基于神经网络的智能移动机器人系统设计

一１１８一　机械设计与制造　Ｍａｃｈｉｎｅｒｖ　Ｄｅｓｉｍａ　＆　Ｍａｎｕｆａｃｔｕｒｅ　第３期　

２００６年３月　

文章编号：１００１—３９９７（２００６）０３—０１１８—０３　

基于ＧＰＲＳ网络的移动机器人　

远程监控系统设计与实现火　．　

许松清吴海彬杨兴裕林宜（福州大学机械工程及自动化学院，福州３５０００２）　

Ｄｅｓｉｇｎ　ａｎｄ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｌｏｎｇ—－ｄｉｓｔａｎｃｅ　

ｍｏｎｉｔｏｒ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ＧＰＲＳ　ｎｅｔｗｏｒｋ　

ＸＵ　Ｓｏｎｇ—ｑｉｎｇ，ＷＵ　Ｈａｉ—ｂｉｎ，ＹＡＮＧ　Ｘｉｎｇ—ｙｕ－ＬＩＮ　Ｙｉ　

（Ｃｏｌｌｅｇｅ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，Ｆｕｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ　３５０００２，Ｃｈｉｎａ）　

．ｏ口　…””””””““”　“……”　…”””””　”……　”　…　…””　””　“”　…””………””””……””………””””　●　【摘要】介绍了自行开发的半自主远程控制移动机器人系统的软硬件设计方案。以ＴＩ公司　

ｉ　ＴＭＳ３２０ＬＦ２４０７Ａ型号的ＤＳＰ芯片为机器人小车控制器核心，简要介绍了系统的整体构成。重点阐述　

；了以ＤＳＰ微控制器为基础实现移动机器人的精确定位，详细介绍ＧＰＲＳ无线数据传输协议的制定，实　

ｉ现了机器人远程监控系统的设计。　

｛　关键词：数字信号处理器（ＤＳＰ）；移动机器人；ＧＰＲＳ；图像传输　

【Ａｂｓｔｒａｃｔ】／ｎ　ｔｈｉｓ　ｐａｐｅｒ，ｔｈｅ　ｓｏｆｔｗａｒｅ　ａｎｄ　ｈａｒｄｗａｒｅ　ｄｅｓｉｇｎ　ｏｆｔｈｅ　ｓｅｍｉ—ａｕｔｏｎｏｒｌｌＯＵ￣ｌｏｎｇ—ｄｉｓｔａｎｃｅ　

ｃｏｎｔｒｏｌ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｗｈｉｃｈ　ｉｓ　ｄｅｖｅｌｏｐｅｄ　ｂｙ　ｏｕｒｓｅｌｖｅｓ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ．Ｕｓｅｓ　ＴＩ　Ｃｏ．’ｓ　ＴＭＳ３２０ＬＦ２４０７Ａ　ＤＳ　Ｐ　ｃｈｉｐ　

２０１７年４月　农机化研究　第４期　智能轨迹控制割草机器人设计　一基于ＦＰＧＡ神经网络　袁路路，张娓娓　（河南工业职业技术学院，河南南阳４７３０００）　摘要：为了提高割草机器人自主导航和定位的精确性和智能性，设计了一种新型的基于ＦＰＧＡ神经网络算　法的割草机器人。该设计采用ＦＰＧＡ可重构技术，以３层误差反向传播神经网络作为典型的模型来展开；利用　成熟的ＢＰ算法公式，设计了割草机器人智能控制的模型；利用ＦＰＧＡ技术，设计了割草机器人的硬件系统；最　后采用文本输入的设计方法，利用田间试验的方式，对机器人的轨迹规划能力和控制精度进行了验证。试验结　果表明：利用ＦＰＧＡ和神经网络模型可以有效地穿越５个障碍物，并可得到满意的轨迹规划结果。将普通的　ＰＩＤ控制器和神经网络ＰＩＤ控制器得到的控制结果误差进行了对比，结果表明：神经网络ＰＩＤ控制器得到的割　草机器人控制误差明显比传统的ＰＩＤ控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。　关键词：割草机器人；神经网络；轨迹规划；ＦＰＧＡ重构；ＰＩＤ控制器　中图分类号：Ｓ２４；ＴＰ３９１．４１　文献标识码：Ａ　文章编号：１００３—１８８Ｘ（２０１７）０４—０２１２—０５　０　引言　随着农业机械化程度的不断推进，农业智能化和　自动化也得到了飞速的发展，这期间涌现了各类智能　作业机器人。割草机器人属于新型的农业机器人，在　国内的研究和实际应用还比较少。智能控制理论是　一门综合性很强的新兴学科，属于自动化领域的前沿　学科之一，智能控制的发展为解决不确定性系统及复　杂的非线性系统的控制开辟了新的途径。ＦＰＧＡ现场　可编程逻辑门阵列应用技术是当前的一个研究热点，　而对于基于ＦＰＧＡ的神经网络智能算法的研究具有重　要的现实意义，将其作为嵌入式系统嵌入到割草机器　人的轨迹规划和控制系统中，将会发挥重要的作用。　１　智能割草机器人机械结构和运动模型　本文中智能割草机器人的姿态控制采用码盘读　数的方式。一般机器人使用码盘读数是利用一定的　间隔时间读数１次，然后从最底层得到上一次的轮角　度数据，数据需要经过换算。在割草机器人智能控制　系统中，由于只能将得到的角度值和坐标轴值进行累　加，因此只能间隔一定时间读出码盘的测算值，然后　收稿日期：２０１６—０１—１８　基金项目：河南省自然科学基金项目（２０１５ＺＣＢ１１５）；南阳市科技攻关　项目（２０１２ＧＧ０２９）　作者简介：袁路路（１９８２一），女，河南南阳人，讲师，硕士。　通讯作者：张娓娓（１９８５一），女，河南南阳人，助教，硕上，（Ｅ—ｍａｉｌ）　ｗｗａｎｄｌｌ８０＠ｑｑ．ｏｏｍ。　将测算值和前一秒的位置进行比较，从而获得偏移　量，进而补充写入机器人的内部姿态存储区，控制机　器人的运动。机器人的坐标位置模型如图１所示。　

1引言

随着城市生活节奏的加快，交通出行在现代经

济与社会发展的进程中占据着更加重要的位置。当

今的交通信号灯基本都是定时控制，在某些时段、特

殊情况下很难进行动态控制，会造成交通拥堵、尾气

排放增加等。为克服传统交通灯的定时式控制的缺

陷，设计智能的交通控制系统来提高交通效率，显得

尤为重要。智能交通灯控制系统是一种把各种先进

控制技术结合在一起的综合控制系统，各个时期的典型交通信号系统在不断变化，控制技术也从以前

的人工变为后来的计算机控制，整个控制系统领域

朝着更高效、智能的方向发展[1]。神经网络在智能交

通控制系统中的应用涉及到交通模式分析、交通流

量预测、交通控制方式选择等各个方面[2-5]。其中，误

差反向传播（BackPropagation,BP）神经网络是目前

应用最广泛的神经网络。胡立伟等[6]进行了基于BP

神经网络的拥塞环境下车辆运行风险识别研究，建

立的神经网络模型能准确识别车辆运行风险的关键

因素并对其进行评估，为规避城市道路拥的车辆运基于神经网络的交通灯智能决策系统设计

金晓磊1，陈苗2，刘喜庆1

（1.西安工程大学电子信息学院，西安710600；2.国网新疆电力公司五家渠市供电公司，新疆五家渠831300）

摘要:为缓解城市交通拥堵，提高交通灯智能化水平，提出基于神经网络的交通灯智能决策系统设计。设计依据全面性原则、明确性原则、实用性原则选取车速、车流量和交通密度作为决策指标；创建了一个三输入、一输出的三层BP神经网络模型，用搜集的实际交通数据进行训练，并对训练后得到的模型的有效性进行验证；设计了交通灯决策系统GUI，根据当前采集到的路况信息，利用该神经网络模型决策交通灯的适宜绿灯时间。经仿真验证，利用BP神经网络根据当前交通状况可以决策出一个较为适宜的交通灯绿灯时间。关键词：BP神经网络；智能交通灯；智能决策系统；图形用户界面DOI：10.3969/j.issn.1002-2279.2020.01.013

移动机器人底盘的设计与研究

在当今科技飞速发展的时代，移动机器人在各个领域的应用越来越广泛，从工业生产到家庭服务，从医疗救援到军事侦察，它们的身影无处不在。而移动机器人底盘作为机器人的重要组成部分，其设计的优劣直接影响着机器人的性能和应用范围。

移动机器人底盘的设计需要综合考虑多个方面的因素，包括机械结构、动力系统、控制系统、传感器配置以及环境适应性等。首先，机械结构是底盘的基础，它决定了机器人的外形尺寸、承载能力和运动方式。常见的机械结构有轮式、履带式、足式等。轮式底盘结构简单，运动速度快，适用于平坦的路面；履带式底盘具有良好的越野性能，能够在复杂的地形上行走；足式底盘则模仿生物的行走方式，具有较高的灵活性，但控制难度较大。

在动力系统方面，主要包括电机、电池和传动装置。电机的选择要根据机器人的负载和运动速度要求来确定，常见的有直流电机、交流电机和步进电机等。电池则为机器人提供能源，目前常用的有锂电池、铅酸电池等，其容量和续航能力是需要重点考虑的因素。传动装置用于将电机的动力传递到轮子或履带等运动部件上，常见的有齿轮传动、带传动和链传动等。

控制系统是移动机器人底盘的核心，它负责对机器人的运动进行精确控制。控制系统通常由传感器、控制器和执行器组成。传感器用于感知机器人的位置、速度、姿态等信息，常见的有编码器、陀螺仪、加速度计等。控制器根据传感器反馈的信息，通过算法计算出控制指令，驱动执行器动作，从而实现机器人的运动控制。控制算法的优劣直接影响着机器人的运动精度和稳定性，常见的控制算法有 PID 控制、模糊控制、神经网络控制等。

传感器配置也是底盘设计中不可忽视的一部分。除了用于运动控制的传感器外，还需要配备环境感知传感器，如激光雷达、摄像头、超声波传感器等，以实现机器人对周围环境的感知和避障。这些传感器的选择和安装位置要根据机器人的应用场景和工作要求进行合理设计，以确保机器人能够准确地获取环境信息。