一、引言

多關節機器人為了能在未知或時變環境下自主地工作。應具有感受作業環境和規劃自身動作的能力。為此。必須提高機器人對當前感知環境的快速理解識別及實時避障的能力。實時避障是實現智能化機器人自主工作能力的關鍵技術。也是國內外智能機器人近期發展的一個熱點。其顯著特征是具有傳感器信息反饋。可以實現很好的智能行為。本文主要針對基于傳感器信息的多關節機器人實時避障方法方面的研究。詳細介紹了傳感器的選擇和傳感器信息融合技術。

二、傳感器選擇

機器人避障的關鍵問題之一是在運動過程中如何利用傳感器對環境的感知。任何類型的傳感器都有各自的優點和不足。選用時需要仔細考慮各種因素。

在機器人運動規劃過程中傳感器主要為系統提供兩種信息：

（1）機器人附近障礙物的存在信息。

（2）障礙物與機器人間的距離。近幾年。應用到機器人運動規劃的傳感器一般分為兩大類：無源式傳感器和有源式傳感器。

1、無源式傳感器

應用在避障中的無源式傳感器包括觸覺傳感器和視覺傳感器兩種。

（1）觸覺傳感器

機器人觸覺系統是模擬人的皮膚與物體接觸的感覺功能。獲取周圍環境信息。用來達到避障目的。特別是在黑暗處或者因障礙物的影響導致無法通過視覺獲取信息的條件下。使機器人具備觸覺功能。

觸覺傳感器是一種測量自身敏感面與外界物體相互作用參數的裝置。觸覺傳感器常常包含許多觸覺敏感元。并以陣列的形式排列。通過這些觸覺敏感元與物體相互接觸產生觸覺圖象。并進行分析與處理。這種工作方式稱為被動式觸覺/但是。實際應用中。一方面由于觸覺傳感器的空間分辨率大大提高。

其工作平面尺寸比被識別物體要小得多；另一方面機器人控制中需要得到物體的三維信息。因此，在被動式觸覺的基礎上，將觸覺傳感器安裝在機器人上，隨著機器人的不斷運動，傳感器可得到被識別物體的三維觸覺信息，通過進一步處理與識別，并反映給機器人控制器，這樣可以使機器人獲取周圍環境信息，識別物體形狀，確定物體空間位置等，從而達到智能控制和避障的目的。這種工作方式稱為主動式觸覺。在安裝觸覺傳感器時，一般都安裝在手爪、足、關節等主要的操作部位。

觸覺傳感器應用在多關節機器人避障系統中的主要缺陷是：信號滯后，很難實現實時避障，工作過程中機器人系統容易損壞。

（2）視覺傳感器

視覺傳感器獲取的信息量要比其它傳感器獲取的信息量多得多，但目前還遠未能使機器人視覺具有人類完全一樣的功能，一般僅把視覺傳感器的研制限于完成特殊作業所需要的功能。

視覺傳感器把光學圖像轉換為電信號，即把入射到傳感器光敏面上按空間分布的光強信息轉換為按時序串行輸出的電信號——視頻信號，而該視頻信號能再現入射的光輻射圖像。固體視覺傳感器主要有三大類型：一種是電荷耦合器件（CCD）；第二種是MOS圖像傳感器，又稱自掃描光電二極管列陣（SSPA）；第三種是電荷注入器件（CID）。目前在機器人避障系統中應用較廣的是CCD攝像機，它又可分為線陣和面陣兩種。線陣CCD攝取的是一維圖像，而面陣CCD可攝取二維平面圖像。

視覺傳感器攝取的圖像經空間采樣和模數轉換后變成一個灰度矩陣，送入計算機存儲器中，形成數字圖像。為了從圖像中獲得期望的信息，需要利用計算機圖像處理系統對數字圖像進行各種處理，將得到的控制信號送給各執行機構，從而再現多關節機器人避障過程的控制。

這種傳感器在避障中主要有三方面缺陷：一是受光線條件和工作范圍限制；二是此類傳感器驅動電路復雜，價格昂貴；三是實時性差。

2、有源式傳感器

有源式傳感器由于中間傳遞介質不同分為：超聲波傳感器、電容耦合式傳感器、電渦流傳感器、紅外傳感器。

（1）超聲波傳感器

超聲波傳感器是靠發射某種頻率的聲波信號，利用物體界面上超聲反射，散射檢測物體的存在與否。超聲波在空氣中傳播時如果遇到其它媒介，則因兩種媒質的聲阻抗不同而產生反射。因此，向空氣中的被測物體發射超聲波，檢測反射波并進行分析，從而獲到障礙物的信息。

超聲波傳感器由于信息處理簡單、快速并且價格低，被廣泛用在機器人測距、定位及環境建模等任務中。但在多關節機器人實時避障系統中存在一定的局限性，主要表現在四個方面：

一是因為超聲波的波長相對長一些，對于稍大的扁平的障礙物可以發生鏡面反射，傳感器由于接收不到反射信號，使此障礙物不能被檢測到。

二是盲區較大，因為每個超聲換能器既作超聲發射器又作超聲接收器，因此不能同時發射超聲和接收超聲。在發射超聲后必須經過一段時間才能處理返回的聲波。如果障礙物距離太近（＜30左右），則傳感器收不到返回的聲波，所以該類傳感器存在測量盲區。

三是表現在探測波束角過大，方向性差，往往只能獲得目標的距離信息，不能準確地提供目標的邊界信息，單一傳感器的穩定性不理想等。在實際應用中，往往采用其它傳感器來補償，或采用多傳感器融合技術提高檢測精度等。

四是由于超聲波受環境溫度，濕度等條件的影響，以及超聲固有的寬波束角，超聲傳感器在測距時，所測量的值與實際的值的誤差較大。

（2）電容耦合式傳感器

電容耦合式傳感器是當一物體接近傳感器時電容發生改變，電容的改變可使振蕩器起振或產生相移改變，以此來檢測障礙物的存在。此類傳感器性能穩定、可靠和耐用。缺點是由于傳感器分辨率很低，在其測量的范圍內不能分辨出物體的維數。機器人在處理時必須假設障礙物非常大，例如，如果障礙物的距離為2cm，被認為20∽30cm的物體來處理，這就大大限制了機器人手臂運作的空間。

（3）電渦流傳感器

電渦流傳感器通過向外發射高頻的變化的電磁場，對周圍的目標引起電渦流。電渦流的大小與傳感器和目標物體之間的距離有關，電渦流產生的磁場與傳感器的磁場方向相反。兩個磁場相互疊加，就會減少傳感器的電感和阻抗。采用適當的電路把阻抗的變化轉換成電壓的變化，就能計算出目標物體的距離。

電渦流傳感器尺寸較小，可靠性較高，價格也較便宜，不但可以作為接近覺傳感器，檢測障礙物的存在和物體距離，而且可以采用適當的方法檢測力、力矩或壓力。測量精度比較高，能夠檢測0.02mm的微量位移，測量還具有方向性。但是，這種傳感器的缺點是作用距離較短（一般不超過13mm）。另外，此傳感器僅適用于障礙物為固態導體的檢測。

（4）紅外傳感器

紅外傳感器是一種比較有效的接近覺傳感器，經常被國內外學者應用在多關節機器人避障系統中，用來構成大面積機器人“敏感皮膚”，覆蓋在機器人手臂表面，可以檢測機器人手臂運行過程中的各種物體。傳感器發出的光的波長大約在幾百納米范圍內，是短波長的電磁波。紅外傳感器具有以下特點：不受電磁波的干擾、非噪聲源、可實現非接觸性測量。另外，紅外線（指中、遠紅外線）不受周圍可見光的影響，故可在晝夜進行測量。

同聲納傳感器相似，紅外線傳感器工作處于發射/接收狀態。這種傳感器由同一發射源發射紅外線，并用兩個光檢測器測量反射回來的光量。由于這些儀器測量光的差異，它們受環境的影響非常大，物體的顏色、方向、周圍的光線都能導致測量誤差。但由于發射光線是光而不是聲音，可以希望在相當短的時間內獲得較多的紅外線傳感器測量值。測距范圍較近，大致為30cm以內。

3、傳感器選擇策略

傳感器的選擇好壞直接關系到多關節機器人采集周圍環境信息量的多少，因此目前機器人避障系統選擇傳感器類型和數量有兩種不同的方法：基于環境的優化原則選擇法和基于任務選擇法。

（1）基于環境的優化原則選擇法：設計階段的預選擇以及適合環境和系統狀態變化的實時選擇，前者給出了恰當的傳感器數量和操作速度之間的關系，該關系可決定多傳感器避障系統中傳感器單元的優化排列，后者通過貝葉斯方法利用任何先驗的物體信息決定傳感器的定位，使傳感器對障礙物體假設不確定性最小。

（2）基于任務的選擇法：此方法主要思想是基于避障的任務，將完成該任務的過程按時間及感知范圍劃分為若干段，即將任務分解，根據每個階段所需的傳感器信息合理地選擇傳感器的種類和數量。

三、傳感器的信息融合

在智能機器人避障的系統中，因為任何傳感器的功能都有限，必要時，應將多種傳感器集成在一起，融合多種傳感器信息，這樣可以更正確、更全面的反映出外界環境的特征，為避障提供正確的依據。信息融合技術可以增加各類傳感器信息的互補性、對環境變化的適應性，提高決策的正確性。

多傳感器數據融合的基本目的是指通過對多（種，類）傳感器數據的綜合處理以獲得比每個單一傳感器更多的信息。也可以理解為對多傳感器的原始信息加以智能化的綜合，從而導出新的有意義的信息。這種信息的價值比單一傳感器所獲得信息要高得多，它有利于判斷和決策。因此近年來多傳感器信息融合技術系統已越來越多地應用于機器人的避障系統中，通過實驗可以取得良好的效果。

1、傳感器數據融合方法

多傳感器的機器人避障系統中，各信息源提供的環境信息都具有一定程度的不確定性。另外，由于傳感器數量較多，且多為非線性，要進行很好的全局優化和控制，處理量大。面對離散數據多、關聯度大、輸入信息不可線性化且要求融合結果可靠性高等特點，傳統的數據融合方法（加權平均法、貝葉斯估計法、Dempster-Shafer證據推理方法等）不能很好地滿足要求。對于多關節機器人避障系統而言，通常采用卡爾曼濾波法、產生式規則、模糊邏輯人工神經網絡法，可以得到關于環境更加可靠、統一、精確的描述，便于判斷與決策。

（1）卡爾曼濾波用于實時融合動態的低層次冗余多傳感器數據，該方法用測量模型的統計特性遞推決定統計意義下最優融合數據估計。由于機器人避障系統具有線性動力學模型，且系統噪聲和傳感器噪聲是高斯分布的白噪聲模型，卡爾曼濾波為融合多傳感器數據提供唯一的統計意義下的最優估計。

應用到機器人避障系統的多傳感器信息處理中，國內外學者經常選用的是聯合式卡爾曼濾波法，其基本思想是采用一組并行運行的濾波器模塊，每一個模塊只處理某一個特定傳感器的信息。另外，還采用了一個“主濾波器”對來自所有局部濾波器的信息進行融合。這種結構明顯的優勢在于：計算量平均分布在各個并行濾波器中，主濾波器的計算負擔不大；具備了多種冗余信息，可以通過適當的重構算法設計提供強容錯能力。

（2）產生式規則可以建立自然景象專家系統，根據多傳感器的檢測數據，使用符號來表示環境特征，這樣可以更全面的反映避障系統的周圍信息，為機器人的路徑規劃做準備。

（3）模糊邏輯法方法是用某種模擬人類的思維習慣的模型系統地反映機器人避障系統中多傳感器數據融合過程的不確定性，并通過模糊推理來完成數據融合，得到預期的效果。

（4）人工神經網絡法是一種仿效生物神經系統的信息處理方法，是通過有***或無師自學算法進行網絡學習，一旦學習完成，該神經網絡就能夠根據以網絡權矩陣和網絡拓撲結構形式存儲的特征信息，基于此神經網絡得到了一種進行決策思維的模型結構，通過綜合來自于系統各種不同傳感器的信息，從中抽取出單一傳感器無法提供的準確可靠信息，這是在有環境交互的情況下處理多傳感器信息的一種十分有效的方法。

此方法應用到機器人避障系統多傳感器信息處理中，主要通過傳感器在操作現場獲得環境信息，過濾和預處理模塊對傳感信息進行修正和數字化，經安全機制判斷后作為相應神經網絡融合處理器的輸入源，采用知識數據庫作為神經網絡融合器的選型和知識來源的輔助決策工具，應用程序接收融合結果，采取相應的控制策略，并發送控制命令給機器人驅動設備。這樣可以快速準確地獲得盡可能多的實際操作現場的環境信息，從而有效地完成多傳感器的信息處理。

2、傳感器信息處理

由于機器人避障系統中所用的傳感器種類和數量較多，信息處理較復雜。應用在此系統的信號處理方法主要有小波分析法、神經網絡法、遺傳算法、免疫算法。

（1）小波分析法

小波變換的基本思想是用一族小波基函數去表示或逼近——信號，很好地解決了時間和頻率分辨力的矛盾，適合于對時變信號進行局部分析。

小波變換作為一種新的信號處理方法，近幾年，將小波分析應用在機器人避障系統實時采集傳感器信號檢測分析中，通過對傳感器信號的多尺度分解，濾除被測傳感器信號中混入的噪聲成分，重構真實信號，這樣可以有效提高機器人避障系統中采樣數據的可靠性，進而可以提高避障系統的控制精度。另外它還有數據壓縮功能，對此系統大量的傳感信號進行壓縮處理可以節省存儲空間，提高運算速度。

（2）神經網絡法

神經網絡是一種不需要選取基函數系的非線性函數逼近方法。機器人避障系統利用神經網絡的高度非線性描述能力，并利用這一能力對此系統的多傳感器進行建模，利用BP算法（誤差反向傳播算法），可以對傳感器輸出信號進行濾波、除噪及傳感器的信號識別，從而使傳感器的輸出信號更精確反映外部環境信息，為機器人的路徑規劃算法做準備。

這種方法的特點是：不需要機理方面的細節知識，避免了數學建模的不完備性；利用軟件實現傳感信號的處理，方便靈活，適用性強，免去了硬件電路。

（3）遺傳算法

遺傳算法是按照自然界“優勝劣汰，適者生存”法則提出的一種全局優化自適應概率搜索算法。遺傳算法通過對當前群體施加選擇、雜交、變異等一系列操作，產生出新一代的群體，并逐步使群體進化到最優解狀態。

遺傳算法被應用于機器人避障系統的傳感信號處理中，首先在一個采樣周期內將實際傳感器信號均勻采樣N次送入計算機，隨機選擇幾組數據作為初始群體。然后循環進行選擇、雜交、變異三種操作，直到達到給定的要求電壓值為止。在機器人避障系統中，利用簡單的放大電路和遺傳算法軟件可以在多傳感信號的情況下精確還原傳感信號，提高傳感器信息處理中的測量精度。

（4）免疫算法

免疫算法是一種基于模擬生物體的計算方法，該算法模擬免疫系統中抗體-抗原的相互作用，通過系統對抗原（輸入信號）的識別，抗體（標樣信號）與抗原間親和力的調整，以及抗體對抗原的消除來實現數字信號處理。

近幾年來免疫算法也被應用于機器人避障系統的傳感器信號處理中，該方法模擬免疫系統的作用機制，對此系統復雜、大量的傳感器信號進行處理，可以得到重疊傳感器信號中起決定作用的單組傳感器信息，運行速度快，從而可以減少計算機處理傳感器信息時間。

3、傳感器故障診斷

傳感器故障診斷的實施，能夠保證診斷系統獲取實時準確的信息，避免因錯誤信息造成的負效應，保證數據的正確性，因此傳感器故障診斷是系統實時避障的重要保證。應用在機器人避障系統傳感器故障診斷的方法主要有以下幾個方面：

（1）模糊診斷方法

模糊診斷方法就是以模糊數學為理論基礎，依據系統的傳感器的模糊狀態進行狀態識別、推理并作出決策的一種故障診斷方法。

模糊故障診斷方法的優點是能夠充分利用專家經驗，考慮了故障狀態及專家經驗的模糊性，使得診斷結果更為合理，同時模糊診斷計算量相對較小，診斷速度快，實時性好，便于在計算機上應用，且準確率也較高。經常被國內外學者應用到機器人避障系統中，進行傳感器輸出結果的診斷。但模糊故障診斷方法也有其不完善的方面，如隸屬函數的選取、各個診斷規則的運用，至今并無同一原則，常依具體問題而定。

（2）離散小波網絡法

離散小波網絡法是利用小波網絡來診斷避障系統中傳感器對象，當傳感器對象沒有突變時，小波網絡的輸出與診斷避障系統中傳感器對象的輸出差值較小，當傳感器有突變時，小波網絡的輸出與診斷避障系統中傳感器對象的輸出差值較大，據此可利用方差檢測出故障。該方法靈活度高，克服噪聲能力強，對輸入信號要求低，不需要對象的數學模型。缺點：在***下，由于濾波器時域寬度較大，檢測時會有一定的延時。

（3）人工神經網絡診斷法

人工神經網絡法近年來被應用于機器人避障系統中的傳感器故障診斷領域。人工神經網絡是一種并行處理機制的網絡，且它可以通過學習而獲得外界知識，知識分布存儲各個神經元之間連接權值上，它可以完成輸入模式到輸出模式的復雜映射，具有容錯能力強和運行速度快的特點。

采用神經網絡法進行機器人避障系統的故障診斷的方法是①選擇系統中關鍵傳感器輸出作為神經網絡的輸入變量，并規定網絡的輸出變量值；②選擇合適類型和結構的神經網絡；③根據所選擇的輸入輸出信號的歷史數據，離線對網絡進行訓練，獲得網絡的權值或閥值；④在線將前面選擇的輸入輸出數據作用于網絡，網絡輸出便可給出診斷結果。

該方法優點是不需要準確的數學模型，可以直接用過程數據來解決機器人避障系統故障診斷問題。但是此方法還存在一些問題，如網絡結構如何選取等。此外，在診斷過程中，常常自學習，自診斷，因此如何將無導師訓練算法引入到傳感器故障診斷領域，也是一直探討的方向。

四、結論

智能多關節機器人的實時避障問題，是現在機器人研究領域的重點和難點問題。在避障過程中，常常會面臨無法預先知道、不可預測或動態變化的環境。機器人感知環境的手段通常是不完備的，傳感器給出的數據是不完全、不連續、不可靠的，傳感器信息融合的算法還存在著諸多問題。但由于傳感器技術的飛速發展以及神經網絡、模糊控制理論等學科的深入研究，及傳感器信息處理方法的應用，為避障問題的最終解決提供了可能性，但是對于復雜的應用，仍不能令人滿意，因此現存的問題也正是該領域的研究方向。

（1）傳感器融合技術在近年來被引入到了機器人避障研究中，并已取得很好的成果，對于目前一些高精度的多關節機器人避障系統采用常規傳感器還很難滿足性能指標，因而開發新型傳感器或按照一定融合策略構造傳感器陣列以彌補單個傳感器的缺陷，將是重要的研究方向。

（2）人工智能可使機器人避障系統本身具有較好的柔性和可理解性，同時還能處理復雜的問題，因而在未來的數據融合技術中利用人工智能的各種方法，以知識為基礎構成多傳感器數據融合仍將是其研究趨勢之一。

（3）為了在實現機器人避障系統多傳感器數據融合，處理器結構將朝并行體行結構發展，包括傳感器功能的并行結構和算法功能的并行結構。

（4）在一個智能系統中，使用單一的智能控制方法往往不能取得滿意的效果，應綜合采用常規控制方法和智能控制方法，才能夠取得良好效果。神經網絡和模糊推理是避障研究中的兩個重要工具，但是神經網絡樣本集的完整性研究尚未取得突破，將事件空間的每一點都作為網絡的學習樣本顯然是不可取的；模糊邏輯推理則側重于模糊規則的選取，但有些規則很難形式化描述，或者必須用大量的規則描述而增大運算量，這樣就背離了模糊邏輯應用的初衷，因此近年來提出了基于多組傳感器信息，利用神經網絡技術實現機器人對當前感知環境的快速識別和分類，進而利用模糊邏輯技術實現安全避障的新方法，它將是有潛力的研究方向。

（5）在集中式多傳感器系統研究時應該將仿真技術和實時控制技術結合起來，建立集成開發環境來處理傳感器信號。對于分布式傳感器系統，應尋求一種基于通訊的實現方法來處理傳感器信號，這是傳感器系統今后發展方向之一。

（6）機器人的避障系統愈高級，傳感器就愈多，信息處理愈復雜，會遇到多速率采樣問題。但是現有成熟的計算機控制理論涉及的都是單速率采樣，即假定系統中所有A/D，D/A通道都以同樣的采樣速率工作。為填補此項空白，就很有必要研究多速率采樣控制系統的建模，分析及設計方法。所以，機器人多傳感器多速率采樣控制系統研究是傳感器系統今后發展方向之一。

（7）多關節機器人避障系統是一個復雜的智能系統。因而在實際應用中，必須綜合考慮各種功能，這是一個涉及機械、電子、計算機、自動化、物理學等多學科的跨學科課題，任何新技術的出現都可能對該領域的研究帶來突破性進展，因而在機器人研究的同時，必須密切關注相關學科的發展。
責任編輯；zl