计算出精确的角度，然后命令操纵舵修正航向。
变色龙与变色材料
变色龙是一种变色蜥蜴。它的皮肤内有控制变色的色素细胞，神经中枢会根据周围环境色调来改变身体的颜色，让体色与周围色调协调一致，从而保护自己或方便捕食。当今人们已经能够用某种特制的变色漆，将它涂在易发热的机器设备上，能够通过显色的变化及时发出警报，以免损坏机器。近年来，又研制出一种对光线变化极为敏感的化学纤维，用它做成军装就再也不需要伪装了。
青蛙与电子蛙眼
青蛙的眼睛对静止的东西视而不见，而对运动着的物体却明察秋毫，并且能迅速地确定其方位和速度，并选择最佳的进攻时机。通过对蛙眼的进一步研究，科学家们根据蛙眼的视觉原理，研制出多种电子蛙眼。一方面改进了雷达系统，提高了雷达的抗干扰能力，有效地把预定要搜索的目标与其他起干扰作用的物体分开；另一方面电子蛙眼又可以成为机场调度员的出色助手，监视飞机的正常起落，避免撞机事故发生。国外还有的利用电子蛙眼跟踪卫星。
电鱼与人造电波发射机
当陆地上的无线电通讯相距万里之遥畅通无阻时，水下通讯还困难重重。用无线电与水下150米处的潜艇联络时，发射功率要高达几兆瓦，但一条1千克重的电鱼，只放出微弱的电波，就可以与几百米外的同伴进行联系，甚至还能将讯号发射到空中。电鱼这种非凡的本领，令科学家惊讶不已！他们研究了电鱼的发射点讯号的机制，制造出了水下电波发射机。
尺蠖与新型坦克
尺蠖（huò），俗称“量地虫”，是一种很有趣的毛虫，行走时身体一伸一曲，像一把尺子在量地似的，因此被命名为“尺蠖”。兵器专家根据尺蠖的运动方式，设计出一种新颖别致的轻型坦克，这种坦克能够一伸一曲地前进，因此可以轻松的越过较大的障碍物，从而提高坦克的通行能力。当它隐蔽在掩体里，还能升高炮塔进行射击，然后再隐蔽起来。
夜莺与天文导航仪
控制仿生 篇4
鱼类在水中具有游动效率高、机动性能好以及对环境扰动小等优点[1], 仿生鱼技术的研究已经成为仿生机器人方面的热点之一[2]。鱼类推进机理的研究引起越来越多研究者的兴趣, 越来越多的理论研究为仿生鱼技术的发展起到了非常重要的作用。如今, 仿生机器鱼的研究正朝着多学科结合、多目标任务控制的方向发展[4]。
本文针对以上现象以“波动推进理论”[3]为理论基础, 通过MATLAB仿真仿生机器鱼在摆动过程中的姿态曲线, 提取了鱼体脊椎的抽象物理模型, 同时, 以波动推进理论为控制理论结合时序控制算法, 实现了仿生鱼的运动控制。
1 仿生鱼物理结构分析
鱼类身体的构造是由于数根脊椎骨连接而成的, 所以鱼类摆动的身体可以看成一系列的铰链连接组成的摆链系统。根据波动推进理论[2]的分析, 可以提取鱼类摆动部位的结构形态的物理模型, 模型中相关参数有:摆动部位占鱼身总长的比例 (K) , 摆动关结数 (N) , 以及各关节之间的长度比例 (L1:L2:…:Ln) 。K越大游动效率越高, N的大小决定了摆动关节部分的平滑程度, 其中各个摆动关节长度之比为如下图1。
在该结构中, 关节n的摆动角度θn的范围为0～2π, 在笛卡尔坐标系中, 假设摆动关节点坐标为Pn (xn, yn) , 则将该坐标系下的关节点坐标转化在极坐标系中, 可表示为:
故可以推出得出各个摆动节点的轨迹为:
根据以上的关节点坐标, 可以通过调节舵机角度θ的值, 使得仿生鱼在游动时使流体产分离, 并且在尾部产生漩涡。
2 仿生鱼姿态控制分析与仿真
按照波动推进理论, 鱼体波动的形式决定了鱼的游动性能和游动效率。研究人员对各种采用身体波和尾鳍推进方式的鱼类进行了研究, 发现这些鱼类的身体波曲线可以用一个波动方程来表示, Light Hill等人在多年的研究基础上提出的鱼类游动时身体波的方程[3,4,5]表示如下:
ybody是鱼体的横向位移, x是鱼体的轴向位移;K是体波数K=2π/λ, λ是鱼体波的波长, C1是鱼体波波幅包络线的一次项系数, C2是鱼体波波幅包络线的二次项系数, ω是鱼体波频率 (ω=2πf=2π/T) 。根据仿生机器鱼的各项物理参数, 经过多次的尝试得出了较为理想的摆动曲线方程:
利用MATLAB对该曲线方程进行仿真, 如图2:
根据仿真的姿态曲线, 通过对每条姿态曲线进行取样, 可以得出图3中的效果图。该图真实的描述了本文设计的仿生机器鱼的摆动轨迹, 整体上达到平滑的摆动效果。
3、总结
本文对仿生机器鱼的各项参数进行了多次试验, 并且所设计控制算法上经过多次的调试, 解决了仿生机器鱼在水中的动态平衡问题, 基本实现了在模拟仿生机器鱼在水中的游动状态。
本文从仿生机器鱼的机械结构设计上, 给出了简化模型的方式, 并且根据波动推进理论得出的波动推进曲线, 采用取样控制的方案, 既结合了摆动过程中的摆动节点的非线性特征, 同时也根据柔性鳍波物理模型, 提出了控制方案的设计思路。
参考文献
[1]张志刚, 王硕, 桑海泉.仿生机器鱼玩具的机构设计、仿真与实现[J].机器人技术与应用, 2004:30～31.
[2]梁建宏, 王田苗, 魏洪兴.水下仿生机器鱼的研究进展Ⅰ-鱼类推进机理[J].机器人, 2002:107～109.
[3]Light Hill MJ.Aquatic Animal Propulsion ofHigh Hydrom echanical Efficiency.Journal of.FluidsMechanics, 1970.Mech.44:265～301.
[4]曹长江, 张琛, 冯建智.多微型机器人系统的协调策略的研究[J].机器人, 2001, 23 (3) :285～288.
[5]周志强, 王志良等.仿生机器鱼的设计及其运动控制研究[J].微计算机信息, 2006:252～259.
仿生科普作文 篇5
403 邓皖宁
今天，我看了一个章鱼捕食的视频，章鱼的爪子可真奇怪，它捕食时，只需要抱住食物，就可以逞凶了。这是怎么回事呢？
原来，章鱼的爪子上布满了吸盘，每个吸盘强健有力。如果斗不过敌人，它就会把触手断掉，自己赶快逃命。它的吸盘表面是凹下去的一个个小洞，平常是紧闭的，但遇到猎物，就会像活塞凸了出来，形成了吸力。再加上它的爪子带有黏液，所以很容易把东西吸起来。
根据章鱼的吸盘，我想发明一个吸盘车。就是将吸盘安装在普通汽车的轮胎上，每个吸盘后都安装一个可伸缩的东西，如果吸盘坏掉了或用的时间久了，只需要按一下坏的吸盘控制仪器，伸缩仪器就会把吸盘顶出来，再换上一个吸盘到仪器上。当然还要加点黏液和油，防止吸盘拔不下来。
这样，它在冰上开车时不会滑倒，只要有足够的吸力，还可以开到墙上去，不再出现堵车现象。要是不小心坠入悬崖，你只要按一下车上的控制吸盘，车子全身都会伸出吸盘，使车子坠落不会损毁。如果有石头砸向车子，吸盘也会将石头吸住，使车身不受到损坏，再启动吸盘轮子，爬上峭壁。
仿生建材前景广阔 篇6
结构仿生建材
结构仿生建材是通过研究生物肌体的构造，建造类似生物体或其中一部分的建筑材料，通过结构相似实现功能相近。
在建材的结构上，人们利用仿生学的原理，取得了很大的成效。以蜜蜂为例，它不仅是蜂蜜和蜂乳的酿造者，而且还是生物界出色的“建筑师”。蜜蜂用蜂蜡建造起来的蜂巢是一座既轻巧又坚固、既美观又实用的杰出建筑物。轻质高强，是建筑材料的发展方向。人们从蜂巢上获得了启示，为了减轻钢筋砼的自重，创造发明了蜂窝泡沫砼，如加气砼，还有泡沫塑料、泡沫橡胶、泡沫玻璃等等。实践证明，这些内有气泡的蜂窝状材料，既隔热又保温，结构轻巧又美观。目前，它们已在国内外获得了广泛的应用。
日本在普通砼中掺加约1%的长纤维状分子添加剂，这种纤维互相缠成网状，其形状模仿蜘蛛织成的网，使纤维分子的黏度增加，包住砼的组分，从而可使砼在水中凝固，便于水下工程的施工。
迄今为止，所有的材料都是死物。能不能研究出一种具有生命活力的材料呢？国外有的科学家设想，通过生物工程的研究，把大海里的珊瑚虫繁衍成的礁岛，改造成一种能按人的要求而生成的高楼、大坝、码头等建筑物，或在陆地先造出房屋的金属网状结构，然后放到海里，让软体动物填满网格，等到动物死去，大量动物尸体硬化，由珊瑚和贝壳等复合材料构成的房屋结构也就完成了。用这种方法建造海洋工程及沿海房屋，具有施工方便、就地取材、速度快、造价低等优点。
色彩和质感仿生建材
色彩和质感仿生建材就是模仿生物的色彩和质感研制出千姿百态、五彩缤纷的建筑材料。
在我国有些建筑物内墙和地面装饰采用木纹色，这种淡而不薄、厚重相宜的色彩，能给人朴实、自然的感觉，可缓解人们因工作而引起的疲劳与压力，达到较好的视觉效果。近年来，墙体装饰材料中的乳胶漆，其色彩有的采用自然生物的颜色，如“丁香紫”、“香草黄”、“象牙白”、“浅豆绿”等色调，这种活泼清新的色调，温馨亲切，给人以美的享受，使人得到健康休闲的满足。最近日本等一些国家研制出一种绒面涂料，除具有普通涂料的作用外，还模仿动物的皮毛和肌肉，赋予涂膜以弹性的、柔软的手触感和较好的消光效果，受到了市场的欢迎。荷兰BOLL公司推出一种新型的塑料地板，是一种用维尼龙和PVC制成的复合材料，具有防腐、防静电和抗老化的性能，其下部有气垫底层，具有隔热保温的效果，踩上去富有弹性，宛如行走在羊毛地毯之上。英国已经研制成功一种具有多种用途的弹性水泥，具有较强的抗冲击和折断的能力。
化学成分仿生建材
化学成分仿生建材就是研究和模仿生物体的化学成分及其形成的机理，并以新的方式来生产出新型建材。
在化学成分上，人们发现，生物汲取自然界的物质元素构成它们的自身，并不像人类研制材料那样大动干戈，采用很多种元素，把成分和配比弄得很复杂，并且很多材料还要经过高温烧结。许多生物仅用了一百零几种元素中的十几种，就组成了仪态万千、性能优异的材料。例如，贝壳的抗张强度高达100兆帕，远大于水泥。其实，它的成分很简单，95%是石灰石（碳酸钙），5%是蛋白质，两者粘结成坚不可摧的整体，而且并不需要高温烧结。这就给人们很大的启示，促使人们寻找化学组成简单、工艺简化并节省能量、减少环境污染的新型建材。如美国国家实验室已研制出一种高强度聚合物水泥，它是用水溶性糠醛醇的聚合物制成的，组分少，制造工艺简单，可快速修补公路、桥梁和机场跑道。
功能仿生建材
功能仿生建材的目的是使人造的材料具有或能够部分实现高级动物丰富的功能，如思维、感知等，也就是说能够研制出智能化材料。
解剖学研究表明，动物或人的皮是具有多功能结构的典型智能生物材料之一，具有可弯曲变形、调节温度、防水、阻止化学物质和细菌进入及自修复等功能的复杂层状组织。人们从这里受到了启发，在一些高层建筑上，应用恰当的装饰材料，将风、光等对建筑产生负面影响的能量，转化为高层建筑环境所需能量的一部分，化害为利，变废为宝，创造更富有活力的生存与行为环境，并满足节能的要求。如比利时首都布鲁塞尔马蒂尼大厦的建筑师和工程师，模仿变色蜥蜴的皮肤对环境能做出反应的特点，在建筑界面外装置一层遮阳百叶作双层皮，通风管道置于双层皮中。夏天可阻挡阳光，减少冷气负荷，冬天双层皮又可用作日光采集器，加热空气预热空调。这样既达到了装饰的目的，又达到了节能的目的。建筑物的防水材料一直是个难题，而人和动物的皮肤具有很好的防水性能。汗液可以渗透出来，外面的水却透不进去。这一巧妙功能，促使人们正在探索皮肤微观结构的奥秘，它将为解决建筑防水问题开辟新的途径。
荷叶出污泥而不染，历来为世人所称赞，人们利用这种“荷叶效应”，研制出各种自洁净、防污渍材料和涂料，如自洁净玻璃，还有利用自洁净技术生产出的涂层涂覆在水龙头、门窗等不会沾上手印及污渍等。
目前建筑物所使用的承重材料主要是钢材、木材、石材、混凝土以及钢材和混凝土的组合材料，这些材料的弹性模量大，即刚度较大，在外力作用下的变形几乎用肉眼看不出来。多数材料在接近极限荷载时发生突然破坏，使得人们无法进行破坏前的预防。而生物体的功能之一就是能向外界传达自身的异常状态。例如人体，当睡眠不足的时候，眼睛会充血；体内被病菌感染时，体温会上升发烧等等，这些都是对自身的异常状态向外传递信号。具有自我诊断、预告破坏功能的材料就是在这种思想的启发下进行研究的。
功能仿生材料更加高级的功能有自我调节和自我修复功能。即材料能够根据外部荷载的大小、形状需求等，对自身的承载能力、变形性能等进行自我调整，符合外部作用的需要，这种性能就是自我调节功能。自我修复功能是指材料本身具有类似于自然生物的自我生长、新陈代谢的功能，对遭受破坏或伤害的部位能够进行自我修复、自愈再生，这样建筑物的寿命可大大延长，安全性也会得到很大提高。
智能建材的探索和研究虽然还刚刚起步，但是随着材料科学、电子技术以及自动控制手段的不断进步，必将不断取得新的进展，未来的建筑及所用的材料将走向智能化。
控制仿生 篇7
仿生双足机器人具有出色的移动性能, 因而对其行走控制的研究成为当今仿生机器人领域中最前沿的问题。采用有线控制方式对机器人的移动性能产生较大约束, 而传统的无线调试方案, 没有可视化界面, 互动性差, 功能单一;电脑作为无线调试终端体积庞大, 不适合携带。因此寻找新的适合于移动机器人的控制终端对于仿生机器人的发展具有重要作用。
近年来Android智能手机广泛普及, 其系统良好的开源性和java语言的可移植性使手机正逐渐发展为众多设备的控制终端。文章就智能手机与仿生机器人的交互式控制原理进行介绍。重点讲解仿生机器人调试平台手机app的研究与设计。
1总体设计方案
本设计方案基于微控制单元 (Microcontroller Unit;MCU) 、Android智能手机和HC-06蓝牙模块进行研究。整体控制流程如图1所示, 手机作为控制终端负责发布指令和接收处理传感器采集的信息, 并通过可视化界面予以显示。手机与仿生机器人之间的信息交互通过安装在单片机上的蓝牙模块和手机自带蓝牙模块进行通讯。
2硬件设计部分
HC-06蓝牙从模块与单片机通过总线驱动器连接。当总线驱动器的T/R端口接地时, 蓝牙从模块发送数据, 机器人接收来自手机终端的指令。此时BTXD端口与单片机BRXD端口连接;当T/R端口为高电平时, HC-06蓝牙从模块作为数据接收端, 手机终端显示单片机反馈的各种数据。此时RXD端口与单片机TXD端口连接。蓝牙模块默认波特率9600波特。模块上电以后绿色指示灯不断闪烁等待主蓝牙模块连接, 建立连接后绿色指示灯变为常亮。
3上位机控制平台设计
Android是基于Linux系统为核心的开源手机操作系统。在集成开发环境Eclipse IDE和Android SDK上利用Java语言开发文章所需的Android应用软件:仿生机器人移动控制平台。软件编写过程中主要用到Android手机系统的活动、服务、广播接收者等组件。
3.1界面设计
为了操作的便捷性, 调试平台主界面设计的比较简洁, 包括蓝牙连接、参数设置、状态查询、控制平台和系统帮助五个进入二级界面的图形按钮。参数设置界面可对仿生机器人的运动参数进行设置。状态查询界面可对仿生机器人的速度、位置和AD值进行实时查询。主界面如图2所示。
通过主控界面下的蓝牙设备连接界面可以进行蓝牙配对。该界面打开后有两个视图列表控件, 一个是曾经配对过的设备, 另一个是对话列表。设备连接界面如图3所示。
3.2手机蓝牙编程
使用蓝牙设备进行通信, 需要完成4个步骤:蓝牙设置、蓝牙配对、蓝牙连接和数据传输。安卓开发中所有涉及蓝牙的活动都要请求Bluetooth Adapter来实现, 蓝牙设备之间的数据传输是通过Socket通道实现, 必须用到蓝牙串口服务的通用唯一识别码UUID。当手机与蓝牙从模块进行连接时, 它将携带一个UUID用来唯一标识它要连接的服务, UUID必须匹配, 连接才会被接受。此外仿生机器人调试平台在调用手机的蓝牙功能时需要权限, 因此要在Android Manifest.xml文件中声明蓝牙允许的使用权限:
3.3指令发送和数据处理
实现数据的发送要对每个button按钮设置监听器, 当触发按钮的时候才能利用建立好的通信信道发送数据。数据的处理与发送都在监听器里的Datachanged () 方法实现;部分程序示例如下:
4结束语
文章介绍了利用蓝牙技术实现手机对机器人的远程控制。克服了传统的遥控技术如红线遥控和调频遥控技术的部分缺点。该控制系统具有移动性强、便携式好、成本低、不依赖网络等特点, 经过测试, 设计的上位机软件能够在android手机终端顺利安装并流畅运行, 可实现对机器人运动的控制和行走状态的实时监控, 该设计还可以进一步完善, 包括增加障碍感应, 摄像功能等。
摘要：文章利用Android智能手机作为上位机, 将带有HC-06蓝牙从模块的MCU作为仿生机器人的遥控信号接受端, 利用蓝牙作为媒介完成对仿生机器人运动的控制。由此实现了以智能手机为依托的新型仿生机器人控制平台的设计。
关键词：Android智能手机,仿生机器人,蓝牙模块
参考文献
[1]Pu Changjiu, Wang Yujun.A method for lateral motion planning on the biped robot.The proceedings of IFITA 2009, 2009, 5.
[2]Bluetooth specifications Version 2.0+EDR.370650.http://www.docin.com/p57455142.html.
[3]蒲昌玖.基于蓝牙的机器人通信控制方法[J].重庆教育学院学报, 2010, 11.
[4]肖爱平, 孙汉旭, 谭月胜.基于蓝牙技术的机器人模块化无线通信设计[J].北京邮电大学学报, 2004, 2.
控制仿生 篇8
移动机器人中轮式和履带式移动方式已获得了广泛应用,但是足式移动方式具有轮式和履带式移动方式所没有的优点:足式移动机器人的立足点是离散的,通过合理选择支撑点,能灵活调整行走姿态,具有良好的避障和越障能力[1]。步态是足式移动机器人的迈步方式,是足式移动机器人各条腿协调运动的规律,是其它控制算法实现的基础[2]。本文设计的六足机器人主要仿生“六足纲”昆虫的行走步态,采用多舵机分时控制,实现前进、后退、左转、右转等全方位的六足步态,并具有避开障碍物的功能。
1 六足机器人步态分析
六足步行机器人的步态是多样的,其中三角步态是六足步行机器人实现步行的典型步态[3]。
1.1 三角步态介绍
“六足纲”昆虫步行时,一般不是六足同时直线前进,而是将三对足分成两组,以三角形支架结构交替前行。目前,大部分六足机器人采用了仿昆虫的结构,6条腿分布在身体的两侧,身体左侧的前、后足及右侧的中足为一组,右侧的前、后足和左侧的中足为另一组,分别组成两个三角形支架,依靠大腿前后划动实现支撑和摆动过程,这就是典型的三角步态行走法[4],如图1所示。
图1中机器人的髋关节在水平和垂直方向上运动。此时,B、D、F脚为摆动脚,A、C、E脚原地不动,只是支撑身体向前。由于身体重心低,不用协调Z向运动,容易稳定,所以这种行走方案能得到广泛运用。
1.2 机器人行走步态分析
本设计共使用12个舵机用于步态实现。每条腿上有两个舵机,分别控制髋关节和膝关节的运动,舵机安装呈正交,构成垂直和水平方向的自由度。由于腿只有水平和垂直平面的运动自由度,所以只考虑利用三角步态实现直线行走。分别给12个舵机编号(1~12),如图2所示。
1.2.1 直线行走步态分析
由1、2、5、6、9、10号舵机控制的A、C、E腿所处的状态总保持一致(都是正在摆动,或者都在支撑);同样,3、4、7、8、11、12所控制的B、D、F腿的状态也保持一致。当处在一个三角形内的3条腿在支撑时,另3条腿正在摆动。支撑的3条腿使得身体前进,而摆动的腿对身体没有力和位移的作用,只是使得小腿向前运动,做好接下去支撑的准备。一个步行周期中每条腿支撑和摆动的具体实现过程如图3所示。
由图3可知六足机器人行走一步的过程是:1)如图3(a)所示,6条腿都着地支撑,设为初始位置,然后A、C、E腿抬起准备前行。2)如图3(b)所示,A、C、E腿向前运动,然后落地支撑,同时B、D、F腿抬起摆动,作姿态调整,重心前移。3)如图3(c)所示,由于重心前移,A、C、E腿支撑并相对向后运动,B、D、F腿向前摆动,然后落地支撑,同时A、C、E腿抬起摆动,作姿态调整,重心前移。4)如图3(d)所示,重心前移,B、D、F腿支撑并相对向后运动,A、C、E腿向前摆动,然后落地支撑,同时B、D、F腿抬起摆动,为下一步准备。
1.2.2 转弯步态分析
本文设计的机器人采用以一中足为中心的原地转弯方式实现转弯,图4为右转的示意图,图中E腿为支撑中足。右转弯运动的过程如下:1)首先A、C、E腿抬起,然后A、C腿向前摆动,E腿保持不动,B、D、F腿支撑。2)A、C、E腿落地支撑,同时B、D、F腿抬起保持不动。3)A、C腿向后摆动。整个运动过程中B、D、E、F不做前后运动,只是上下运动。
2 步态运动控制器设计
利用AT89C52单片机作为控制单元,舵机作为执行单元共同搭建六足机器人步态运动控制器。
2.1 步态运动控制器硬件
2.1.1 单片机AT89C52
AT89C52单片机是美国ATMEL公司的低电压、高性能CMOS8位单片机,片内含8k字节的可反复擦写的只读程序存储器和256字节的随机存取数据存储器。AT89C52有40个引脚,32个外部双向输入/输出(I/O)端口,同时内含2个外中断口,3个16位可编程定时计数器,2个全双工串行通信口,2个读写口线,AT89C52可以按照常规方法进行编程,也可以在线编程。
2.1.2 舵机
舵机是一种结构简单的、集成化的直流伺服系统,其内部结构由直流电机、减速齿轮、电位计和控制电路组成。舵机采用的驱动信号是脉冲比例调制信号(PPM),即在通常为20ms的周期内,输入以0.5~2.5ms变化的脉冲宽度,对应的转角范围从O°变化到180°,脉冲宽度与转角呈线性关系[5]。控制信号线提供一定脉宽的脉冲时,其输出轴保持在相对应的角度上。
若舵机初始角度状态在0°位置,那么电机只能朝一个方向运动,所以初始化的时候,应将所有电机的位置定在90°的位置。六足机器人腿部偶数舵机转轴为垂直运动,控制机器人腿部抬起和放下;奇数舵机转轴为水平转动,控制机器人腿部前进和后退。通过AT89C52的P0、P1端口对这12个舵机控制端进行控制[6],实现基本步态,表1为单片机端口P0、P1的分配表。
2.2 步态运动控制器软件设计
2.2.1 软件设计的基本思想
软件的主要功能是使机器人在向前行进的过程中能够避开障碍物,即对12个舵机进行调度和控制。可将软件功能分解为:要避开障碍物,首先应探测到障碍物,其次能绕开障碍物,这就要求机器人能完成前进、后退、左右转弯等动作。动作协调完美性的实现,要求了在任一时刻能够做出12个舵机的同步动作控制。
软件设计中首先将前进、后退、左右转弯等高层动作分解,具体到完成一个动作各个舵机所要完成的动作和时序。采用模块化的设计思想,将对所有舵机的调度做成一个独立的模块,所有的高层动作都是通过调用底层舵机控制的模块来完成。多个舵机的控制是采用多舵机分时控制[5]的思想来实现的。程序的模块化构成如图5所示。函数说明如下:
front_walk(uint step1):机器人向前运动函数,step1为前进的步数。
back_walk(uint step2):机器人向后运动函数,step2为后退的步数。
left_turn(uint step3):机器人左转运动函数,step3为转弯时的转角。
right_turn(uint step4):机器人右转运动函数,step4为转弯时的转角。
avoid(uchar s):避开障碍物函数。
_set_time(uint x1,uint x2,uint x3,uint x4,uint x5,uint x6,uint x7,uint,x8,uint x9,uint x10,uint x11,uint x12):舵机转角控制函数,所有高层动作的支持函数。12个参数对应12个舵机所要达到的目标角度。
2.2.2 多舵机分时控制思想
由于单片机在某一时刻只能对一个中断进行响应,所以一个单片机驱动多个舵机的条件是每个舵机产生的中断时间间隔必须相互错开。由于舵机的驱动周期内的2次电平变化的最短时间是高电平的脉宽时间,即0.5~2.5ms,那么在不产生冲突的情况下,若分时对多个舵机产生驱动信号,则最多可实现的驱动舵机数量为20/2.5=8。就是说一个单片机最多可以控制8个舵机运行在完整转角空间。
采用多舵机分时控制的思想,可实现对12个舵机的协调控制。将12个舵机分成两组,定时器0控制舵机1~6,定时器1控制舵机7~12,每个定时器在一个周期内将产生12次定时器中断(6个舵机12次电平变化)。定时器在计数时不占用CPU时间,两个定时器在忽略中断执行时间时,对舵机控制是并行的。
2.2.3 系统主程序流程图
在单片机编程时应合理使用子程序,使编程的思路清晰并容易检查错误。编程前要了解单片机的程序运行特点,尽量避免主观想象造成的错误。本文在这里只给出仿生六足机器人步行的主程序流程图,如图6所示。其中障碍物信息是利用一对安装在机器人前部的,做成两个长长触角样的微小动开关传感器采集。
3 结论
通过对六足机器人步态的分析,按照多舵机分时控制的思想,运用AT89C52的两个定时器控制12个舵机的控制脉冲时序,实现了仿生六足机器人基本的步态运动控制器设计,可实现机器人前进、后退、左转、右转并能避开障碍物的全方位六足步态。
参考文献
[1]H.J.Weidemann,F.Pjeifei,J.Ehze.The six-legged TUM walk-ing robot[C].Advanced Robotic System and the Real World,IROS'94 Proc of the IEEE/RSJ/GI International Conference,1994:1026-1033.
[2]苏军,陈学东,田文罡.六足机器人全方位步态的研究[J].机械与电子,2004(3):48-51.
[3]徐小云,颜国正.微型六足仿生机器人及其三角步态的研究[J].光学精密工程,2002,10(4):392-396.
[4]韩建海,赵书尚,李济顺.六足机器人行走步态的协调控制[J].机电工程,2004(21):8-10.
[5]赵杰,郭亮,臧希,等.应用于六足机器人平台的舵机控制器设计[J].机械与电子,2005(9):48-51.
控制仿生 篇9
The formation control research can be divided in three major approaches.First the virtual structure approach was first presented in[5].In this approach control methods are developed to force a group of robots to behave in a rigid formation.The merit of this method is that it is easy to assign the group behavior of robot and it has feedback of formation.However, the virtual structure forms a rigid formation having problems related to high computational cost and breaking formation in cases of dynamic mobile obstacles.
The second type of formation control is The leader following approach[6—8].It is based on the existence of a leader (real or virtual) robot that follows the precise desired trajectory when the other robots of the formation just follow it, maintaining a preset distance and relative position.However, this algorithm has two obvious disadvantages.One is that, there is no clear formation feedback.The second disadvantage is that, if the leader is failed, the entire formation cannot be kept and the consequence will be very serious.
The third type of formation control is the Behaviorbased formation control method.it was first presented by Balch and Arkin[9].The behavior-based algorithm can obtain real time feedback and it has complete distributed control structure.The collaboration of robot is implemented by sharing the knowledge of relative position, status, etc., among robots.Therefore, the merits of behavior-based algorithm are parallel, distributed and in real time.
In recent year, with the rising of artificial intelligence science, a group of intelligence optimization algorithms are proposed, such as genetic algorithm[10], ant colony algorithm, particle swarm optimization algorithm (PSO) [11]and the artificial fish swarm algorithm, and the applications in some areas by these algorithms have shown strong ability to solve previous problems.
The artificial fish swarm algorithm is a new intelligent optimization algorithm was first proposed in[12], which imitate the swarm intelligence of fishes, the AF-SA has been used multi-robot task scheduling[13]and many other optimization problems.
In this work, the AFSA algorithm is employed for the formation control of nonholonomic mobile robots.Speed and steering commands for the vehicles are derived from the AFSO algorithm in order to establish the required formation, in this context and for smooth robot maneuvers waypoint guidance[14]is implemented.Moreover, in order to prevent inter-robots collisions, an avoid robots behavior was incorporated to the formation control.
1 Artificial fish swarm optimization
The artificial fish is a swarm intelligence-based algorithm where potential solutions are coded as artificial fishes;the algorithm can be described as:
(1) Initial the artificial fishes randomly across the solution space.
(2) Set maximum iteration.
(3) While not terminate, do the five steps of the algorithm;select behavior, swarm behavior, follow behavior, prey behavior and finally the bulletin where the fitness function of every fish is evaluated.
(4) Select the best fitness and the best fish.
(5) Terminate if maximum iteration expires.
2 Proposed Approach
2.1 Problem statement
We consider a group of N nonholonomic mobile robots.For simplicity, we assume that each robot has the same mechanical structure as shown in fig.1.
The motion of the mobile robots under formation control can be described by the following motion model:
Where Xik+1denotes the state of the ithrobots at time k+1, it consists of its coordinate xy and headingθwith respect to the x axis Ukiis the control input of the robot containing the translation velocity vkiand the steering rateγki, T represents the sampling time.
The goal of the formation control is to derive a sequence of controls for each robot i at each step time k.
Such that theposition
Followed by the roboti is attracted to its desired formation position determined by a high level path planner.
In this work the desired formation positions of each robot at each iteration is determined by the leader-referenced method introduced in[9], in this method each mobile robot determines its formation position in relation to the lead robot.The leader does not attempt to maintain formation;the other robots are responsible for formation maintenance fig.2.
The formation control objective is achieved by deriving appropriate commands velocity vkjand turn-rateγkjto drive the follower j such as the tracking errors ex, ey, eθdefined in equa. (4) decay to zero.
In our caseθvrepresent the lead robot of the formation heading, when this objective is achieved the follower robot coincides with its desired formation position.
The minimization of formation tracking error is set as an optimization problem, the control commands in (2) are derived from an evolutionary computation technique, the artificial fish swarm algorithm for its simplicity, robustness and fast convergence, is adopted in this work.
2.2 Waypoint based tracking
In this work the formation is treated as a tracking problem, due to the nonholonomic constraints of the robots they cannot turn abruptly, in this context waypoints are constructed such that the robot approaches its desired position with the angle of arrival aligned with the lead robot of the formation, without the use of waypoints rapid turns may result when the desired position is approached[15].
The waypoint is formulated as a secondarydesired position fig.3 xwywsuch as
Where subscriptv stands for the desired position and k stands for the position of the follower robot at instant k, F=0.25 is aweigting factor determined experimentally, θvrepresent the lead robot formation heading.
2.3 The artificial fish structure
In our work the drive commands, using AFSO algorithm, are derived in de-centralized process, that means each robots contain an AFSO algorithm which is used to derive the drive commands, a major advantage of this approach is that the computational load on a centralized process is reduced.
Let’s consider M mobile robots for the formation control,
-each mobile robot is equipped with an AFSO algorithm.
-there are M sequences of control commands to be determined
In this context, the robot speeds and steering commands are coded as artificial fishes
Where i is the robot index, f is the index of the artificial fish.
Then the implementation steps of the AFSO in the robot i can be described as follow.
STEP 1:Set the relative parameter of the AFSA algorithm, like the maximum iterations maxitr, number of artificial fishes N the perceived distance VD, crowding factorδ, The maximum number of attempts Tnand the maximum step size STEP.
STEP 2:Initialize the fish swarm:generate N artificial fishes randomly.
STEP 3:for each fish f, it executes the follow behavior at first, if all the positions of fellows are inferior to its current position, the follow behavior failed;it changes to execute the swarm behavior.If the center position of its fellows is inferior to its current position, the swarm behavior failed.It executes the prey behavior.If there doesn't exist a better position the prey behavior failed.
STEP 4:save the best fish and its corresponding fitness function.
STEP 5:Check the ending conditions.If iteration>maxitr, exit it and output the current global best fish;otherwise, return to STEP 3.
Then the global best fish I used for the motion of the robot i.
2.4 Construction of the fitness function
The goal of the formation tracking is to move the robot toward its desired position by minimizing the translation and angular errors, to this end the problem is set to the AFSO as an optimization problem, deriving the speed and the steering commands in order to minimize a fitness function.Consequently, the fitness function of the artificial fishes is defined as follows.
For each artificial fish, calculate the waypoint errors
The fitness function is then presentedas:
The best fitness is the smallest fitness value among the artificial fishes.
From the definition above we can see that when the robot is locatedfar away from its target the translational error dominates.Alternatively the angular error dominates when the robot is close to its desired formation position.In order to get a feasible solution for the control commands speed and steering, the artificial fishes values should be bounded,
For a smooth motion the robots are not allowed to move backward
2.5 Robot avoidance behavior
In the formation control the path required to reach the next desired formation location may introduce collision between robots and since collision was not considered in the AFSO routines.Therefore, a collision Avoidance strategy is developed to solve this problem.
We assume that each robot is equipped with sonars which allow the robot to detect an obstacle or a robot within its range R.When a robot i detect a robot j at instant t the avoid robot behavior will be active, we can distinguish two cases:
CASE 1:the detected robot is at the right side, the speed of the robot i will be set to 0 and the steering will be set to the max.
CASE 2:the detected robot is at the left side, the speed of the robot i will be set to 0 and the steering will be set to the max.
The robot avoidance behavior will stay active until no robot is detected.
Finally the formation tracking control for thefollower’s robots can be illustrated in fig 4.
3 Results
Conditions of the simulation:
(1) The speed of the leader robot (the robot in red) was set to the nominal speed 0.5 m/s.
(2) The speed of the follower robots was set between 0 and the maximum speed 1 m/s.
(3) The maximum steering for each robot was set to 10 degrees/s.
(4) The initial positions and heading for the followers robots in each simulation are set arbitrary.
(5) Each robot is supposed to know its position and heading.
The proposed formation control using the AFSO and the incorporation of behavioral control for collision avoidance are incorporated in simulations for different formation types.For each case different set of initial robots locations and headings has been set, the simulations were run on MRSIM matlab multi robots simulator platform.The simulator assumes the use of nonholonomic wheeled mobile robots.
We haveconsidered 7 homogenous nonholonomic mobile, in 100-by-100 m environment.Each mobile robots measure 0.5 m in length and 0.4 m in width, the maximum of speed was set to 1 m/s and the max of steering was set to 10 degrees/second.
The leader of the formation moves straightforward along x axis, the followers robots are put at random positions with random heading, we can observe clearly that the formation is adjusted dynamically, the last mobile robots moves at high speed than the lead robot of the formation in order to reach quickly the desired formation position.
In the wedge formation type, trajectories of the robots are shown in fig.5 (a) and fig.5 (b) .Irrespective of the vehicle starting locations and the dynamically adjustment of the formation, the vehicles follow closely the formation.It is also illustrated that the trajectories are smooth and the formation positions are well tracked.This observation has reached the satisfactory performances provided by the proposed AFSO algorithm.
In the column formation type, same observations are shown in fig.6 (a) and fig.6 (b) , it is noted the successful establishment of the desired formation.The trajectory of each one of the robots is qualified to be smooth;this observation has demonstrated the robustness of the proposed approach.
In the fig.7 (a) and fig.7 (b) we have assigned to the lead robot of the formation a goal (i.e.to move in a specific direction) The trajectories although indicate some crossovers, however, they are separated in the time point when the inter-vehicle collision avoidance mechanism has been successfully executed, In the last simulation, the combining of the AFSO with the behavior based approaches shows the overall performed behavior of the robots within the formation.
4 Conclusion
控制仿生 篇10
关键词：仿生四足机器人,ARM Cortex-M3,嵌入式控制系统
机器人作为一门快速发展的科学技术,涉及到仿生学、机械、电子以及控制等多个学科,是20世纪以来人类最重要的成就之一。移动机器人是一类特种机器人,可分为三种:车轮式移动机器人、履带式机器人和杆结构机器人[1—4]。轮式或履带式车辆虽然运动速度快,但是地球上有近乎一半的地方它们是无法涉足的,然而对于那些很普通的多足动物却可以在轮式或者履带式车辆到达不了的区域运动自如,这一鲜明的对比充分的表明足式运动方式具有其它地面推进方式所不具备的独特优越性能。仿生四足机器人在多足仿生机器人中最具特点和优越性:双足机器人的承载能力和稳定性比四足的弱很多,在结构上比六足、八足机器人更为简单,成本更低,还能够实现在平坦的地面甚至是崎岖不平的道路上高速稳定的行走。从灵活性、稳定性以及成本等诸多方面综合考虑,四足机器人具有非常明显的优势和深远的发展前景,因而仿生四足机器人领域成为国内外科研工作者关注和研究的重点[5—7]。
常见的小型足式机器人的控制系统通常使用DSP系列控制器[8]、Atmel AVR系列微控制器[9]。该仿生四足机器人由16个AX-12A数字舵机控制,又要保证仿生四足机器人能够进行稳定的前进、后退、原地拐弯运动;同时还要采集和处理红外距离传感器、姿态传感器、温度传感器、超声波测距传感器等信息,实时反馈传感器数据用于控制机身的平衡和步态切换,使其在非结构环境具有很好的适应和决策能力,这些需求增加了控制难度。因而只有设计更轻便,更高的工作频率和更强的处理能力的控制系统才能满足上述要求。具有高性能的ARM Cortex-M3 32位的RISC内核的嵌入式芯片STM32F103VCT6,以其功耗低,工作频率可高达72MHz,较大的Flash和高速存储器,以及丰富的接口,最大程度地满足小型仿生四足机器人运动控制系统的要求[10]。
基于该芯片设计仿生四足机器人控制系统硬件电路,采用无线串口进行数据交换和四足机器人运动控制的嵌入式程序编写,进行了仿真和实物实验,开展了四足机器人稳定行走运动实验。
1 四足机器人结构与运动学分析
1.1 四足机器人结构
基于四足哺乳动物的结构和运动行为的研究分析,考虑到动物运动的灵活性的特点,设计出具有多自由度的仿生四足机器人(如图1所示)。该机器人的四条腿两两对称分布,每条腿有4个关节,比传统的四足机器人多一个足端的踝关节,每个关节都是用AX-12A数字舵机作为驱动装置,总体由16个数字舵机驱动,实现多种步态运动;整个机器人机体具有空间6个自由度,可以有满足非结构环境下的复杂运动要求。
1.2 单腿运动学分析
该四足机器人腿部共有16个自由度(每条腿有4个),如图2所示为机器人的左前腿模型。
1)经过计算可得四足机器人运动学正解如式(1)、式(2)所示,s代表sin,c代表cos。
式中,α、β、γ、φ分别表示四足机器人髋关节,抬腿关节,膝关节以及踝关节的舵机旋转角度。
2)仿生四足机器人单腿四自由度的运动学逆解较复杂,具有不确定性或运动学多解,为此将膝关节和踝关节进行运动约束关联,设φ=kγ,为简化计算难度,假定当k=1时,则可得如式(3)。
经计算得运动学逆解为
式中,
2 四足机器人运动控制系统
2.1 控制系统硬件电路
控制系统硬件部分的电路主要分为:电源部分、还有主控芯片及其相应的外部连接电路,其中有2个USART串口、8路A/D采集接口、1个SPI通讯接口[11]。主控部分对机器人进行集中控制,负责机器人四条腿的舵机驱动、响应上位机控制信号。
控制系统部分的高性能的控制芯片让机器人控制的实时性和可靠性显得更出色。主要的控制系统部分的电路如图3所示。
2.2 控制系统软件编程
该四足机器人的控制系统的软件部分主要是通过串口2以半双工的通讯方式向16个舵机同时发送已知的步态数据,使得16个关节的数字舵机几乎是同时运动。串口1用无线串口模块与上位机相连接,用于发送控制机器人步态的指令。控制多个数字舵机同时转动的原理:所有的舵机的数据都是从一个串口发出,同时运用舵机同步通讯的指令包。SYNC WRITE指令用于同时控制多个舵机。执行SYNC WRITE指令后,多条指令可通过一条指令传送,从而缩短了通讯时间。但是,这个指令只能在要写入的控制表值长度和地址相同的时候使用。这里需要用到广播ID(0x FE),同时将数据值传送给相应ID号的舵机。广播ID不会传回状态返回包。
通过串口2发送这样的指令包,可以让所有接入控制器的舵机能几乎同时接收到数据,做到同步运动,从而降低了舵机控制的难度,提高了机器人控制的准确度和方便性。
机器人软件控制流程图如图4所示。
3 调试及实验
该实验是在Matlab中利用Sim Mechanics工具箱进行步态规划仿真分析,并将得到的关节角度数据通过程序烧录到控制板中进行舵机的驱动控制,使机器人按规划的步态进行运动。
针对该四足机器人规划了对角行走步态,其中图5为步态规划仿真实验结果与控制板控制的实物行走实验运动对比图,图6为姿态传感器(SDI-MAHRS)测量的四足机器人在行走过程中的RPY角变化图。
如图5所示,(a)~(d)为步态规划仿真实验图,(e)~(h)为实物行走拍摄图。图中(a)、(e)为行走初始状态;(b)、(f)为右前腿与左后腿摆动,左前腿与右后腿支撑状态;(c)、(g)为对角切换瞬间,左前腿与右后腿抬腿,右前腿与左后腿落地支撑;(d)、(h)为完成一个周期时刻的瞬间状态。机器人在对角步态下RPY角变化稳定,峰值较小,在理论范围内,行走较稳定,如图6所示。综上所述,实物行走状态与仿真规划预期完全一致,能够实现较为稳定的行走,证明了嵌入式控制系统可行性,为机器人的稳定性行走与控制奠定了硬件控制系统的基础。
4 结论
以高性能的嵌入式STM32增强型系列芯片为核心设计了单腿具有四自由度的四足机器人的运动控制系统,能够实时且精确的控制16个关节上的数字舵机的转动角度,准确的重现了预先规划设计的运动步态,实现了该机器人的前进运动。实验中,实际测得的姿态角的角度变化较小,且在稳定范围之内,充分的说明了设计的软硬件系统能很好的控制单腿具有四自由度的机器人的运动,同时也证明了该系统自身的高效、稳定。
参考文献
[1] Miasa S,Al-Mjali M,Al-Haj Ibrahim A,et al.Fuzzy control of a two-wheel balancing robot using DSPIC.Systems Signals and Devices(SSD),2010 7th International Multi-Conference on,IEEE,2010:1 —6
[2] Li Z,Ma S,Li B,et al.Design and basic experiments of a transformable wheel-track robot with self-adaptive mobile mechanism.Intelligent Robots and Systems(IROS),2010 IEEE/RSJ International Conference on,IEEE,2010:1334—1339
[3] Zhang Z,He D.Adaptive tracking control algorithm for picking wheel robot.TELKOMNIKA Indonesian Journal of Electrical Engineering,2012;10(8):2131—2138
[4] Ko C C,Chen S C,Li C H,et al.Trajectory planning and four-leg coordination for stair climbing in a quadruped robot.Intelligent Robots and Systems(IROS),2010 IEEE/RSJ International Conference on.IEEE,2010:5335—5340
[5] 李贻斌,李彬,荣学文,等.液压驱动四足仿生机器人的结构设计和步态规划.山东大学学报(工学版),2011;41(5):32—36 ,45Li Y B,Li B,Rong X W,et al.Mechanical design and gait planning of a hydraulically actuated quadruped bionic robot.Journal of Shandong University(Engineering Science),2011;41(5):32—36,45
[6] Raibert M,Blankespoor K,Nelson G,et al.Big dog,the rough-terrain quadruped robot.Proceedings of the 17th World Congress,the International Federation of Automatic Control,2008:10822—10825
[7] Murphy M P,Saunders A,Moreira C,et al.The little dog robot.The International Journal of Robotics Research,2011;30(2):145 —149
[8] 孙立宁,王鹏飞,黄博.四足仿生机器人嵌入式多关节伺服控制器的研究.机器人,2005;27(6):517—520Sun L N,Wang P F,Huang B.Research on embedded multi-joint servo controller of quadruped bionic robot.Robot,2005;27(6):517 —520
[9] 李岩,孔凡让,万小丹.基于AVR的双足步行机器人舵机控制.机械与电子,2007;20(12):70—72Li Y,Kong F R,Wan X D.Control of the biped walking robot servos based on AVR.Machinery&Electronics,2007;20(12):70—72
[10] 刘燕燕,杨帮华,丁丽娜,等.基于STM32的红外火灾探测系统设计.计算机测量与控制,2013;21(1):51—53Liu Y Y,Yang B H,Ding L N,et al.Design of software system in infrared fire detection based on STM32.Computer Measurement&Control,2013;21(1):51—53