基于大數據聚類的機器人步態控制系統設計

　　摘要：為提高機器人關節的運動靈活性，使其具有更快、更穩的步行能力，設計基于大數據聚類的機器人步態控制系統。通過傳感器設備為主處理器元件、舵機控制板提供足量的傳輸電信號，完成機器人步態控制系統硬件設計。定義關鍵的關節節點，通過建立適應度函數的方式，實現基于大數據聚類的步態節點安排。分別從支撐腿運動規劃、擺動腿運動規劃兩方面著手，收集大量的步態運動信息，再聯合已知函數條件，對機器人關節角度進行求解，完成機器人行進步態的規劃與處理，實現基于大數據聚類機器人步態控制系統的應用。實驗將所得關節彎曲次數、角度值與理想數值對比可知，所設計系統位姿標定情況下關節彎曲次數值大、角度值小，機器人關節的運動靈活性水平高，具有相對穩定的步行運動能力。

　　關鍵詞：大數據聚類;機器人;步態控制;適應度函數;支撐腿;擺動腿;關節角度

　　李瑩; 申麗芳， 計算機測量與控制 發表時間：2021-11-18

　　0 引言

　　針對于定向性信息來說，大數據具有快速增長的變化能力，且其從屬復雜度也會隨網絡環境的改變而產生變化。大數據可以看作是當數據規模擴大到一定程度后，而產生的信息量質變行為，同時包含多種數據信息類型，不但涉及文字、圖像等傳統的結構化信息，也包含聲音、視頻等連續的新型非結構化信息，且與其他類型的數據參量相比，大數據在傳輸時間方面的應用要求更高[1-2]。從范圍空間的角度來看，大數據信息以整個互聯網空間作為提取背景，特別是針對運動學等應用問題來說，大數據參量所能提供的參考信息更多，不僅能夠保障相關函數公式定義的運算有效性，也可實現對數據統計環境的較好完善[3]。

　　傳統機器人步態控制系統已經應用于實際工作中，例如文獻[4]提出逆運動學控制系統，在硬件方面采用 TMS320VC5509A 設備作為設計核心，結合測距傳感器、壓力傳感器、慣性傳感器等元件對步態數據的采集時序進行實時控制，再通過姿態解算的方式，確定運動過程中的角度與速度數值。然而此系統所標定的機器人行為位姿角度過大，易使其關節靈活性受到影響，從而使得機器人步行能力受到影響。文獻[5]提出基于電容式觸覺傳感器的機器人步態控制系統，利用電容式觸覺傳感器采集測量參數，包括機器人運動峰值法向力的大小和時間，以及腿部旋轉速度，當機器人穿越不同類型的地形時，傳感器會測量接觸力，基于步態性能研究，通過實時地形分類實現了基于地形的步態控制。該系統位姿標定較為準確，但機器人步態控制的運動靈活性水平較差。

　　針對此問題，引入大數據聚類思想，設計新型的機器人步態控制系統，利用舵機控制板、傳感器電路等設備元件，規劃機器人支撐腿、擺動腿的瞬時運動行為，再結合聚類算法的適應度函數條件，實現對關節角度的計算與求解。

　　1 機器人步態控制系統總體設計方案

　　機器人步態控制系統的總體設計應從傳感器設備、主處理器元件、舵機控制板三個角度同時進行，具體操作方法如下。

　　1.1 傳感器設備

　　為了完成對機器人行走步態位姿的實時修正與控制，需要不斷獲取機器人行為及其所處周圍環境的具體信息，在此過程中，傳感器設備起到了至關重要的調節作用，且只有在多級傳感器元件的共同配合之下，才能實現對機器人步態信息的按需處理[6]。利用九軸傳感器采集機器人步態位姿信息，結合壓力元件了解足底與地面之間的接觸情況，再通過大數據聚類算法將已獲取的信息發送給下級舵機控制板設備。

　　(1)九軸傳感器

　　MPU9250 是九軸傳感器的核心組成元件，如圖 1 所示，由兩部分應用結構共同組成。其中一組為單獨的 3 軸磁力計，另一組為 3 軸加速度計與陀螺儀的連接組合。這種傳感設備的物理體積較為小巧，擁有 SPI、IIC 兩種最基本的數據通信方式。

　　傳感器內部具有完整的 16 位 ADC，對于數據型電量輸出信號來說，元件結構為其匹配的可測參量范圍相對較為廣泛。機器人步態控制系統利用 IIC 總線讀取 MPU9250 中的存儲數據信息，主要引腳功能如下：

　　(2)紅外測距傳感器

　　紅外測距傳感器安裝于機器人頭部舵機中，可通過舵機的轉動自測來判斷機器人前方運動范圍內是否具有障礙物[7]。傳感器元件的應用遵循三角測量原理，根據障礙物所處位置的不同，所發出測距信號的返回接收位置也有所不同。

　　(3)壓力傳感器

　　壓力傳感器外附著一層電阻式薄膜，可用來判斷機器人在運動過程中腳底是否與地面接觸，具有重量級輕、體積小的應用優點。

　　1.2 主處理器元件

　　考慮到機器人步態控制系統的響應與集成要求，應選擇 TMS320VC5509A 作為主處理器元件的核心應用芯片，如圖 1 所示。TMS320VC5509A 芯片可將信息轉化為數字傳輸信號，并對其進行后續的傳遞與處理，具有相對高速的應用特點。External Memory Interface 主操控結構可通過片選信號的方式，對隸屬于芯片外部的存儲空間進行選用，且由于 GPIO、EHPI、Syspem、McBSP、 RTC 等多個接口的同時存在，控制系統主處理器元件可直接將舵機控制板由同步狀態調制至異步狀態，也可實現反向調制[8-9]。

　　從宏觀性角度來看，主處理器元件的應用優點主要表現在如下幾個方面：

　　1.集成性能良好：主處理器元件內集成了多組信號通訊模塊，可在主電源支持下，實現由機器人步態控制數據到控制信號的轉換。

　　2.運行速度較快：C55 DSP Core 芯片可快速采集機器人步態行進指令，且大多數指令都可在同一信號處理周期內完成調整，因此主處理器元件可對機器人前進行為進行有效的中斷控制。

　　3.穩定能力強、運算精度高：在主處理器元件中， TMS320VC5509A 芯片通常都擁有獨立的高精度并行乘法器設備與之配套，且所有與機器人步態行為相關的指令都是針對該模塊專門設計的。

　　4.接口覆蓋量大：為便于與下級控制設備建立穩定的連接關系，主處理器元件設置 6-Chan DMA、INT、 JTAG 等多個接口組織，在機器人運行過程中，這些接口同時接受 C55 DSP Core 主芯片的調度，因此其應用能力始終保持高度的一致性。

　　1.3 舵機控制板

　　單純的 TMS320VC5509A 芯片在機器人步態控制方面的應用能力較為薄弱，若將其直接與 19 路舵機關聯起來，則會顯得機器人的前進步態過于不穩定[10]。因此，在新型機器人步態控制系統中，將驅動舵機的任務分配給了應用級別更高的舵機控制板元件，當使用 DSP 指令發送模式時，舵機板可代替獨立的 19 路舵機對信號傳輸行為進行控制，從而形成一種完整的“兩級”連接結構，其電路原理圖如圖 2 所示。

　　SSC-32U 以 ATmega328 作為主控元件，在接收到上位機控制指令后，可以對下級舵機設備進行同步驅動，與 TMS320VC5509A 芯片相比，其負載能力更強，在作用過程中，不限制舵機設備的實際連接形式。由于 ATmega328 元件的存在，整個 SSC-32U 芯片外部的驅動電壓始終保持為穩定數值[11]。針對于機器人步行運動來說，SSC-32U 型舵機控制板輸出的信號數據同時包含舵機角度、轉動時間的物理信息。一般情況下，各個關節的運動與停止能夠保持高度統一的狀態，但若僅改變一個關節的運動角度數值，通過操作舵機控制板也是可以直接實現的。

　　2 基于大數據聚類的步態節點安排

　　按照機器人步態控制系統設計方案，通過定義關鍵節點的方式，建立關鍵的適應度函數條件，完成基于大數據聚類的機器人步態節點安排。

　　2.1 大數據聚類關鍵節點定義

　　在互聯網環境中，關鍵聚類節點有兩種表現形式，一種是通過破壞原節點，推斷網絡受到的影響，一般來說影響能力越大，代表該節點越重要;另一種是通過分析節點密度等特性來反映網絡的重要性能力，并通過擴大原節點顯著性等級的方式，來判斷該節點是否為關鍵聚類節點。在機器人步態控制系統中，網絡大數據聚類需要消耗大量的處理時間，因此可作為定義關鍵節點的重要物理指標[12-13]。為實現對機器人步態行為的最大化調度，默認所有關鍵節點都處在互聯網中部，且為使定義時間長度得到有效控制，應將大數據聚類看作一種簡單的數據信息堆疊行為，且隨著待處理數據量的增大，聚類堆疊的處理層數值也會不斷增大。設 min e 代表最小的信息聚類系數， max e 代表最大的信息聚類系數，在機器人行進步數為 n 的條件下，可將關鍵大數據聚類節點表達式定義為：

　　其中，?1 表示第一個行進步態指標，?n 表示第 n 個行進步態指標， f 表示聚類節點篩查條件，?T 表示聚類節點的單位篩查時長。

　　2.2 適應度函數

　　適應度函數對大數據聚類算法起到了極強約束作用，可根據關鍵節點定義條件，規劃步態節點在后續運動過程中所處的分布位置，從而為機器人選取一條相對可靠的行進路線。受到舵機控制板元件的影響，適應度函數作用能力應呈現范圍式存在狀態，即在固定運動區域環境中，由于適應度函數的存在，機器人前進步態不會與預設情況出現較大偏差[14-15]。設 L 代表固定運動區域的面積數值， h 代表機器人前進長度， d 代表機器人支撐腿與擺動腿之間的物理寬度值，聯立公式(1)，可將大數據聚類算法的適應度函數條件定義為：上式中， sech 表示雙曲函數，?表示聚類約束標準， k 表示大數據聚類的處理基向量， E 表示范圍化聚類系數，?表示與舵機板元件匹配的機器人步態控制系數， q 表示步態控制量均值。

　　3 機器人行進步態規劃

　　3.1 支撐腿運動規劃

　　設 t 代表一個機器人步態運行周期的消耗時長。在前 2 t 時間內，若機器人出現右傾行為，則判定右腿作為支撐腿、左腿作為擺動腿。根據機器人自身的結構特點可知，應采用大數據聚類算法對其腳步與小腿連接位置進行力學分析[16-17]。為使機器人在 X 軸方向上保持平穩運動，避免產生不必要的外部沖擊力，可將機器人力學質心在運行平面內的變化軌跡等效成為完整的正弦曲線，規定質心在出現偏移方向變化時的速度初始值為 0。聯立公式(2)，可將機器人支撐腿的運動規劃方程表示為：其中， 1 x 表示機器人步態行為在 X 軸上的分量， 1 y 表示機器人步態行為在 Y 軸上的分量， 1 z 表示機器人步態行為在 Z 軸上的分量， C1、C2 表示兩個不同的步態行進系數。

　　3.2 擺動腿運動規劃

　　在后 2 t 時間內，若機器人出現左傾行為，則判定左腿作為支撐腿、右腿作為擺動腿。同理，可將機器人擺動腿的運動規劃方程表示為：

　　3.3 關節角度求解

　　在步態行進坐標系內，由機器人自身結構特點及先前所規劃的腿部步態行為可知，?1 、?5 為側向關鍵的旋轉角數值，只能在 X Z ? 的平面環境中變化，?2 、?3 、?4 則為前向關鍵旋轉角數值，如圖 3 所示。

　　聯合公式( 3)、公式(4)，根據行進速度 ( , , ) i i i v x y z ?和幾何關系，寫出各關節角度變化的方程如下：對機器人支撐腿有 2 ? ? 0、 3 ? ? 0、 4 ? ? 0 ，對機器人擺動腿有 1 ? ? 0 、 5 ? ? 0 。至此，完成對機器人行進步態的規劃與處理，在大數據聚類算法的支持下，實現機器人步態控制系統的順利應用。

　　4 實例分析

　　分別采用文獻[4]系統、所設計系統對機器人基本位姿進行標定，機器人步行參數如表 2 所示。

　　將機器人放在平整的地面上，讓其按照所規劃路徑做步行前進運動，并參照表 2 來設置機器人的最大抬腳高度、質心高度、步長與周期，然后讓機器人連續步行前進 10 米，期間機器人的步態行為穩定且平滑，沒有出現明顯的晃動狀態，此期間所捕捉到的機器人平地運動截圖如圖 4 所示。

　　為更準確檢驗機器人在平地的步行狀態，讀取兩種系統控制下機器人的關節彎曲次數，并將其與理想數值對比，如圖 5、圖 6 所示。

　　對比圖 5、圖 6 可知，在行進過程中，機器人步態每變化一次，其關節彎曲量都會由 0 直接變化至當前的最大值結果，因此在兩次前進行為之間，關節彎曲次數都會呈現短暫的“歸零”狀態。所設計系統數值曲線與理想數值曲線相比，并沒有過于明顯的出入，在前 2 米的前進距離中，所設計系統關節彎曲次數量小幅高于理想數值，當前進距離為 6m 和 8m 時，理想數值出現了兩次較小的下降狀態，但所設計系統關節彎曲次數值在整個實驗過程中，始終保持不斷上升的變化狀態，只是實驗后期上升幅度相對小于實驗前期。文獻[4]系統數值曲線與理想數值曲線相比，在既定節點處的數值水平明顯更低，當前進距離為 7m 和 9m 時，文獻[4]系統關節彎曲次數值出現了兩次較小幅度的下降狀態，實際變化趨勢也與理想數值不完全一致。

　　將機器人放在不平整的地面上，讓其按照所規劃路徑做步行前進運動，結合傳感器反饋回來的姿態信息確定機器人關節彎曲角度的實際變化情況。參照表 2 來設置機器人的最大抬腳高度、質心高度、步長與周期，然后讓機器人連續步行前進 10 米，在此期間及時調整機器人步態行為使其保持穩定且平滑的狀態，具體所捕捉到的機器人運動截圖如圖 7 所示。

　　讀取所設計系統、文獻[4]系統機器人的關節彎曲角度數值，并將其與理想數值對比，如表 2 所示。

　　在機器人行進過程中，關節角度的彎曲數值越小，代表機器人的運動靈活性越強，且當其彎曲度超過 110°時，機器人的前進步態會出現明顯的遲緩狀態。以前進距離等于 5m 作為分界點，分析表 3 可知，所設計系統關節彎曲角度與理想數值在分界節點之前，均保持不斷上升的數值變化趨勢，但所設計系統數值的上升幅度明顯小于理想數值，平均值水平也相對更低;文獻 [4]系統關節彎曲角度在分界節點之前的變化行為并沒有明顯規律，且其均值水平也遠高于理想數值與所設計系統數值。在分界節點之后，理想彎曲角度均值出現了明顯提升，與所設計系統數值相比其上升幅度更為明顯，但也并未超過最大彎曲數值 110°;文獻[4]系統關節彎曲角度的上升幅度比理想數值更為明顯，且其均值水平也超過了 110°，對機器人的穩定步行前進起到了一定的抑制作用。

　　綜上可知，大數據聚類型控制系統在穩定機器人前行步態方面具有較強的促進作用，在前進等長距離的情況下，機器人關節的彎曲次數值大而彎曲角數值小，充分說明了在前進過程中，機器人關節確實具備較強的運動靈活性。

　　5 結束語

　　為了更好適應大數據聚類算法的應用需求，機器人步態控制系統針對提高機器人關節運動靈活性的問題展開了研究，聯合傳感器設備、舵機控制板等應用元件，規劃支撐腿、擺動腿的實際運動行為，再借助適應度函數，求解關鍵的關節角度數值。實驗方面從位姿標定的角度著手，分析關節彎曲次數與彎曲角度的具體變化情況，與傳統逆運動學控制系統相比，大數據聚類系統對于機器人關節運動靈活性的促進作用更強，可對其穩定步行運動能力提供強有力的保障。