论文部分内容阅读
本课题在船舶清洗爬壁机器人的平台上,研究了一种基于ARM-Linux控制平台的机器人控制系统。根据爬壁机器人对控制系统的需求,确定了爬壁机器人上位机和下位机的分布式控制方案。上位机和下位机都是以ARM9芯片作为控制核心。下位机外围电路还包括:Zigbee通信模块电路、模拟摄像头、远程图传系统发送端、高压水与真空度检测电路、高压水真空阀门与气动马达转速控制电路、MMA7455三轴加速度传感器电路。上位机还包括LCD显示屏电路、摇杆电路、远程图传系统接收端、Zigbee通信模块电路。爬壁机器人通过图像识别来实现爬壁机器人的自动运行。爬壁机器人实现首先要对工况图像进行采集,对图像进行灰度化和二值化来实现循迹引导线的提取,通过跟踪循迹引导线就可以完成爬壁机器人的自动运行。为了实现爬壁机器人跟踪循迹引导线的稳定、准确与快速,引入了强化学习Q-learning算法,以爬壁机器人循迹线在图像中的位置作为状态值,以左右两侧气动马达的气压差值作为动作值,实现了爬壁机器人的强化学习循迹,改进了传统PID等算法无法针对环境进行最优化动作策略选择的缺点,提高爬壁机器人在不同环境下循迹的准确性。爬壁机器人控制系统软件架构基于Linux操作系统,Linux操作系统具有可靠性高、稳定性高等优点,能够实现多任务的并发运行。采用Linux操作系统能够解决系统调度和工况图像实时显示的问题。Linux操作系统实现对硬件的操作需要在内核层进行,因此针对硬件系统进行了内核驱动程序开发和应用层程序开发。通过对爬壁机器人的无线通信的可靠性、图像数据的准确与稳定性、控制系统对爬壁机器人运动的控制效果测试可知,爬壁机器人控制系统的无线通信保证99%置信度的-610误码率,图像采集并解码后的视频数字信号波形稳定,图像显示无延迟,对爬壁机器人运动的控制能够保证稳定的状态,自动运行状态下能够在测试区域内实现强化学习循迹算法收敛,完成遍历。