基于传感器融合的群体机器人人机服务与运动康复控制

抽象的

机器人的当前趋势是融合不同类型的传感器，具有不同的特性，以改善机器人系统的性能，并且还受益于传感器的降低成本。需要对其应用的传感器融合的一种机器人是服务机器人。为了实现更好的性能，若干服务机器人是首选合作的，因此，本文专注于群体服务机器人。在固定区域内运行的群体服务移动机器人需要应对环境的动态变化，并且它们也必须能够避免动态和静态障碍物。本研究适用于人类服务和康复环境中的服务移动机器人的传感器融合和群理念。群体机器人遵循人类移动轨迹，为人类移动提供支持，并在其生活环境中执行若干任务。本研究适用于障碍物避免功能的参考控制和比例积分（PI）控制。进行各种计算机模拟以验证所提出的方法的有效性。

1.介绍

机器人的当前趋势是融合不同类型的传感器，具有不同的特性，以改善机器人系统的性能，并且还受益于传感器的降低成本。传感器融合是具有固有冗余的感官数据的组合，并且可以提供机器人的工作环境的鲁棒识别[1-3.]。

服务机器人，它经营半 - 或完全自主地执行对人类福祉有用的服务（不包括制造操作[4.-9.]），需要传感器融合使其能够识别环境，因为它有望在人类生活环境中的动态环境中工作。

服务机器人的应用之一就是康复环境。康复机器人的主要目标是完成或部分完成对残疾人有益的任务，并支持康复者的操作功能[10-12]。常规，康复计划严重依赖于康复器的经验和手动操纵。由于必须仔细进行康复，并且康复人数继续增加，精心设计的服务机器人可能有效地提供仔细康复所需的支持。

尽管迄今为止开发的大多数服务机器人都基于单个机器人应用，但提供更好的服务，多次服务机器人一起创建群体机器人团队是首选，特别是对于人类服务和康复目的。群机器人不仅可以支持雷霍提人的运动，而且还可以在康复期间进行各种任务，例如收集或运输某些物体。

在人类生活环境中运行的群体服务移动机器人需要适应其动态变化。因此，机器人的基本功能是避开静态和动态障碍物。特别是群队中的移动机器人必须保持自己的速度，避免与群中的其他伙伴发生碰撞[13-20.]。现有的研究雇用了接近[14[视觉传感器[17那21]，用于群机器人避障，以及用于定位和导航的无线射频识别(RFID) [21-24]。

本研究介绍了在移动障碍物动态环境中移动的群机器人的碰撞避免控制。提出了一种用于传感器融合的方法，以实现动态环境中的运动。所提出的方法组合了多个接近传感器，图像传感器和定位传感器（RFID系统）获得的信息。本研究适用于领导者组织，其中群机器人团队拥有一个追随雷霍提的领导机器人，而其他机器人遵循领导机器人。机器人控制器包括参考和PI控制器。参考控制器通过实时参考传感器信息生成机器人运动轨迹，并且PI控制器使机器人遵循所生成的运动轨迹。各种仿真结果，呈现在人类生活环境中存在几种静态和动态障碍，证明了所提出的设计的有效性。

2.移动机器人动力学

本研究考虑一种典型的两轮差动驱动群体移动机器人，如图所示1．符号的图1并且在本节末尾给出了以下等式。

给出了移动机器人的动力学模型

移动机器人的平移和角速度和加速度由以下等式表示： 左、右车轮的电机动力学为 用(1） - （3.） 进入 （4.），我们获得状态方程式 图中使用的符号1和(1） - （5.）如下： ：重心周围机器人惯性矩 ：机器人的质量 ：阻尼系数 ：用于跟随康复者或引导机器人的力矩和力 ：机器人的前角 ：机器人的角速度和平移速度 ：机器人的角度和平移加速度 ：右左轮驱动力 ：机器人的半宽 ：右车轮的角度 ：右左轮的角速度 ：左右车轮的角加速度 ：接近传感器之间的角度 ：从接近传感器和视觉传感器(） ：电机惯性矩 ：右，左和时间分别索引 ：输入电压到左右轮 ：电机驱动增益 ：轮子半径。

3.控制器设计

本研究采用参考和PI控制器进行避碰，如图所示2．参考控制器为leader和follower机器人生成参考轨迹，PI控制器使机器人跟随leader的参考轨迹。

3.1。参考控制器设计

通过熔断多个传感器提供创建参考轨迹所需的环境信息：Kinect传感器，四个接近传感器和RFID系统。我们假设RFID系统指示康复的位置。附加到rehabilitee的RFID标签由附加到领导者的RFID阅读器读取，这有助于通过识别他/她的立场来追踪和追随雷霍提的领导者。RFID标签也附加到追随跟随器读取信号的领导者，使其也可以跟踪和遵循领导者。

人的位置是机器人的目标位置。在本研究中，假设RFID系统给出人的位置，机器人以人的轨迹作为参考轨迹。

当从初始位置到目标位置的途中没有障碍时，机器人的输入扭矩和力量（1） 和 （2），和，如下： 在哪里是所需的旋转加速度是所需的平移加速度。它们是从参考（人）轨迹中获得的。

用于领导者和跟随器的控制算法是相同的。存在障碍物创造了虚拟扭矩和力量（那那,）移动机器人的动态。

因此，在假设存在若干静态和动态障碍物的环境中，我们考虑以下参考模型来生成参考轨迹: 在哪里:虚阻尼系数和:避免碰撞的虚拟扭矩和力(）。

虽然在(中没有考虑阻尼系数1） 和 （2）因为它们通常很小，和包括在(7.）确保机器人的稳定运动。

参考轨迹是通过添加虚拟扭矩和力（那那,）移动机器人的动态（7.）。通过考虑从Kinect传感器，接近传感器和RFID系统输入的融合数据来计算虚拟扭矩和力，如图所示2．

扭矩和分别为避免碰撞和确保机器人与通道虚拟墙平行移动而设计。力根据机器人到障碍物的距离，提供减速效果基于动态障碍的接近速度提供减速效果。这四个参数用于调整虚拟外力/扭矩的大小，并计算如下所示 在哪里:机器人平移速度的符号函数，：调整后的常量提供有效的碰撞避免（），:距离的时间导数到障碍物，对应接近的机器人对障碍物的速度，和：形状函数，表示虚拟外力与障碍物距离之间的关系;形状函数是0何时并且是1何时．

图中距离的形状函数3.设计如下: 在哪里:设计参数，用于定义虚拟外力和的形状函数:传感器可测量的最大距离。

虚拟外力/扭矩随着障碍物距离的减小而增加。当机器人与障碍物的距离大于时，虚拟外力为零，是根据传感器规范设计的参数。

3.2。PI控制器设计和仿真动力学

PI控制器用于使机器人遵循所需的轨迹。在该研究中，通过计算所需和实际速度之间的差异来采用PI控制器。考虑 参考速度（)的右和左车轮计算 在哪里：右车轮的参考速度，：期望的平移和角速度，：比例增益，和:获得积分。

仿真的PI控制系统设计介绍在附录中一种．

３．3.稳定Analysisy

本研究考虑机器人位于如图所示的四壁空间内的情况4.;这种布置的目的是研究墙壁对机器人的影响，以确认机器人系统的稳定性。

从传感器到图中墙壁的距离4.是由 在哪里：距离移动机器人到墙壁的距离，那:机器人的中心位置：机器人方向。

(中的形状函数9.）近似如下： 在哪里和  是稳定性分析的常数吗 在哪里和稳定性分析的常数是由 同样地，我们有 在哪里和假设。

考虑(1）和相关方程式，我们有 在哪里是机器人的速度。

用(14），（17），（19）， 和 （20.） 进入 （21） 结果是 通过指出 我们有以下动态（22）： 从图4.,我们有 在哪里是图中的机器人的方向4.并考虑具有较小的幅值，以典型的线性方式分析稳定性。

指出  ,我们有 在哪里是衍生自的矩阵（24)如下: 决定簇是由 因为如果低于以下条件，则是积极的， 然后系统中的系统（26)稳定的[25]。

接下来，我们考虑移动机器人的翻译运动。考虑（2）和相关方程式，我们有 用(14），（17），（19） 和 （20.） 进入 （30.） 结果是 从 并指出那个,我们有 在哪里是衍生自的矩阵（31)如下: 决定簇是 如果那那，系统在（33)稳定的[25]。

4.仿真结果

进行计算机模拟以验证所提出的方法的有效性。数字5.显示了人类生存环境中若干静态和动态对象存在的初始条件。它包括足够低的桌子，康复者可以跨过，尽管这些桌子被认为是机器人的静态障碍。经过的人被认为是机器人必须避开的动态障碍。

此仿真适用于Kinect传感器，使机器人能够“参见”静态和动态障碍物。数字6.显示了Kinect传感器应用的仿真结果。通过从Real Kinect传感器检测接近人的距离数据输入来进行模拟。距离数据也与来自接近传感器的距离数据进行比较。Kinect传感器在图中的应用6.表明，当路过的人接近机器人，且机器人与人的距离小于允许距离时，当停留时间达到约1500 s时，机器人停止。

数字7.显示计算机模拟截图，和图8.显示了展示所提出的系统有效性的仿真结果。数字7(一)显示恢复者在表之间移动。数字7 (b)展示康复因素随机移动的环境。

在图中8.，绿线、红线和蓝线分别是被感化者、领导者和追随者的轨迹。在图中8(一个)，当康复者在桌子之间行走时，避障会产生一些涟漪。数字8 (b)显示随机设置的结果，其中示出了更多的纹波。在所有这些情况下，群体机器人在避免障碍时成功地遵循康复。

5.结论

摘要本研究提出了一种适用于移动有障碍物环境中的群机器人避碰控制系统的设计。群机器人跟随被修复者，在动态环境中为他/她执行任务提供支持。本研究采用了参考PI控制器。参考控制器根据Kinect、proximity传感器和RFID系统获得的传感器信息融合，为PI控制器创建参考轨迹。通过参考控制器生成避障轨迹，并对整个系统的稳定性进行了分析验证。通过各种计算机仿真验证了该方法的有效性。康复者在所有情况下都能被群机器人成功跟踪。

附录

一、用于仿真的PI控制系统设计

我们将PI控制器应用于（4.)，得到如下动力学: 在哪里和是右右轮的参考速度。

用(1） - （3.） 进入 （. 1） 结果是 在哪里是跟踪错误的积分 用(a .） 进入 （a .),我们有 同样，我们有左轮的以下动态： 方程式（各） 和 （本)给 然后，我们有 通过定义状态向量，输入矢量，输出矢量在 （如系)，我们采用以下线性动力学进行仿真: 在哪里

B.计算机仿真屏幕截图和仿真结果

数字9.显示了本研究中使用的几种环境设置。图9(一个)和9 (b)展示没有障碍物的环境，其中雷霍米提地区在房间里移动，机器人跟随他/她。数字9（c）显示恢复者在表之间移动。图9（d）和9（e）展示康复者跨过桌子的环境，机器人避开他们，但仍然跟着他/她。图9（f）那9（g）,9（h）展示康复人随机移动的环境。

数字10图中显示了完整环境设置的仿真结果10绿色，红色和蓝线分别是雷霍提人，领导者和追随者的轨迹。图10 ()和10 (b)显示没有找到障碍物的设置。结果图显示了涟漪（避免障碍物的证据），因为移动机器人只考虑Rehabilitee-Trobot距离和机器人之间的距离，雷霍米利人刚走动，机器人确定与静态和动态障碍物的距离。在图中10（c），雷霍米提地走在桌子之间;因此，示出了由避障引起的一些涟漪。图10（d）和10 (e)显示康复人员在桌子上的环境设置以及机器人遵循人类并避免表。图10 (f)那10 (g),10 (h)在随机设置中显示结果，其中显示更多的波纹。在所有这些情况下，群体机器人在避免障碍时成功地遵循康复。

利益冲突

作者声明本文的发表不存在利益冲突。

承认

作者真诚地欣赏匿名评论者，以获得有价值的评论和建议。

参考

1. J. Llinas和D. L. Hall，“多传感器数据融合介绍，”IEEE电路与系统国际研讨会论文集，pp.537-540，1998年6月。视图:谷歌学术搜索
2. M. Kam，Zhu和P. Kalata，“移动机器人导航的传感器融合”IEEE的诉讼程序第85卷第1期1，第108-119页，1997。视图:谷歌学术搜索
3. L. jetto，S. longhi和D.Vitali，“通过传感器数据融合的基于模糊逻辑适应卡尔曼滤波器的传感器数据融合，”vitali，“控制工程实践，卷。7，不。6，PP。763-771,1999。视图:谷歌学术搜索
4. T. Haidegger, M. Barreto, P. Gonçalves等，“服务机器人的应用本体和标准”，机器人和自主系统，卷。61，没有。11，pp。1215-1223,2013。视图:谷歌学术搜索
5. N. Tschichold-Gürman, S. J. Vestli, G. Schweitzer，《服务机器人拖把:首次运行经验》，机器人和自主系统第34卷第3期2-3，页165-173,2001。视图:出版商的网站|谷歌学术搜索
6. Y.青晓，Y。愿，F.庄和Z. yan-Zheng“Restain Service Robot的本地化研究”国际先进机器人系统杂志，卷。7，不。3，pp。227-238,2010。视图:谷歌学术搜索
7. 中州。吴，C. Fassert和a - s。Rigaud，“为老年人设计机器人:外观及其他问题，”Gerontology和Geriatrics档案馆第54卷第5期1，页121-126,2012。视图:出版商的网站|谷歌学术搜索
8. D. Sun，J.Zhu，C. Lai和S. K.TSO，“玻璃表面上攀登清洁机器人的视觉传感申请”，“机电一体化，卷。14，不。10，pp。1089-1104,2004。视图:出版商的网站|谷歌学术搜索
9. K. Kim, M. Siddiqui, a . Francois, G. Medioni, Y. Cho，“个人服务机器人的鲁棒实时视觉模块”，在普遍存在机器人和环境情报（URAI '06）的第三届国际会议诉讼程序，2006年。视图:谷歌学术搜索
10. 多发性硬化症。ju，c.-c。K.林，D .-林，I.。Hwang和S.-M。陈，“具有力 - 定位混合模糊控制器的康复机器人：康复机器人的混合模糊控制，”神经系统与康复工程学报，卷。13，不。3，pp。349-358,2005。视图:出版商的网站|谷歌学术搜索
11. 关键词:机器人，运动轨迹规划，姿态分析，脑卒中，康复训练计算机、机电一体化、控制与电子工程国际会议论文集(CMCE’10)，pp。2010年8月318-321。视图:出版商的网站|谷歌学术搜索
12. E.Akdoğan和M.A.Adli，“用于下肢康复的治疗运动机器人的设计和控制：物理量，”机电一体化第21卷第2期3, pp. 509-522, 2011。视图:出版商的网站|谷歌学术搜索
13. G. C. Pettinaro, I. W. Kwee, L. M. Gambardella等，“机器人技术:服务机器人的不同方法”，刊于第33届国际机器人技术研讨会论文集, 2002年10月。视图:谷歌学术搜索
14. A. E. Turgut，H.Çelikkanat，F.Gökçe和E. Ahin，“在移动机器人群中自我组织的植绒，”群体智力，第2卷，第2期2-4页，97 - 120,2008。视图:出版商的网站|谷歌学术搜索
15. N. Xiong，J. He，Y. Yang，Y. He，T.-Kim和C. Lin，“关于一套自主移动机器人的分散植绒计划的调查”中国通信学报，卷。5，不。1，pp。31-38,2010。视图:出版商的网站|谷歌学术搜索
16. R. Havangi, M. A. Nekoui，和M. teshnhlab，“移动机器人定位的多群粒子滤波器”，国际计算机科学期刊，卷。7，不。3，PP。15-22，2010。视图:谷歌学术搜索
17. B.艾克曼，O. Yakimenko和M. Romano，“基于Vision基于植物机器人的导航：建模和仿真”AIAA建模和仿真技术会议的诉讼程序，pp.1-11，Keystone，Colo，美国，2006年8月。视图:谷歌学术搜索
18. R. Olfati-Saber，“用于多助手动态系统的植物：算法和理论”IEEE自动控制交易，卷。51，不。3，第401-420,2006。视图:出版商的网站|谷歌学术搜索
19. K. Ishii和T. Miki，“人工和群体智能研究的移动机器人平台”，国际大会系列，第1301卷，第39-42页，2007。视图:出版商的网站|谷歌学术搜索
20. h·李,E.-J。荣格,B.-J。“基于零空间投影法的多移动机器人系统导航策略”，国际控制，自动化与系统杂志，卷。9，不。2，pp。384-390，2011。视图:出版商的网站|谷歌学术搜索
21. T. Germa，F. Lerasle，N.Ouadah和V. Cadenat，“愿景和RFID数据融合，以移动机器人跟踪人群中的人群”计算机视觉与图像理解，第114卷，第641-651页，2010。视图:出版商的网站|谷歌学术搜索
22. T.Tampet，J.Vain和A.Kuusik，“使用RFID技术分发了移动机器人的协调，”第八届WSEAS国际自动控制国际会议进行培训，建模和仿真第109-116页，2006年3月。视图:谷歌学术搜索
23. K. Prathyusha, V. Harini，和S. Balaji，“基于RFID的移动机器人的设计和开发”，国际工程科学与先进技术杂志， vol. 1, no. 11, pp. 30-35, 2011。视图:谷歌学术搜索
24. S. Park和S. Hashimoto，“基于被动RFID的自主移动机器人室内定位”IEEE机器人与仿生学国际会议论文集，pp.1856-1861，曼谷，泰国，2009年2月。视图:出版商的网站|谷歌学术搜索
25. R. sigal，“Routh-Hurwitz稳定性测试的算法”，数学和计算机建模，卷。13，不。8，pp。69-77,1990。视图:谷歌学术搜索

版权

版权所有©2014 Tresna Dewi等。这是分布下的开放式访问文章创意公共归因许可证，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。