下载文档原格式
的标准偏差与最大峰谷值减少达到50%以上, 跟踪精度有了大幅提高.表3 抑振前后柔性臂跟踪误差值统计项目末端无负载末端带55g 负载标准偏差最大峰谷值标准偏差最大峰谷值抑振前关节误差0. 12110. 8230. 20011. 254抑振后关节误差0. 07230. 2910. 08440. 574减少百分比40. 28%64. 64%57. 82%54. 23%3 结束语运用模糊控制方法, 通过实验实现了2R 柔性机械臂关节跟踪和跟踪过程中振动的主动抑制. 与传统控制方法相比, 该方法不依赖柔性机械臂的动力学模型, 算法简单, 实时性好. 对于非线性、复杂对象的控制具有响应快、有效性好等优点. 实验数据表明, 在整个实验过程中模糊控制能够较大幅度地减小振动, 达到较好的抑振效果; 同时跟踪精度提高, 跟踪效果有了大幅度提高. 参考文献:[1] Book W J, M aizza -Nett o O , Whitney D E. F eedbackco nt ro l of tw o beams, tw o jo ints sy stem w ith distr ibu -ted flexibilit y, ASM E [J]. D yn. Sys. M eas. and Cont, 1975, 97(4 :424-431.[2] Craw ley E F , De Luis J. U se o f piezoelectr ic actuator sas element s of intelligent str uctures [J ].A IA A Jour -nal, 1987, 25(10 :1373-1385.[3] H o -Cheol Shin, Seung -Bok Cho i. P osition co ntr ol of atw o -link flex ible manipulato r featuring piezoelectr ic ac -tuator s and sensors[J]. M echatro nics, 2001, (1 :707-729.[4] Gustav o L uiz C M de Abr eu, Jo s F Ribeiro. A self -o r -g anizing fuzzy log ic contr oller for the act ive co nt rol o f flex ible structur es using piezo electr ic actuators[J].A p -plied Soft Co mputing , 2002, (1 :271-283.[5] 宋轶民, 余跃庆, 等. 柔性冗余度机器人振动主动控制[J].机械科学与技术, 2002, 21(2 :210-212.[6] 王洪福, 曲东升, 孙立宁, 祝宇虹. 两自由度柔性臂压电陶瓷抑振方案优化设计[J]. 压电与声光, 2003, 25(2 :118-121.作者简介:单业涛 (1983- , 男, 河南信阳人, 硕士研究生,研究方向为机器人学; 余跃庆 (1958- , 男, 北京人, 教授, 博士研究生导师, 研究方向为机器人学.室内清洁机器人路径规划的设计马艳, 刘华波, 徐淑华(青岛大学自动化工程学院, 山东青岛266071Path Planning Design for Cleaning RobotMA Yan, LIU Hua -bo, XU Shu -hua(Colleg e of A utomatio n Eng ineer ing, Q ingdao U niver sity, Q ingdao 266071, China摘要:阐述了一种基于M CU 的清洁机器人的路径设计, 针对室内清洁机器人的区域遍历问题, 提出基于栅格地图建立房间内的数字地图, 建立房间内的坐标系, 并在清洁的过程中有效地避开障碍物, 存储障碍物的坐标点, 建立地图模型. 通过Visual Basic6. 0软件程序的仿真可以得出本设计方案基本可以实现区域遍历和合理避障.收稿日期:2008-02-29基金项目:青岛大学青年科研基金资助项目关键词:清洁机器人; 路径规划; 数字地图中图分类号:TP24文献标识码:A文章编号:1001-2257(2008 07-0064-04Abstract:This article described the path plan -ning desig n for cleaning r obot based M CU. We study the behaviors of the cov erag e of the env iron -ment and present ro bo t maps by the grids m ethod, U sing the dig ital map of the room, cleaning robot can avoid all the stum bling block in fro nt of it inde -pendently , and clean the mo st area in r oom w ithleast repeat. The simulatio n result can pro ve this path planning for the flo or -cleaning ro bot is feas-i ble.Key words:cleaning robot; path planning; dig -ital m ap0 引言提出基于栅格地图表示室内环境, 使机器人能够按照地图数据对整个房间进行逐点清洁, 路径规划[1]方案为:建立数字地图之前, 机器人首先绕房间边沿行走一周, 确定房间大小, 建立整个房间的坐标系. 在清洁过程中机器人先从房间左下角开始按 S" 型逐行清扫, 遇到障碍时绕障碍行走一周, 并标注障碍物的位置, 绕过障碍继续行走, 直到走完整个房间. 在地图模型中, 机器人需要标记出不能行走的区域, 为每个栅格点建立地图数据. 另外, 机器人需要记录基座的位置, 以便能够自动回到基座停泊.1 清洁机器人的结构地面清洁机器人由机器人、基座和遥控器3大部分组成. 它的主体是一个2轮驱动的机器人, 采用小型直流减速电机驱动, 外表设计成圆形, 带有吸尘装置, 可以在移动的同时清洁所经过的地面, 其避障功能由安装在机器人正前方和左右侧的红外测距传感器和碰撞传感器完成. 机器人有一个固定的基座(又称作泊位器 , 它与墙壁上的电源插座相连, 机器人在充电或待命时停靠在基座上, 也可以使用红外遥控对机器人进行手动控制.该清洁机器人是一个以单片机为核心的运动控制系统. 单片机是系统的主控单元, 它以传感器检测到的信号和红外遥控器发送的信号作为系统的输入, 控制电机和风机的运转. 单片机接收到传感器检测的信号后, 经过指令处理控制电机的转动, 实现机器人的自动行走. 同时, 它也可以接收遥控器发送的信息, 根据人的指令控制电机转动. 在整个工作过程中, 单片机还要控制风机的运转, 以完成吸尘功能.在系统的功能设计上, 一方面机器人可以与用户进行交互; 另一方面, 机器人可以全自动运行. 系统软件的总体结构如图1所示.图1 软件总体结构2 地图数据存储器的设计系统选用SPCE061A 作为主控单元, 由于存储地图数据需要较大的存储空间, 因此利用SPBA01B 外扩8片W29C040, 共扩展4M B 存储器. 每片W29C040需要19条地址线, 以A 0~A 14作为其低15位, 以B 0~B 3作为其高4位. B 4~B 63条线经3-8译码器74LS138译码, 得到8位输出分别作为8片W29C040的片选信号.在数字地图的设计中, 取栅格地图的单位长度为5cm, 机器人前进或后退的单位距离也为5cm, 房间内每个栅格点的信息都存储在外扩的8片W29C040中, 各点信息分别用0, 1, 2, 3表示, 其定义为: 0" 表示该点信息未知或可以通行; 1" 表示该点及其右方不能通行; 2" 表示该点及其左方不能通行; 3" 表示该点不能通行. 系统初始化时所有点都被赋值为0.外扩的4MB 存储器的地址空间是0x 000000~0x 3FFFFF, 共22条地址线. 取高11位地址对应系统的横坐标, 低11位地址对应纵坐标. 例如, 对于坐标为(5, 8 的点, 该点的信息就存储在地址0000000010100000001000中, 即地址0x002808中. 由于11条地址线最多可以支持2048个地址, 所以横、纵坐标的范围是0~2047, 系统的坐标单位是5cm , 则横、纵坐标都可以支持100m 的长度. 因此只要房间的最长距离和最宽距离都不超过100m, 房间内所有栅格点的地图信息就都可以被记录. 所以可以为机器人建立的最大地图模型为100m 100m , 即10000m 2的房间.3 路径规划的设计在建立数字地图的过程中, 清洁机器人需要识别每个栅格点的位置, 以便存储其地图信息, 因为清洁机器人主要清洁房间内的地面, 因此可以将房间环境地图表示为二维模型.清洁机器人的运动姿态包括当前所在的坐标以及运动方向, 可以用三维数组表示, sta[x, y , d ir ].其中x 和y 分别表示机器人当前的横坐标和纵坐标, 变量dir 代表机器人的运动方向, 它取值为0, 1, 2, 3, 分别表示机器人转向Y 轴正方向、X 轴正方向、Y 轴负方向和X 轴负方向, 机器人每次左转, dir 减1, 当d ir =0时, 减1之后等于-1, 此时应重新赋值为3; 机器人每次右转, dir 加1, 当d ir =3时, 加1之后等于4, 此时应重新赋值为0.系统中地图模型的建立包括3个步骤:清洁机器人绕房间边沿行走一周, 确定房间大小并建立房间内的坐标系; 绕房间或任何障碍物行走一周并标记障碍物位置;返回基座. 3. 1 建立房间的坐标系首先把清洁机器人的基座位置定义为临时坐标原点, 在建立房间的地图模型之前, 首先绕房间边沿行走一周, 确定房间大小并据此建立正确的坐标系. 定义变量X max ,X min , Y max ,Y min 分别记录房间X 轴的最大、最小值和Y 轴的最大、最小值. 在机器人第1次绕房间一周时, 这4个变量不断更新, 最终记录房间的正确信息.当机器人第1次从基座出发时, 由于还没有确定房间的大小和坐标原点的位置, 因此在系统初始化时把基座赋值为原点, 同时将变量X max , X min , Y max ,Y min 初始化为0. 在第1次绕房间一周的过程中, 当机器人当前位置的横坐标x 大于X max 时, 更新X max , 令X max =x ; 而机器人当前位置的横坐标x 小于X min 时, 更新X min , 令X min =x. 同样当机器人当前位置的纵坐标y 大于Y max 或小于Y min 时, 也对它们进行更新.机器人从基座开始, 按顺时针沿房间边缘行走, 行走策略为:从基座位置先判断左侧是否可通行, 若可以则左转并前进; 否则判断前方可否通行, 若可以则前进; 若左侧和前方均不能通行, 则右转前进, 当再次回到基座时, 机器人已绕房间最外侧运动了一周. 在机器人前进过程中, 不断更新数组(X min , Y min 和(Xmax,Y max . 在沿房间最外侧行走一周之后, 计算房间的长度和宽度, 存储在变量X len 和Y len 中, 将以基座为原点的临时坐标系校正为正确的坐标系.3. 2 避障路径规划的设计通过对房间物体的观察, 可以看出大部分的房间物体都是方形的, 或者类似方形. 系统假设房间内的障碍物都是方形结构或者方形的组合, 机器人按S 型的轨迹从原点开始清扫地面, 当遇到障碍物时沿障碍物行走一周, 然后刷新地图模型, 标记出最新的障碍物区域.当机器人在房间内遇到障碍物时, 先记录该点的坐标, 然后每行走一步都执行一次判断:判断左侧是否可通行, 若可以就左转并前进; 否则判断前方是否可通行, 若可以则前进; 若左侧和前方都不能通行, 则右转. 当左转4次或者右转4次, 回到记录的坐标点时, 机器人已经围绕障碍行走了一周.当机器人判断左侧不能通行时, 需要根据当前运动方向标记障碍. 沿Y 轴正方向运动时, 将点(x -1,y 标记为 2", 表示该点及其左侧是障碍; 沿Y 轴负方向运动时, 将点(x+1,y 标记为 1" , 表示该点及其右侧是障碍, 障碍物标注如图2所示.图2 障碍标记示意当机器人清扫完整个房间后, 刷新地图信息. 从左下角的(x , y =(0, 0 点到右上角的(x , y =(Xlen,Y len 点以 S" 型逐行刷新地图, 标记出障碍物的坐标位置. 房间内的障碍物的摆放主要有3种方式, 对A 类障碍物将房间最左边与首个标记为 2" 的点之间的所有点标记为障碍; 对C 类障碍物将最后一个标记为 1" 的点与房间最右边之间的所有点标记为障碍; 对B 类障碍物将每对标记为1" 的点与标记为 2" 的点之间的所有点标记为障碍, 被标记为障碍的点用 3" 来标识.3. 3 路径规划的方法清洁机器人的路径规划是根据所感知到的工作环境信息, 按照某种优化指标, 从起始点到目标点规划出一条与环境障碍无碰撞的路径, 并实现封闭区域内机器人行走路径对工作区域的最大覆盖率和最小重复率[2]. 本系统基于静态结构化环境模型, 在障碍物的信息预先确定后, 采用 S" 型的路径规划的算法, 如图3所示.由于在系统的路径设计上, 清洁机器人先按照Y 坐标轴的方向行走, 再转向X 轴方向. 因此当房间中存在某些特殊形状的障碍物时, 由于机器人轨图3 S" 型路径规划示意迹设计的特点会存在某些不可到达的位置, 使这些位置成为清扫过程中的盲区, 如图4所示. 但是通过观察房间内的障碍物可以看出, 这类特殊形状的障碍物较少, 因此并不影响路径规划的可行性.图4 轨迹设计中的盲区示意3. 4 回到基座的设计在完成清洁任务或检测到电池电量低时, 机器人要自动返回基座, 由于在房间的地图模型中已经记录了基座的坐标, 返回基座的任务变得比较简单. 需要注意的是, 由于电源接口在后部, 机器人不应前进着进入基座, 而应该倒退着进入, 这样才能使电源接口与电源插座良好接触, 达到充电的目的.机器人返回基座时要先到达基座上方位置, 再调整方向为Y 轴正方向(dir =0. 如果当前方向是X 轴负方向(d ir =3, 就右转一次; 否则左转dir 次, 最后退入基座.4 测试结果利用Visual Basic6. 0编程软件设计了仿真程序, 进行了系统路径规划的仿真测试, 将机器人置于如图5所示的房间中箭头所指位置, 按下启动键, 机器人便开始了自动清洁, 它首先从基座开始, 绕房间边缘行走了一周, 然后从左下角开始以 S " 型的轨迹清扫地面. 遇到障碍时, 绕障碍一周后, 绕开障碍继续清洁, 清洁完房间后, 即到达房间右上角后, 自动回到了基座, 对图示房间的覆盖率为97. 4%.因为图示房间内的部分障碍物形状比较特殊, 因此测试结果可以表明, 本路径规划的设计方案基本能够满足清洁机器人工作的需要.图5 测试房间结构5 结束语路径规划技术是智能机器人领域中的核心问题之一. 蒋新松[3]为路径规划做出了这样的定义:路径规划是自治式移动机器人的一个重要组成部分, 它的任务就是在具有障碍物的环境内, 按照一定的评价标准, 寻找一条从起始状态(包括位置和姿态到达目标状态(位置和姿态的无碰路径.采用栅格法建立环境地图模型, 能够任意改变工作环境尺寸的大小, 并能够在地图中的任意位置设置任意形状的障碍物, 为运动路径规划提供有力条件[4-6]. 机器人在建立了房间的地图模型后, 能按照地图数据实现清扫过程中的自主避障, 以期望对工作区域实现最大覆盖率和最小重复率. 参考文献:[1] 石为人, 周学益. 室内清洁机器人避障路径规划研究[J].计算机应用, 2007, 27(6 :378-379.[2] H ofnerR C, Schmidt G. P at h planning and g uidancetechniques for an autonomo us mobile cleaning ro bo t [J]. P ro ceedings of the IEEE/RSJ/G I Internatio nal Conference o n Intellig ent Ro bo ts and System, 1994,1(1 :610-617.[3] 蒋新松. 机器人导论[M ].沈阳:辽宁科学技术出版社,1994.[4] 梁喜凤. 室内地面清洁机器人路径规划[J].中国计量学院学报, 2006, 17(1 :64-68.[5] 龚建伟, 等. 轮式移动机器人航向跟踪预估控制算法[J].机器人, 2001, 22(3 :193-196, 279.[6] 李晓敏. 智能移动机器人全局路径规划及仿真[D]. 南京:南京理工大学, 2004.作者简介:马艳 (1976- , 女, 山东烟台人, 讲师, 硕士, 研究方向为控制理论和智能控制.。
扫地机器人（自动打扫机）的设计方案1.绪论随着现代社会生活节奏的加快，人们或忙于工作，或享受生活，时间越来越宝贵，所以不会把它浪费在整理家务和打扫卫生方面。
收入水平的不断提高使得人们对生活质量的要求越来越高，高品质的生活首先要保证居住环境的干净卫生，因此大家渴望找到一种机器人，能够智能的打扫房间卫生。
机器人作为人类20世纪最伟大的发明之一，在短短的几十年内发生了日新月异的变化。
近几年机器人已成为高技术领域内具有代表性的战略目标。
机器人技术的出现和发展，不但使传统的工业生产面貌发生根本性变化，而且将对人类社会产生深远的影响。
随着社会生产技术的飞速发展，机器人的应用领域不断扩展。
从自动化生产线到海洋资源的探索，乃至太空作业等领域，机器人可谓无所不在。
目前机器人已经走进人们的生活与工作，机器人已经在很多的领域代替着人类的劳动，发挥着越来越重要的作用，人们已经离不开机器人的帮助。
机器人工程是一门复杂的学科，它集工程力学、机械制造、电子技术、技术科学、自动控制等为一体。
目前对机器人的研究已经呈现出专业化和系统化，一些信息学、电子学方面的先进技术正越来越多地应用于机器人领域。
目前机器人行业的发展与30年前的电脑行业极为相似。
今天在汽车装配线上忙碌的一线机器人，正是当年大型计算机的翻版。
而机器人行业的利基产品也同样种类繁多，比如协助医生进行外科手术的机械臂、在伊拉克和阿富汗战场上负责排除路边炸弹的侦查机器人、以及通过编译程序使其能做整套表演动作的舞蹈机器人，还有不少参考人、狗、恐龙等动物的模样制造机器人玩具。
扫地机器人，又称自动打扫机、智能吸尘、机器人吸尘器等，是智能家用电器的一种，能凭借一定的人工智能，自动在房间内完成地板清理工作。
一般采用刷扫和真空方式，将地面杂物先吸纳进入自身的垃圾收纳盒，从而完成地面清理的功能。
一般来说，将完成清扫、吸尘、擦地工作的机器人，也统一归为扫地机器人。
扫地机器人也是当下比较流行的一种机器人，随着不断的研究发展智能化大幅度提高，能够自我定位、感应障碍物、规划路径以及自动充电。
摘要:本文设计了一台家居智能清扫机器人，详细阐述了系统的总体构成，硬件电路设计和软件程序设计方案。
该机器人能实现移动、垃圾清扫、自主避障等功能，能够在家庭、图书馆、展览馆等室内环境中进行清扫作业。
该智能清扫机器人的推广应用能够很大程度的提高工作效率，降低劳动成本。
关键词:清扫机器人单片微型计算机传感系统随着计算机技术与人工智能技术的发展，智能家居已成为现在电子行业的热门话题，机器人的应用更是受到人们的关注。
服务型机器人已经渗透到了我们的生活、工作的各个领域，为了能够彻底的将人们从家居清洁工作中解放出来，深入研究清扫机器人这类服务型机器人变得越来越重要。
1清扫机器人的总体设计智能清扫机器人在室内环境下运动，实现清扫、避障、路径规划等功能，利用自身各个系统部件的调节与控制，尽可能遍历每一个角落，实现清扫的智能化。
机器人的时间记录功能可以实现定时清扫，在完成清扫之后自动回到起始点。
机器人将自身的感知功能和控制功能结合起来，实现路径的规划与避障等功能。
机器人的清扫功能较为完善，在运动的过程中，它将地面上的垃圾清扫到一起，集中拾取到垃圾箱内。
根据机器人功能需求分析，设计系统整体结构如图1所示。
[1]状态设置按钮状态显示器红外避障传感器超声波测距传感器测速光电编码器电源单片机STC89C52无线通信接口电机驱动接口毛刷电机吸尘电机车轮电机图1系统整体结构框图2清扫机器人硬件设计2.1控制核心模块设计。
清扫机器人的控制系统采用微控制器STC89C52作为核心，它能负责指令的接收与发送，控制电机的转向，完成清扫、避障等功能。
如图1所示，处理器与多个模块相连接，有红外避障传感器、超声波测距传感器、测速光电编码器、电机驱动器接口模块、状态显示器、无线通信接口等，这些模块在微控制器的控制下，互相协调工作，保证了清扫机器人各项功能的实现。
2.2车体结构设计。
为了满足机器人的性能要求，机器人的机械结构应该具有稳定性，运动灵活性和足够强度等特点，同时尺寸要小，容量要大，重量要轻。
2023-10-28contents •引言•扫地机器人路径规划系统概述•扫地机器人路径规划算法设计•扫地机器人路径规划系统实现•扫地机器人路径规划系统优化•结论与展望目录01引言随着科技的发展，家庭服务机器人成为现代家庭中越来越重要的角色。
扫地机器人作为家庭服务机器人的一种，能够自动化地完成家庭地面清洁工作，受到广泛关注。
然而，扫地机器人在清洁过程中需要合理规划清扫路径，以高效地完成清洁任务。
当前，许多扫地机器人存在路径规划不科学、清扫效率不高的问题。
因此，研究面向扫地机器人的路径规划系统具有重要的现实意义。
背景通过设计一个高效、科学的路径规划系统，扫地机器人能够更好地适应复杂环境，提高清洁效率，减少漏扫和重复清扫的情况。
这不仅能够提高家庭清洁的效率和质量，还能够节省时间和人力成本。
此外，对于家庭服务机器人的进一步发展和应用，路径规划系统的研究也具有重要的理论价值。
意义研究背景与意义研究现状与发展现状目前，针对扫地机器人的路径规划研究已经取得了一定的成果。
研究者们提出了多种不同的路径规划方法，如基于几何的路径规划、基于人工势场的路径规划、基于网格的路径规划等。
然而，现有的路径规划方法仍存在一些问题，如无法适应复杂环境、规划效率不高、容易出现局部最优解等。
发展随着人工智能技术的不断发展，深度学习、强化学习等技术在路径规划领域的应用逐渐成为研究热点。
这些方法能够自动学习和优化路径规划策略，具有一定的自适应性和鲁棒性。
未来，结合深度学习和强化学习技术的扫地机器人路径规划方法将成为研究的重要方向。
研究内容本研究旨在设计一个面向扫地机器人的高效、科学的路径规划系统。
具体研究内容包括：1) 分析扫地机器人工作环境和任务需求；2) 设计一个能够适应复杂环境的路径规划算法；3) 实现一个能够实时更新和优化路径规划策略的系统；4) 实验验证所设计系统的有效性和优越性。
研究方法本研究采用理论分析和实验验证相结合的方法进行。
智能清扫机器人路径规划摘要清扫机器人的开发是目前机器人研究中的热点，具有很大的科研价值及市场前景。
其中，路径规划设计问题是清扫机器人的重点研究内容。
它包括最短路径规划和全覆盖路径规划两项内容。
最短路径规划研究是指实现指定起点到终点——点对点的一种路径规划方式。
而全覆盖路径规划研究是指在已知的环境下设计清扫路径，最终达到在短时间内实现整个空间均被覆盖的目的。
本文针对清扫机器人的最短路径规划以及全覆盖路径规划做出分析。
最终采用栅格法进行环境建模，所模拟的区域已知，并对栅格化区域实行编码处理，根据清扫机器人每次所在的当前位臵进行下一步的行进判断，来实现清扫机器人的相关路径规划问题。
最终再结合覆盖率和错误率探讨算法的不足，提出进一步的研究方向。
关键词路径规划最短路径全覆盖栅格法ABSTRACTThe development of cleaning robot is a hot spot in the research of robot, and it has great scientific research value and market prospect.Among them, path planning and design is the key research content of the cleaning robot. It includes the shortest path planning and complete coverage path planning.Shortest path planning research is to achieve the designated starting point to the end point - a point-to-point path planning.The full coverage path planning research is to design a cleaning path in a known environment, and finally achieve the purpose that the whole space is covered in a short time.In this paper, the shortest path planning for the cleaning robot and the full coverage path planning is analyzed. With grid method for environment modeling, the simulated area is known, the grid region is coding, according to the cleaning robot’s current position to determinethe next step to achieve cleaning robot path planning problem. Finally, a further research direction is put forward based on the problem of coverage ratio and error rate.Keywords path planning shortest path planning full coverage path planning grid第1章绪论1.1 课题研究背景及意义随着科学及社会的迅速发展，人口老龄化的日益严重，加之人力劳动资源的成本不断增加，而促使智能机器人技术渐渐成为当前机器人研究中的热点。
路径规划技术在智能家居清扫中的应用路径规划技术在智能家居清扫中的应用是现代智能家居技术中的一个重要组成部分。
随着科技的不断进步，智能家居系统逐渐成为人们生活中不可或缺的一部分，而智能清扫机器人作为智能家居系统中的一员，其路径规划技术的发展和应用显得尤为重要。
本文将探讨路径规划技术在智能家居清扫中的应用，分析其重要性、挑战以及实现途径。
一、路径规划技术概述路径规划技术是指在给定的环境下，为移动机器人规划出一条从起点到终点的最优路径。
在智能家居清扫领域，路径规划技术的应用主要体现在智能清扫机器人上，它能够使机器人在家庭环境中高效、智能地完成清扫任务。
智能清扫机器人通过路径规划技术，可以自主地避开障碍物，规划出最优的清扫路线，从而提高清扫效率和覆盖率。
1.1 路径规划技术的核心特性路径规划技术的核心特性主要包括以下几个方面：高效性、智能性、适应性。
高效性是指路径规划技术能够使机器人以最短的时间完成清扫任务；智能性是指机器人能够自主识别环境变化，动态调整清扫路线；适应性是指机器人能够适应不同家庭环境的清扫需求。
1.2 路径规划技术的应用场景路径规划技术在智能家居清扫中的应用场景非常广泛，包括但不限于以下几个方面：- 家庭环境清扫：智能清扫机器人可以在家庭环境中自动规划清扫路线，完成地面的清洁工作。
- 定时清扫：用户可以设置定时任务，机器人在指定时间自动开始清扫，无需人工干预。
- 区域清扫：用户可以指定特定区域进行清扫，机器人会根据指令规划出最优的清扫路径。
- 多层清扫：对于多层住宅，机器人可以记忆每层的清扫路线，实现多层清扫。
二、路径规划技术的实现路径规划技术的实现是智能家居清扫机器人智能性的关键。
它涉及到环境感知、路径规划算法、执行控制等多个环节。
2.1 环境感知技术环境感知技术是路径规划技术的基础，它包括激光雷达、摄像头、红外传感器等多种传感器技术。
通过这些传感器，机器人可以实时获取家庭环境的信息，包括障碍物的位置、房间的布局等。
智能清洁机器人中的路径规划算法选择研究智能清洁机器人是一种能够自主清洁房间、保持环境清洁的创新科技产品。
机器人通过感知周围环境，利用内置的路径规划算法选择最优路径，从而高效地完成清洁任务。
本文将就智能清洁机器人中的路径规划算法选择进行研究和分析。
一、智能清洁机器人中的路径规划算法简介路径规划算法是智能清洁机器人完成清洁任务的关键。
目前常用的路径规划算法包括最短路径算法、遗传算法、Q学习算法和A*算法等。
1. 最短路径算法：最短路径算法是一种找出两点之间最短路径的方法。
其中，最著名的算法是迪杰斯特拉算法和弗洛伊德算法。
最短路径算法适用于在环境变化较少的情况下进行路径规划，但在复杂环境下计算复杂度较高。
2. 遗传算法：遗传算法是基于生物进化原理的一种优化算法。
它通过模拟基因进化的过程，通过选择、交叉和变异等操作来寻找问题的最优解。
遗传算法适用于复杂环境下的路径规划问题，但需要消耗大量的计算资源。
3. Q学习算法：Q学习算法是一种基于强化学习的路径规划算法。
机器人通过与环境的交互来学习到一套最佳策略，以实现最优路径的选择。
Q学习算法具有较强的实时性和适应性，但需要较长的学习时间。
4. A*算法：A*算法是一种启发式搜索算法，它综合考虑了最短路径和估计剩余路径的代价，以选择最优路径。
A*算法在计算效率和路径优化方面具有优势，因此广泛应用于路径规划领域。
二、智能清洁机器人中路径规划算法的选择研究在智能清洁机器人中，路径规划算法的选择直接影响机器人的清洁效率和性能。
下面将从环境复杂度、实时性要求和计算资源等方面进行研究。
1. 环境复杂度：智能清洁机器人通常用于清洁居室环境，环境的复杂程度不同会对路径规划算法的选择产生影响。
在简单的环境下，最短路径算法能够快速求得最优解，适用性较强。
而在复杂环境下，A*算法和遗传算法等启发式搜索算法能够更好地应对，找到更优的路径。
2. 实时性要求：智能清洁机器人通常需要实时地感知环境并进行路径规划。
智能扫地机器人路径规划手册在现代家居生活中，智能扫地机器人已经成为了许多家庭的得力助手。
它们能够自动清扫地面，为我们节省时间和精力。
然而，要实现高效、全面的清扫，关键在于其路径规划能力。
这就好比我们出门办事需要规划好路线一样，扫地机器人也需要合理规划清扫路径，才能达到令人满意的清洁效果。
一、路径规划的重要性路径规划对于智能扫地机器人的性能和清洁效果有着至关重要的影响。
首先，合理的路径规划可以提高清扫效率。
如果扫地机器人没有清晰的路径规划，可能会在一个区域反复清扫，而遗漏其他区域，导致整体清扫时间延长，浪费电能。
其次，它能够确保全面清扫。
避免出现一些角落和边缘被忽略的情况，让整个房间的每一个角落都能得到清洁。
再者，良好的路径规划有助于保护家具和机器人自身。
避免碰撞家具造成损坏，同时也减少机器人因碰撞而可能受到的损伤。
二、常见的路径规划方式1、随机式路径规划这是早期扫地机器人常采用的方式。
机器人在房间内随机移动，碰到障碍物后改变方向。
这种方式的优点是简单直接，但缺点也很明显，清扫效率低，容易遗漏区域，且可能会在同一区域多次清扫。
2、规划式路径规划（1）弓形路径规划机器人按照类似弓形的轨迹进行清扫，逐行覆盖房间。
这种方式清扫效率较高，覆盖较为全面，但对于复杂的房间布局适应性相对较弱。
（2）分区式路径规划先将房间划分为不同的区域，然后依次对每个区域进行清扫。
可以根据区域的特点和障碍物分布制定更精细的清扫策略。
（3）基于地图的路径规划机器人通过传感器构建房间的地图，然后根据地图规划最优清扫路径。
这种方式的精度和效率都很高，但对传感器和算法的要求也较高。
三、影响路径规划的因素1、传感器传感器是机器人获取环境信息的重要工具。
常见的传感器包括激光雷达、超声波传感器、红外传感器等。
激光雷达能够提供高精度的距离信息，适用于构建详细的地图；超声波传感器则在检测近距离障碍物方面表现出色；红外传感器成本较低，但精度相对较低。
机器人技术中的动态路径规划算法机器人技术的快速发展使得其在各个领域得到了广泛应用。
而机器人在执行任务时，路径规划是一个非常重要的问题，特别是在动态环境下。
本文将探讨机器人技术中的动态路径规划算法。
一、引言随着机器人应用领域的扩大，机器人不再只在静态环境下工作，而是需要在动态环境中执行任务。
动态环境中存在障碍物的移动、新障碍物的出现等问题，这给路径规划带来了更大的挑战。
因此，研究并应用动态路径规划算法成为了机器人技术中的一个重要研究方向。
二、动态路径规划算法的基本原理动态路径规划算法旨在使机器人能够在动态环境中找到一条最优路径。
为了实现这一目标，动态路径规划算法通常需要考虑以下几个方面：1. 环境感知：机器人需要实时感知环境的变化，包括移动物体的位置、新障碍物的出现等。
2. 路径更新：根据环境感知结果，路径规划算法需要及时更新机器人的路径，以避开移动物体或新障碍物。
3. 路线优化：在动态环境中，机器人的路径可能需要频繁更新，为了降低计算负载和提高路径的优化程度，需要采用高效的路径优化算法。
三、常用的动态路径规划算法1. 基于模型预测控制的算法模型预测控制算法将机器人的移动视为一个优化问题，以模型预测方法来预测机器人遵循的最优路径。
通过对未来状态的预测，可以避免机器人与动态障碍物的碰撞，并使机器人能够快速适应环境变化。
2. 基于概率图模型的算法概率图模型可以有效地描述机器人的感知信息和环境模型之间的关系，并利用贝叶斯滤波等方法来进行路径规划。
通过将感知信息与环境模型相结合，可以实现对动态环境中的障碍物进行预测和规避。
3. 基于遗传算法的算法遗传算法是一种模拟自然界进化过程的优化算法。
在动态路径规划中，遗传算法可以通过模拟个体的选择、交叉和变异等操作，寻找到适应于动态环境的最优路径。
4. 基于深度学习的算法深度学习在机器人路径规划中的应用逐渐增多。
通过使用神经网络，可以对环境感知数据进行处理和学习，从而实现机器人在动态环境中的路径规划。
摘要清洁机器人作为服务机器人最典型的代表之一，能够自主且智能地完成清洁任务，将人们从枯燥、繁重的体力劳动中解救出来，具有极为广阔的市场前景。
其涉及到的关键技术如避障、定位导航、地图构建和路径规划等都是机器人研究的热点，其中，定位与全覆盖路径规是清洁机器人智能化水平的最直接体现。
针对目前清洁机器人定位精度不高，路径规划存在低覆盖率、高重复率等问题，本文对清洁机器人的定位方法和全覆盖路径规划技术展开研究。
首先，对清洁机器人进行了需求分析和总体方案设计。
通过对目前常用定位方法和全覆盖路径规划技术的分析与比较，确定了本课题所采用的定位与全覆盖路径规划方案。
此外，完成了清洁机器人的硬件系统设计，包括控制系统、驱动机构、清洁机构、传感系统和电源系统五个方面的设计。
其次，基于航位推算的运动学模型，对基于编码器加陀螺仪的定位算法进行实现。
通过实验发现单独基于编码器定位存在的问题，而通过增加陀螺仪来获取机器人运动过程中准确的航向角信息可以提高转弯过程中机器人的定位精度。
基于WiFi模块实现了机器人与上位机的数据传输，并采用Matlab对上位机的功能及界面进行设计，用于对机器人进行有效控制和定位轨迹的实时展示。
然后，为了解决清洁机器人覆盖率低，重复率高的问题，研究了基于单元分解法实现环境区域全覆盖的过程。
利用栅格法对环境地图建模，在已知地图信息的基础上，基于矩形分解的思想对地图单元分解，通过图的深度优先遍历确定各子区域的连接顺序，引入A*算法规划相邻子区域的最短衔接路径，并对A*算法进行了仿真实现。
对于子区域内部的遍历，采用迂回式遍历作为基本遍历方式，并对环境中存在边界障碍物和孤立障碍物的情况进行了分析。
为了实现两点之间的路径规划，提出了一种基于PID控制的路径规划方法，对环境中目标点的多种分布情况进行了研究，设计了不同的路径规划策略。
最后，基于搭建的清洁机器人实验平台进行了各类实验验证算法的有效性。
包括各模块的测试实验，环境中包含边界障碍物和孤立障碍物的局部区域遍历实验，以及目标点在正前方的直线行走实验和直线拐弯行走实验。
家居智能清扫机器人系统设计本文设计了一台家居智能清扫机器人，详细阐述了系统的总体构成，硬件电路设计和软件程序设计方案。
该机器人能实现移动、垃圾清扫、自主避障等功能，能够在家庭、图书馆、展览馆等室内环境中进行清扫作业。
该智能清扫机器人的推广应用能够很大程度的提高工作效率，降低劳动成本。
标签：清扫机器人单片微型计算机传感系统随着计算机技术与人工智能技术的发展，智能家居已成为现在电子行业的热门话题，机器人的应用更是受到人们的关注。
服务型机器人已经渗透到了我们的生活、工作的各个领域，为了能够彻底的将人们从家居清洁工作中解放出来，深入研究清扫机器人这类服务型机器人变得越来越重要。
1清扫机器人的总体设计智能清扫机器人在室内环境下运动，实现清扫、避障、路径规划等功能，利用自身各个系统部件的调节与控制，尽可能遍历每一个角落，实现清扫的智能化。
机器人的时间记录功能可以实现定时清扫，在完成清扫之后自动回到起始点。
机器人将自身的感知功能和控制功能结合起来，实现路径的规划与避障等功能。
机器人的清扫功能较为完善，在运动的过程中，它将地面上的垃圾清扫到一起，集中拾取到垃圾箱内。
根据机器人功能需求分析，设计系统整体结构如图1所示。
[1]2清扫机器人硬件设计2.1控制核心模块设计。
清扫机器人的控制系统采用微控制器STC89C52作为核心，它能负责指令的接收与发送，控制电机的转向，完成清扫、避障等功能。
如图1所示，处理器与多个模块相连接，有红外避障传感器、超声波测距传感器、测速光电编码器、电机驱动器接口模块、状态显示器、无线通信接口等，这些模块在微控制器的控制下，互相协调工作，保证了清扫机器人各项功能的实现。
2.2车体结构设计。
为了满足机器人的性能要求，机器人的机械结构应该具有稳定性，运动灵活性和足够强度等特点，同时尺寸要小，容量要大，重量要轻。
清扫机器人的机械结构主要由外部躯壳、小车底盘、驱动轮、传感器、垃圾清扫模块等组成。
小车的外部躯壳和底盘采用铝合金框架，以增大其坚固性，减轻重量，传感器安装在小车的适当部位，用导线连接，使小车重心降低提高小车的稳定性。
面向智能清洁的机器人导航与路径规划技术研究机器人技术的发展日益成熟，智能机器人在各个领域扮演着越来越重要的角色。
其中，面向智能清洁的机器人导航与路径规划技术是当前研究的热点之一。
本文将围绕该主题展开深入探讨，探索智能清洁机器人导航与路径规划技术的研究进展、挑战和前景。
一、研究背景与意义智能清洁机器人是一种能够在环境中自主移动和清扫的机器人系统。
随着智能家居的普及以及人们对生活质量的要求不断提高，智能清洁机器人成为现代家庭和办公场所的重要助手。
然而，现有的智能清洁机器人在导航和路径规划方面还存在许多问题，如障碍物检测、路径规划效率等，因此，研究面向智能清洁机器人的导航与路径规划技术具有重要的意义。
面向智能清洁机器人的导航与路径规划技术的研究有助于提高机器人的移动能力和效率，使其能够适应复杂多变的环境。
通过深入研究导航与路径规划算法，可以使机器人更加准确地感知和识别环境，避免碰撞和阻塞，提高路径规划的效率和准确性。
此外，优化导航与路径规划技术还有助于减少机器人的能耗，延长电池寿命，从而提高机器人的工作时长和使用寿命。
二、研究进展在面向智能清洁机器人的导航与路径规划技术的研究中，目前已经取得了一定的研究进展。
首先，传感技术的进步为机器人的导航和路径规划提供了有力的支持。
通过使用激光雷达、摄像头和红外传感器等传感器，机器人能够获取到周围环境的精准信息，实时更新地图和位置信息。
这些传感器技术的应用大大提高了机器人的感知能力，使机器人能够更加准确地感知环境中的障碍物和地标，减少碰撞和阻塞的风险。
其次，路径规划算法的改进也是研究的重点之一。
传统的路径规划算法，如A*算法和Dijkstra算法，存在着路径规划路径冗余、计算复杂度高的问题。
近年来，研究学者提出了一系列基于智能算法的路径规划算法，如遗传算法、蚁群算法和粒子群算法等，有效地解决了路径规划的效率和准确性问题。
这些智能算法通过模拟生物的行为和优化搜索过程，可以得到更优的路径规划方案，使机器人能够更快速和高效地完成清洁任务。
的标准偏差与最大峰谷值减少达到50%以上, 跟踪精度有了大幅提高.表3 抑振前后柔性臂跟踪误差值统计项目末端无负载末端带55g 负载标准偏差最大峰谷值标准偏差最大峰谷值抑振前关节误差0. 12110. 8230. 20011. 254抑振后关节误差0. 07230. 2910. 08440. 574减少百分比40. 28%64. 64%57. 82%54. 23%3 结束语运用模糊控制方法, 通过实验实现了2R 柔性机械臂关节跟踪和跟踪过程中振动的主动抑制. 与传统控制方法相比, 该方法不依赖柔性机械臂的动力学模型, 算法简单, 实时性好. 对于非线性、复杂对象的控制具有响应快、有效性好等优点. 实验数据表明, 在整个实验过程中模糊控制能够较大幅度地减小振动, 达到较好的抑振效果; 同时跟踪精度提高, 跟踪效果有了大幅度提高. 参考文献:[1] Book W J, M aizza -Nett o O , Whitney D E. F eedbackco nt ro l of tw o beams, tw o jo ints sy stem w ith distr ibu -ted flexibilit y, ASM E [J]. D yn. Sys. M eas. and Cont, 1975, 97(4 :424-431.[2] Craw ley E F , De Luis J. U se o f piezoelectr ic actuator sas element s of intelligent str uctures [J ].A IA A Jour -nal, 1987, 25(10 :1373-1385.[3] H o -Cheol Shin, Seung -Bok Cho i. P osition co ntr ol of atw o -link flex ible manipulato r featuring piezoelectr ic ac -tuator s and sensors[J]. M echatro nics, 2001, (1 :707-729.[4] Gustav o L uiz C M de Abr eu, Jo s F Ribeiro. A self -o r -g anizing fuzzy log ic contr oller for the act ive co nt rol o f flex ible structur es using piezo electr ic actuators[J].A p -plied Soft Co mputing , 2002, (1 :271-283.[5] 宋轶民, 余跃庆, 等. 柔性冗余度机器人振动主动控制[J].机械科学与技术, 2002, 21(2 :210-212.[6] 王洪福, 曲东升, 孙立宁, 祝宇虹. 两自由度柔性臂压电陶瓷抑振方案优化设计[J]. 压电与声光, 2003, 25(2 :118-121.作者简介:单业涛 (1983- , 男, 河南信阳人, 硕士研究生,研究方向为机器人学; 余跃庆 (1958- , 男, 北京人, 教授, 博士研究生导师, 研究方向为机器人学.室内清洁机器人路径规划的设计马艳, 刘华波, 徐淑华(青岛大学自动化工程学院, 山东青岛266071Path Planning Design for Cleaning RobotMA Yan, LIU Hua -bo, XU Shu -hua(Colleg e of A utomatio n Eng ineer ing, Q ingdao U niver sity, Q ingdao 266071, China摘要:阐述了一种基于M CU 的清洁机器人的路径设计, 针对室内清洁机器人的区域遍历问题, 提出基于栅格地图建立房间内的数字地图, 建立房间内的坐标系, 并在清洁的过程中有效地避开障碍物, 存储障碍物的坐标点, 建立地图模型. 通过Visual Basic6. 0软件程序的仿真可以得出本设计方案基本可以实现区域遍历和合理避障.收稿日期:2008-02-29基金项目:青岛大学青年科研基金资助项目关键词:清洁机器人; 路径规划; 数字地图中图分类号:TP24文献标识码:A文章编号:1001-2257(2008 07-0064-04Abstract:This article described the path plan -ning desig n for cleaning r obot based M CU. We study the behaviors of the cov erag e of the env iron -ment and present ro bo t maps by the grids m ethod, U sing the dig ital map of the room, cleaning robot can avoid all the stum bling block in fro nt of it inde -pendently , and clean the mo st area in r oom w ithleast repeat. The simulatio n result can pro ve this path planning for the flo or -cleaning ro bot is feas-i ble.Key words:cleaning robot; path planning; dig -ital m ap0 引言提出基于栅格地图表示室内环境, 使机器人能够按照地图数据对整个房间进行逐点清洁, 路径规划[1]方案为:建立数字地图之前, 机器人首先绕房间边沿行走一周, 确定房间大小, 建立整个房间的坐标系. 在清洁过程中机器人先从房间左下角开始按 S" 型逐行清扫, 遇到障碍时绕障碍行走一周, 并标注障碍物的位置, 绕过障碍继续行走, 直到走完整个房间. 在地图模型中, 机器人需要标记出不能行走的区域, 为每个栅格点建立地图数据. 另外, 机器人需要记录基座的位置, 以便能够自动回到基座停泊.1 清洁机器人的结构地面清洁机器人由机器人、基座和遥控器3大部分组成. 它的主体是一个2轮驱动的机器人, 采用小型直流减速电机驱动, 外表设计成圆形, 带有吸尘装置, 可以在移动的同时清洁所经过的地面, 其避障功能由安装在机器人正前方和左右侧的红外测距传感器和碰撞传感器完成. 机器人有一个固定的基座(又称作泊位器 , 它与墙壁上的电源插座相连, 机器人在充电或待命时停靠在基座上, 也可以使用红外遥控对机器人进行手动控制.该清洁机器人是一个以单片机为核心的运动控制系统. 单片机是系统的主控单元, 它以传感器检测到的信号和红外遥控器发送的信号作为系统的输入, 控制电机和风机的运转. 单片机接收到传感器检测的信号后, 经过指令处理控制电机的转动, 实现机器人的自动行走. 同时, 它也可以接收遥控器发送的信息, 根据人的指令控制电机转动. 在整个工作过程中, 单片机还要控制风机的运转, 以完成吸尘功能.在系统的功能设计上, 一方面机器人可以与用户进行交互; 另一方面, 机器人可以全自动运行. 系统软件的总体结构如图1所示.图1 软件总体结构2 地图数据存储器的设计系统选用SPCE061A 作为主控单元, 由于存储地图数据需要较大的存储空间, 因此利用SPBA01B 外扩8片W29C040, 共扩展4M B 存储器. 每片W29C040需要19条地址线, 以A 0~A 14作为其低15位, 以B 0~B 3作为其高4位. B 4~B 63条线经3-8译码器74LS138译码, 得到8位输出分别作为8片W29C040的片选信号.在数字地图的设计中, 取栅格地图的单位长度为5cm, 机器人前进或后退的单位距离也为5cm, 房间内每个栅格点的信息都存储在外扩的8片W29C040中, 各点信息分别用0, 1, 2, 3表示, 其定义为: 0" 表示该点信息未知或可以通行; 1" 表示该点及其右方不能通行; 2" 表示该点及其左方不能通行; 3" 表示该点不能通行. 系统初始化时所有点都被赋值为0.外扩的4MB 存储器的地址空间是0x 000000~0x 3FFFFF, 共22条地址线. 取高11位地址对应系统的横坐标, 低11位地址对应纵坐标. 例如, 对于坐标为(5, 8 的点, 该点的信息就存储在地址0000000010100000001000中, 即地址0x002808中. 由于11条地址线最多可以支持2048个地址, 所以横、纵坐标的范围是0~2047, 系统的坐标单位是5cm , 则横、纵坐标都可以支持100m 的长度. 因此只要房间的最长距离和最宽距离都不超过100m, 房间内所有栅格点的地图信息就都可以被记录. 所以可以为机器人建立的最大地图模型为100m 100m , 即10000m 2的房间.3 路径规划的设计在建立数字地图的过程中, 清洁机器人需要识别每个栅格点的位置, 以便存储其地图信息, 因为清洁机器人主要清洁房间内的地面, 因此可以将房间环境地图表示为二维模型.清洁机器人的运动姿态包括当前所在的坐标以及运动方向, 可以用三维数组表示, sta[x, y , d ir ].其中x 和y 分别表示机器人当前的横坐标和纵坐标, 变量dir 代表机器人的运动方向, 它取值为0, 1, 2, 3, 分别表示机器人转向Y 轴正方向、X 轴正方向、Y 轴负方向和X 轴负方向, 机器人每次左转, dir 减1, 当d ir =0时, 减1之后等于-1, 此时应重新赋值为3; 机器人每次右转, dir 加1, 当d ir =3时, 加1之后等于4, 此时应重新赋值为0.系统中地图模型的建立包括3个步骤:清洁机器人绕房间边沿行走一周, 确定房间大小并建立房间内的坐标系; 绕房间或任何障碍物行走一周并标记障碍物位置;返回基座. 3. 1 建立房间的坐标系首先把清洁机器人的基座位置定义为临时坐标原点, 在建立房间的地图模型之前, 首先绕房间边沿行走一周, 确定房间大小并据此建立正确的坐标系. 定义变量X max ,X min , Y max ,Y min 分别记录房间X 轴的最大、最小值和Y 轴的最大、最小值. 在机器人第1次绕房间一周时, 这4个变量不断更新, 最终记录房间的正确信息.当机器人第1次从基座出发时, 由于还没有确定房间的大小和坐标原点的位置, 因此在系统初始化时把基座赋值为原点, 同时将变量X max , X min , Y max ,Y min 初始化为0. 在第1次绕房间一周的过程中, 当机器人当前位置的横坐标x 大于X max 时, 更新X max , 令X max =x ; 而机器人当前位置的横坐标x 小于X min 时, 更新X min , 令X min =x. 同样当机器人当前位置的纵坐标y 大于Y max 或小于Y min 时, 也对它们进行更新.机器人从基座开始, 按顺时针沿房间边缘行走, 行走策略为:从基座位置先判断左侧是否可通行, 若可以则左转并前进; 否则判断前方可否通行, 若可以则前进; 若左侧和前方均不能通行, 则右转前进, 当再次回到基座时, 机器人已绕房间最外侧运动了一周. 在机器人前进过程中, 不断更新数组(X min , Y min 和(Xmax,Y max . 在沿房间最外侧行走一周之后, 计算房间的长度和宽度, 存储在变量X len 和Y len 中, 将以基座为原点的临时坐标系校正为正确的坐标系.3. 2 避障路径规划的设计通过对房间物体的观察, 可以看出大部分的房间物体都是方形的, 或者类似方形. 系统假设房间内的障碍物都是方形结构或者方形的组合, 机器人按S 型的轨迹从原点开始清扫地面, 当遇到障碍物时沿障碍物行走一周, 然后刷新地图模型, 标记出最新的障碍物区域.当机器人在房间内遇到障碍物时, 先记录该点的坐标, 然后每行走一步都执行一次判断:判断左侧是否可通行, 若可以就左转并前进; 否则判断前方是否可通行, 若可以则前进; 若左侧和前方都不能通行, 则右转. 当左转4次或者右转4次, 回到记录的坐标点时, 机器人已经围绕障碍行走了一周.当机器人判断左侧不能通行时, 需要根据当前运动方向标记障碍. 沿Y 轴正方向运动时, 将点(x -1,y 标记为 2", 表示该点及其左侧是障碍; 沿Y 轴负方向运动时, 将点(x+1,y 标记为 1" , 表示该点及其右侧是障碍, 障碍物标注如图2所示.图2 障碍标记示意当机器人清扫完整个房间后, 刷新地图信息. 从左下角的(x , y =(0, 0 点到右上角的(x , y =(Xlen,Y len 点以 S" 型逐行刷新地图, 标记出障碍物的坐标位置. 房间内的障碍物的摆放主要有3种方式, 对A 类障碍物将房间最左边与首个标记为 2" 的点之间的所有点标记为障碍; 对C 类障碍物将最后一个标记为 1" 的点与房间最右边之间的所有点标记为障碍; 对B 类障碍物将每对标记为1" 的点与标记为 2" 的点之间的所有点标记为障碍, 被标记为障碍的点用 3" 来标识.3. 3 路径规划的方法清洁机器人的路径规划是根据所感知到的工作环境信息, 按照某种优化指标, 从起始点到目标点规划出一条与环境障碍无碰撞的路径, 并实现封闭区域内机器人行走路径对工作区域的最大覆盖率和最小重复率[2]. 本系统基于静态结构化环境模型, 在障碍物的信息预先确定后, 采用 S" 型的路径规划的算法, 如图3所示.由于在系统的路径设计上, 清洁机器人先按照Y 坐标轴的方向行走, 再转向X 轴方向. 因此当房间中存在某些特殊形状的障碍物时, 由于机器人轨图3 S" 型路径规划示意迹设计的特点会存在某些不可到达的位置, 使这些位置成为清扫过程中的盲区, 如图4所示. 但是通过观察房间内的障碍物可以看出, 这类特殊形状的障碍物较少, 因此并不影响路径规划的可行性.图4 轨迹设计中的盲区示意3. 4 回到基座的设计在完成清洁任务或检测到电池电量低时, 机器人要自动返回基座, 由于在房间的地图模型中已经记录了基座的坐标, 返回基座的任务变得比较简单. 需要注意的是, 由于电源接口在后部, 机器人不应前进着进入基座, 而应该倒退着进入, 这样才能使电源接口与电源插座良好接触, 达到充电的目的.机器人返回基座时要先到达基座上方位置, 再调整方向为Y 轴正方向(dir =0. 如果当前方向是X 轴负方向(d ir =3, 就右转一次; 否则左转dir 次, 最后退入基座.4 测试结果利用Visual Basic6. 0编程软件设计了仿真程序, 进行了系统路径规划的仿真测试, 将机器人置于如图5所示的房间中箭头所指位置, 按下启动键, 机器人便开始了自动清洁, 它首先从基座开始, 绕房间边缘行走了一周, 然后从左下角开始以 S " 型的轨迹清扫地面. 遇到障碍时, 绕障碍一周后, 绕开障碍继续清洁, 清洁完房间后, 即到达房间右上角后, 自动回到了基座, 对图示房间的覆盖率为97. 4%.因为图示房间内的部分障碍物形状比较特殊, 因此测试结果可以表明, 本路径规划的设计方案基本能够满足清洁机器人工作的需要.图5 测试房间结构5 结束语路径规划技术是智能机器人领域中的核心问题之一. 蒋新松[3]为路径规划做出了这样的定义:路径规划是自治式移动机器人的一个重要组成部分, 它的任务就是在具有障碍物的环境内, 按照一定的评价标准, 寻找一条从起始状态(包括位置和姿态到达目标状态(位置和姿态的无碰路径.采用栅格法建立环境地图模型, 能够任意改变工作环境尺寸的大小, 并能够在地图中的任意位置设置任意形状的障碍物, 为运动路径规划提供有力条件[4-6]. 机器人在建立了房间的地图模型后, 能按照地图数据实现清扫过程中的自主避障, 以期望对工作区域实现最大覆盖率和最小重复率. 参考文献:[1] 石为人, 周学益. 室内清洁机器人避障路径规划研究[J].计算机应用, 2007, 27(6 :378-379.[2] H ofnerR C, Schmidt G. P at h planning and g uidancetechniques for an autonomo us mobile cleaning ro bo t [J]. P ro ceedings of the IEEE/RSJ/G I Internatio nal Conference o n Intellig ent Ro bo ts and System, 1994,1(1 :610-617.[3] 蒋新松. 机器人导论[M ].沈阳:辽宁科学技术出版社,1994.[4] 梁喜凤. 室内地面清洁机器人路径规划[J].中国计量学院学报, 2006, 17(1 :64-68.[5] 龚建伟, 等. 轮式移动机器人航向跟踪预估控制算法[J].机器人, 2001, 22(3 :193-196, 279.[6] 李晓敏. 智能移动机器人全局路径规划及仿真[D]. 南京:南京理工大学, 2004.作者简介:马艳 (1976- , 女, 山东烟台人, 讲师, 硕士, 研究方向为控制理论和智能控制.。
